黎海涛，刘 鸣，张 帅

(1.北京工业大学 信息学部，北京 100124；2.北京工业大学 樊恭烋荣誉学院，北京 100124)

0 引言

随着科学技术的不断发展，电子设备和人们生活的关系越发紧密，人与机器间交流的信息更加丰富，急需研究开发方便、可靠的人机交互系统。作为一种新型人机交互方式，手势识别允许用户在不接触设备的情况下通过简单的手势来控制设备，在操作方式上更加直观和自然，交互方式更加人性化[1]，具有广泛的应用前景。

手势识别是模式识别的一个分支，其实现需要通过算法来检测人类的手势动作。传统的手势识别方法有模板匹配法[2]和Hu不变矩法[3]。模板匹配法是先准备好手势的模板，当有图像输入时，使用模板来逐行扫描整个图像，每次扫描就计算一次相关度，当相关度超过设定阈值时就判定检测到模板中的手势。该方法的优点是算法简单、计算量较低，缺点是若手势发生旋转或者缩放则无法正确检测，故实用性低。Hu不变矩法通过计算图像的不变矩进行识别，具有平移、旋转、放缩不变的性质，即使图像中的手势发生变化也能进行检测，因而实用性更高，但是当目标纹理复杂时准确率较低，不适用于复杂环境。

随着深度学习技术的不断发展，神经网络被成功应用于手势识别系统，其识别准确率高于模板匹配法、Hu不变矩法，且在复杂背景下的鲁棒性更强。因此，越来越多的手势识别系统采用神经网络进行识别，成为当前的主流技术。……