针对月球机器人与宇航员交互手势识别的问题，提出了一种新颖的手势检测识别算法。 在手势检测阶段，基于基于图的流形排序（GBMR）算法的显着性检测，将前景的深度信息添加到超像素的计算中。 通过在图论模型中增加连通域的权重，可以突出显示前景边界，并减弱背景的影响。 在手势识别阶段，提取图像样本的定向梯度金字塔直方图（PHOG）特征和Gabor幅度以及相位特征。 为了突出Gabor振幅特征，我们提出了一种新颖的特征计算方法，即以相同比例在不同方向上融合特征。 由于Adaboosting的强大分类能力和不易适应的优势，本文将其作为分类器来实现手势识别。 实验结果表明，改进的手势检测算法可以保持对复杂环境