http://wenku.baidu.com/view/53c3331a6bd97f192279e9c9.html HSI与RGB的Matlab实现。
http://wenku.baidu.com/view/eeab7e44b307e87101f69689.html HSI与RGB原理公式介绍。
基于特征提取的手势识别技术研究 程小鹏 《武汉理工大学》 2012年
研究静态手势识别,主要通过对目标手势进行建模分析得到可能有效的特征参数,然后分析基于轮廓图像的特征参数的提取方法,最后通过基于模板匹配的手势识别算法对提取到的特征参数进行实验,比较它们有效性。
来源：http://www.doc88.com/p-382740607764.html
Spartan6红色开发板与摄像头的连接来做手势识别。友晶提供DE2-70开发板与摄像头子板的连接。类似这样的做法，Rain说最后也不可能实现。
目前常见的是USB2.0摄像头。如果要用FPGA来接收USB2.0摄像头，那样很困难吧。
其实我现在也不清楚架构是什么样的，我想这就是需要我去探索的，加油。
QVGA 320×240 (4:3) 。VGA 640*480。
基于灰度直方图的阈值分割算法：
来源：http://www.doc88.com/p-086413460365.html
来源：http://tv.zol.com.cn/350/3509162.html 手势识别的介绍。在手势识别中，常用的手势一共有八种，分为激活、移动、握拳、挥手、抓取、拖拽、左、右。TCL云图E5500典藏版中，还带有手势识别功能的手势说明图，从图片中大家就可以看到每种手势所代表的功能，无需用户去翻看纸制的说明书，非常直观。
手势识别系统通过摄像头采集到图像，分析图像的内容，识别出手的动作，指挥计算机做出各种反应。
来源：http://www.doc88.com/p-0038743060629.html 面向电视功能遥控的视觉手势识别算法 西北大学 吴静
1、目前人们采用了不同手段来识别手势，最有前途的手段是基于计算机视觉, 即利用摄象机输入手势。
最简单的手势识别技术是模板匹配技术,它将传感器输入的原始数据与预先存储的模板进行匹配, 通过测量两者之间的相似度来完成识别任务。
最复杂的手势识别技术是人手模型在手势识别中占有更加重要的地位. 手的模型多种多样,相应的特征也多种多样. 而在以运动参数为特征的手
势识别中,几乎都是将人手建模成一点或者一块,直接计算整体的运动参数. Lee 与Peng 都将手看成一个点,以其运动轨迹作为手势特征,所不同的是,Lee 应用HMM 模型判断手势的开始和结束,以进行手势识别,而Peng 采用的是有限状态机的方法进行识别。
综上所述要用FPGA实现手势识别就从最简单的入手，基于计算机视觉 模板匹配match template 的相关算法。
2、来源：
基于视觉手势识别的研究—综述 任海兵 清华大学计算机科学与技术系。
手势建模、手势分析和手势识别等三个方面综述了基于视觉手势识别的研究现状及其应用。
手势模型的选取根本上取决于具体应用，例如使用图像梯度方向直方图去跟踪人手以及识别静态手势。基于表观的手势模型是建立在手(臂) 图像的表观之上,它通过分析手势在图像(序列) 里的表观特征去给手势建模。第一类基于表观的手势模型使用2D 灰度图像本身建立手势模型. 例如,文献[11 ]把人手的完整图像序列作为手势模板. 在手指跟踪应用里,仅仅手指的图像也可以用作模板[8 ] .文献[4 ]提出运动历史图像作为手势模型. 运动历史图像是指
在某个时间区间上累加图像序列里各单个像素点的运动位置而形成的2D 图像.
常用的图像特征基元包括灰度图像[4 ,11 ] 、二值影像[16 ,18 ] 、区域[3、9、10、19 ] 、边界及轮廓[6 ,13 ]或者指尖[8 ,17 ]等.
手势分析包括特征检测和模型参数估计。
手势包括静态手势(指姿态,单个手形) 和动态手势(指动作,由一系列姿态组成)。
1到10的手势。
3、来源：
基于视觉的手势检测关键技术研究及其FPGA实现
图1-2基于视觉的手势检测系统构成图
人们对图像的理解都是认为图像是由像素构成，但是在模式识别中，机器对图像的检测和识别一般都是通过特征来完成的。图像都包含自己所独有的特征，通过对特征的检测，就可以完成对图像的检测。使用特征对手势图像进行建模，可以减少计算量，能提升系统训练和检测速度，这也就是为什么不对手势像素进行建模的原因。基于Harr特征和基于LBP特征都是对图像进行建模的一种方式，这两种特征表现形式简单，方便快速计算。关于Harr特征和LBP特征的在本文第二章有详细的介绍，本文分别比较了基于Harr特征和基于LBP特征的手势训练和检测的特点以及效果。