手势识别技术作为最有前景的一种自然人机交互模式已经成功应用于一些领域。可靠的手势识别技术多依赖特定的硬件实现，而这种自然交互模式的普及需要自然环境下基于普通摄像机的通用手势识别技术。研究了在普通摄像机下对各种复杂背景、不同光照条件的静态手势的分割和识别技术。首先采用一种邻域变换算法，克服不同光照强度对分割的影响，然后提出一种求最小平均Hausdorff距离区域的算法，克服不同手势形状、方向、尺度等对分割的干扰。手势分割实验结果证明提出的算法可以在各种复杂背景及不同光照条件下分割出手势区域，正确率达到99.8%。最后改进了序贯最小优化算法训练二叉树结构的支持向量机多分类器，对实验采集的各种自然条件下九类手势图像的平均识别率超过80%，证明了算法用作普通摄像机下通用人机交互模式的可行性。
