在基于手势的用户界面的设计中,由于手势的高维信息,手势的语义含义不明确以及存在不可预测的非手势身体动作,因此连续识别复杂的动态手势是一项具有挑战性的任务。在本文中,我们提出了一种混合模型,该模型可以利用hiddenMarkov模型的时间序列建模能力和模糊神经网络的模糊推理能力。首先,将复杂的动态手势分解并输入到混合模型中。由隐马尔可夫模型估计的观测序列的似然概率用作模糊神经网络中相应模糊类变量的模糊隶属度。接下来,通过模糊神经网络对手势分类进行模糊规则建模和模糊推理。为了准确地识别关键手势,引入了阈值模型来计算输入模式的似然阈值,并提供是否接受该模式作为手势的可靠性度量。最后,将所提出的方法应用于识别十个用户定义的动态手势,以控制智能房间中的交互式数字电视。实验结果表明,与传统手势识别方法相比,该方法在识别可靠性和识别精度方面表现更好。