摘要：传统的动态手势交互技术如隐马尔科夫模型、神经网络和统计分类器等都需要大量的训练样本，建模过程中需要领域专家的干预、对普通用户来说使用起来较为困难，并且它们针对的是特定的手势集合，很难对其进行扩展。本文通过WOZ实验，分析了用户的行为特征并给出了基于手势的数字电视交互任务模型；提出了3D动态手势状态转移模型，解决了Midas Touch问题；提出了一种基于小样本学习的动态手势识别方法，解决了传统手势识别方法的缺点；构建了个性化手势设计平台，满足了用户的个性化定制需求；实验评估结果验证了本文方法的有效性。

关键词：人机交互 视觉手势 小样本学习 个性化交互 

单位：中山大学传播与设计学院; 广东广州510006; 中国科学院软件研究所人机交互与智能信息处理实验室; 北京100190