手勢識別涉及圖像處理、模式識別、計算機視覺、人工智能等多門學科，其研究的主要目的就是把手勢應用到人機接口中，實現更加自然、和諧的人機交互。手勢識別可用于虛擬現實、三維設計、臨場感、可視化、醫學研究、智能監控等領域，具有良好的社會和經濟效益。

　　本文在分析手勢圖像序列各種特征的基礎上，介紹了動態手勢圖像序列的光流特征及目前主要的光流計算方法。對Hom- Schunk光流算法、Lucas-Kanade光流算法及本文所采用的高斯金字塔光流算法進行了重點研究。通過對手勢圖像序列光流特征的提取及量化，建立了手勢模型，并在此基礎上訓練生成了特定動態手勢的公共模板庫及在線識別索引序列庫。最后，采用優化的DTW算法實現了特定動態手勢的識別。

　　在光流算法的研究中，采用matlab 進行仿真實驗，結果表明高斯金字塔光流算法可以得到更為精確的光流場。整個識別系統在Visual Studio. Net 2008結合OpenCV 1.0環境下，采用C#開發語言，編程實現了輸入視頻的預處理、高斯金字塔光流計算、DTW識別算法等。

　　實驗結果表明，本文的特定動態手勢識別系統能夠較好地識別出四種特定的動態手勢，平均辨識率達到了94.5%。

　　從手勢識別的對象束看，目前手勢識別系統又可分為動態手勢識別系統和靜態手勢識別系統。其中，靜態手勢識別系統主要是利用手部做出的各種不同的手形作為不同的語義的表達，靜態手勢并不研究手部的運動軌跡，與正常的人機交五目標還有一定的差距。而動態手勢識別系統通過跟蹤整個手部做出的不同運動軌跡，把這些不同的運動軌跡看作不同的語義表達，來實現更符合人類習慣的人機對話。

　　靜念手勢識別由于不涉及圖像時空序列的研究，因此，在對象分離和對象跟蹤上相對簡單。而動態手勢識別需要解決手部分離、手部跟蹤、手部運動軌跡的理解等-系列的問題，因此涉及的研究領城比較廣泛，其中包括圖像處理、模式識別、人工智能等多門學科。另外，動態手勢識別還可以兼容和結合靜態手勢識別的結果，從而達到更加豐富的語義表達，能夠更好地實現和諧人機交互。基于計算機視覺的動態手勢識別技術正成為探索人機交互系統的關鍵技術之。