手势识别是人机交互及计算机视觉领域的关键技术之一,它被广泛应用于例如电脑体感游戏、机械控制、现实增强、智慧家居、辅助系统、手语沟通与虚拟现实等各种领域。不同于传统的人机交互方式,基于手势识别技术的人机交互为人机间的虚拟环境提供了更本能更有效的交互方式,更能满足人们对智能化水平日愈高涨的要求。因此,简单、高效的手势识别技术有着重要且深远的研究意义。本文首先提出了基于隐马尔科夫模型的新型静态手势识别算法。该算法采用两种新的特征：特定角度形状熵特征和上层轮廓特征,并将两者分别用于训练隐马尔科夫模型参数,最后分层辨识手势类别。在特征上,综合考虑分类器及研究现状,不仅提取了代表轮廓局部的特定角度形状熵特征和代表轮廓全局的上层轮廓特征。同时,为了测试新特征的有效性,还提取了两类旧特征：特定角度面积特征和轮廓特征,并做对比实验。在分类器上,本文将静态特征模拟成动态序列,重新配置适合于处理静态序列的隐马尔科夫模型,使静态手势识别算法具有空间尺度不变性。实验表明,该算法手势种类间的训练非常独立,可扩展性强；局部轮廓与全局轮廓二者相互补充,分步识别手势类,既可减少特征维数,又可使手势形状特征得到较完整的描述,使得形状上差异并非很大的手势也可以被正确识别。但是,对于部分形状差异特别小的手势组识别率不高。针对形状差异特别小的手势,本文添加能反映图像内部细节内容的纹理能量特征,采用基于最小总错误概率的识别修正算法,以期进一步提高识别效果。实验结果证明,经过进一步的修正,此方法对于形状差异小的手势类有了较好的识别效果,并且实时性较强。