在人机交互的发展现状中,交互的信息输入方式从传统的鼠标、键盘向触摸屏、语音、手势等更简单的交互方式发展,这是逐渐趋向自然交互的变化。其中人的手势具有高度灵活性,直观性,能够表现丰富多样的信息,是实现非接触人机交互的重要方法。Kinect深度传感器能够获取识别场景中的深度信息,使实现非接触的手势交互也变得更为方便。本文针对实时视频中不同距离下都能够精确分割手势的需求,改进了阈值分割方法,首先使用骨骼跟踪对手势进行粗定位,然后结合肤色信息使用空间分层检测法定位手势深度位置,最后根据手势轮廓精确定位手势。实验结果表明,本文改进的阈值分割方法可以在实时视频中手势在不同距离下移动的情况下,都能够准确地分割出手势,不受位置、复杂背景的影响。在手势识别中,本文采用图形算法的k-余弦曲率法和智能算法中的CNN分类法分别对分割出的手势进行识别,对比两种方法发现CNN算法在通过训练次数可以提高手势识别的准确率,但提前准备时间长,而k-余弦曲率法可以在识别手势的同时定位指尖位置,比较适用于实时视频的手势识别。为了实现舒适的手势非接触互动,本文提出距离触发机制的手写注释,并使用卡尔曼滤波对指尖轨迹进行跟踪平滑,使使用者能够顺畅舒适的进行实时注释的非接触交互。最后,为了验证本文作提出的方法,设计了一个非接触演示互动功能的系统,使用了改进的阈值分割方法分割手势,然后使用k-余弦曲率算法对手势识别并进行指尖的检测跟踪,最后使用距离触发机制的注释方法实现手写演示功能。最终实验结果效果良好,表明所提出方法的有效性和合理性。