一、引言 随着信息技术的快速发展和计算机视觉技术的成熟，基于视觉的手势识别应用逐 渐成为人工智能（Artificial Intelligence，AI）领域的一个重要研究方向。

手势作为一种十分自然的语义表达方式，在人机交互（Human Computer Interaction，HCI）中发挥着重要的作用。

现阶段，基于不同的硬件设备的手势识别技术基本上分为以下4种 1.基于数据手套的手势识别 数据手套是一种三维输人设备，它由一个合成弹力纤维的手套组成，沿着手指布满了光学纤维，可以察觉拇指与其他手指的关节角度。

手套可以察觉光线强度的变化，而且这种变化与关节弯曲的程度有关。

手套顶部有两个传感器，用超声波确定三维的定位信息，而且这种变化与关节弯曲的程度有关。

数据手套的优点是功能强大，可以表达丰富的信息，缺点是需要佩戴外部设备，且价格非常昂贵，正是这一缺点大大限制了数据手套的应用。

2.基于肌电信号的手势识别 基于计算机视觉的手势识别主要是通过传感器采集多路表皮肌电信号，并将其放大后进行数据处理，然后提取各个手势的特征参数，最终实现手势识别。

这种方法的优点是肌电信号不受外界环境的影响计算量较小，具有更好的实时性。

但由于集群结构的复杂性、肌电信号的个体差异、电极位置等影响增加了其分类难度，而且佩戴肌电采集设备也为其在现实中的应用带来了不便。

3.基于惯性传感器的手势识别 惯性传感器特别是MEMS惯性传感器的发展为手势识别带来了新的基础工具和应用案例。