手势识别是人机交互技术的重要前提之一,手势识别的发展顺应了这一趋势,对人机交互的发展有着重要作用与意义。稀疏表示用较少的信号表示目标信息而成为近年来的研究热点,本文将稀疏表示理论应用于手势识别领域。本文的具体研究工作主要包括以下几个方面：(1)首先对视觉手势识别特征提取进行了深入的理论分析与研究,参考了人脸识别领域的特征提取与描述方法,实现了主成分分析、加速鲁棒性特征的手势特征提取实验。(2)针对经典手势识别方法中在旋转变化与偏移情况下识别率不高的问题,提出一种基于稀疏表示的手势识别算法。首先对训练样本的手势图像预处理包括图像尺寸大小的调整,将训练样本尺寸归一化、颜色空间转变空间,并选用主成分分析特征提取方法对所有训练样本提取特征,之后将经过主成分分析特征提取的训练样本进行稀疏表示分类。通过最小二乘法求解手势特征的稀疏表示,利用Sebastien手势库训练构建出稀疏表示手势冗余字典,最后根据残差最小值实现手势识别。实验结果表明：在手势发生旋转变化和偏移的情况下,本文中基于稀疏表示的手势识别算法识别率高于经典的最近邻分类手势识别算法(3)在静态手势识别基础上，进一步实现了基于视觉的动态手势识别跟踪仿真,分别实现利用Kalman滤波、高斯混合模型以及Camshift算法对动态的视频序列手势进行跟踪,并对实验结果进行分析,为后续的动态稀疏表示的手势识别做了前期的初步探索研究工作。