針對(duì)復(fù)雜環(huán)境下的深度圖像手勢(shì)特征提取信息冗余量大、編碼不穩(wěn)定等問題，提出了一種改進(jìn)的基于曲率局部二值模式（ LBP）的深度圖像手勢(shì)特征提取算法。該算法首先通過坐標(biāo)轉(zhuǎn)換將分割出的手勢(shì)深度數(shù)據(jù)轉(zhuǎn)換為點(diǎn)云數(shù)據(jù)；其次利用移動(dòng)最小二乘法對(duì)手勢(shì)點(diǎn)云數(shù)據(jù)進(jìn)行曲面擬合；然后計(jì)算出能夠更加準(zhǔn)確描述物體三維表面幾何信息特征的高斯曲率；最后利用改進(jìn)的LBP均勻模式對(duì)高斯曲率數(shù)據(jù)進(jìn)行編碼形成特征向量。在美國(guó)手語（ASL）手勢(shì)數(shù)據(jù)庫上該算法的平均識(shí)別率達(dá)到了92. l%，與3D局部二值模式（3DLBP）和梯度LBP相比分別提高了18.5個(gè)百分點(diǎn)和13.7個(gè)百分點(diǎn)。實(shí)驗(yàn)結(jié)果表明，該算法可以區(qū)分外部輪廓相似但內(nèi)部結(jié)構(gòu)不同的手勢(shì)，有效提高了在描述手勢(shì)深度圖像內(nèi)部細(xì)節(jié)方面的準(zhǔn)確性。