本发明提供了一种基于Ｋｉｎｅｃｔ的多模型融合视频人手分割方法，包括如下步骤：（１）捕捉视频信息；（２）分别对视频中的图像进行分割得到深度模型、肤色模型和背景模型的分割结果，分割结果的表现形式为二值图；（３）计算三个分割结果的两两重叠率，作为衡量它们各自分割效果好坏的特征，把三个重叠率输入到神经网络；（４）神经网络输出三个系数（即置信系数），置信系数表示出三个模型各自的可靠性，三个分割结果经由置信系数进行加权；（５）对加权后的三个模型分割结果进行线性叠加；（６）叠加的结果经过阈值函数输出最终的二值图，最后分割得到的视频人手区域；（７）更新背景模型。具有成本低和灵活性好等优点。