提出并实现一个用于人机交互的静态手势识别系统。基于皮肤颜色模型进行手势分割, 并用傅里叶描述子描述轮廓。采用针对小样本特别有效且范化误差有界的支持向量机方法:最小 二乘支持向量机(LS2SVM)作为分类器。提出了LS2SVM的增量训练方式,避免了费时的矩阵求 逆操作。为实现多类手势识别,利用DAG(DirectedAcyclicGraph)将多个两类LS2SVM结合起来。 对26个字母手势进行识别,与多层感知器、径向基函数网络等方法比较,LS2SVM的识别率最高, 为93.62%。