作为人机交互技术研究领域的热点之一，手势识别得到了国内外研究学者的深入研究，并且在虚拟现实、人工智能等方面也得到了广泛的应用。目前，根据获取手部姿态方式可以将手势识别方法分为基于非接触式传感器和基于接触式传感器的手势识别方法。基于接触式传感器的手势识别方法一般通过穿戴式设备获取手部姿态的三维信息，数据准确实时性高，并且不受光照、颜色、摄像机像素等外界因素的影响。按照手势动作是否存在时间序列可以将手势识别方法分为静态和动态手势识别方法。动态手势识别是在一段时间序列下对多个静态手势组合的识别，时序性和流畅性更强。基于接触式传感器的动态手势识别方法不但准确性和实时性更高，而且拥有更好的沉浸式交互体验，是目前手势识别方法研究和应用的主要方向之一。

基于接触式传感器的手势识别方法，一般采用数据手套中的传感器、陀螺仪、加速度计等采集用户手部运动信息，然后进行分类和特征提取，最后进行手势识别处理。

现有的动态手势识别方法中，特征提取时忽略了动态手势的时序性，特征提取结果准确率低；测试模型和标准模型序列过长，计算复杂度高，降低了手势识别的实时性。同时异常值的影响导致识别结果准确率不高

对于手指进行动态手势进行识别，采用视觉捕捉技术具有以下优势：

实时捕捉：可以实时、快速的数据动作数据。

2、不受环境影响：对于模糊、遮挡等要求不高，只需要一个摄像头进行拍摄即可输出数据3、性价比较高：大大降低成本、节省人工