为改善基于粒子滤波算法的运动人手跟踪精度,结合高斯分布改进粒子滤波算法的采样过程.利用第k帧手势的帧图像信息和k-1帧手势的量测值恢复第k帧手势的量测值,按照高斯分布进行粒子采样,并根据手势特征点信息与手势的观测值衡量采样粒子的权重,调整粒子分布,然后根据运动过程中各个关节的预测值和真实值更新高斯分布的均值、方差,产生更接近真实状态的粒子.为验证算法的有效性,分别从跟踪精度和平均运行时间2个方面进行了大量对比实验.结果表明:与传统的粒子滤波算法相比,改进后的粒子滤波算法可以运用较少的粒子数达到较高的跟踪精度,节省了时间开销.引入高斯分布后,缩小了跟踪过程中手势真实解的搜索范围,避免了"维数灾难".