談起手勢(shì)識(shí)別技術(shù)，由簡(jiǎn)單粗略的到復(fù)雜精細(xì)的，大致可以分為三個(gè)等級(jí)：二維手型識(shí)別、二維手勢(shì)識(shí)別、三維手勢(shì)識(shí)別。

　　在具體討論手勢(shì)識(shí)別之前，我們有必要先知道二維和三維的差別。二維只是一個(gè)平面空間，我們可以用（X 坐標(biāo)，Y 坐標(biāo)）組成的坐標(biāo)信息來(lái)表示一個(gè)物體在二維空間中的坐標(biāo)位置，就像是一幅畫出現(xiàn)在一面墻上的位置。三維則在此基礎(chǔ)上增加了“深度”（Z 坐標(biāo)）的信息，這是二維所不包含的。這里的“深度”并不是咱們現(xiàn)實(shí)生活中所說(shuō)的那個(gè)深度，這個(gè)“深度”表達(dá)的　　是“縱深”，理解為相對(duì)于眼睛的“遠(yuǎn)度”也許更加貼切。就像是魚缸中的金魚，它可以在你面前上下左右的游動(dòng)，也可能離你更遠(yuǎn)或者更近。前兩種手勢(shì)識(shí)別技術(shù)，完全是基于二維層面的，它們只需要不含深度信息的二維信息作為輸入即可。就像平時(shí)拍照所得的相片就包含了二維信息一樣，我們只需要使用單個(gè)攝像頭捕捉到的二維圖像作為輸入，然后通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)對(duì)輸入的二維圖像進(jìn)行分析，獲取信息，從而實(shí)現(xiàn)手勢(shì)識(shí)別。而第三種手勢(shì)識(shí)別技術(shù)，是基于三維層面的。三維手勢(shì)識(shí)別與二維手勢(shì)識(shí)別的最根本區(qū)別就在于，三維手勢(shì)識(shí)別需要的輸入是包含有深度的信息，這就使得三維手勢(shì)識(shí)別在硬件和軟件兩方面都比二維手勢(shì)識(shí)別要復(fù)雜得多。對(duì)于一般的簡(jiǎn)單操作，比如只是想在播放視頻的時(shí)候暫停或者繼續(xù)播放，二維手勢(shì)也就足夠了。但是對(duì)于一些復(fù)雜的人機(jī)交互，與 3D 場(chǎng)景互動(dòng)，就必須含有深度信息才行。二維手型識(shí)別二維手型識(shí)別，也可稱為靜態(tài)二維手勢(shì)識(shí)別，識(shí)別的是手勢(shì)中最簡(jiǎn)單的一類。這種技術(shù)在獲取二維信息輸入之后，可以識(shí)別幾個(gè)靜態(tài)的手勢(shì)，比如握拳或者五指張開(kāi)。其代表公司是一年前被 Google 收購(gòu)的 Flutter。在使用了他家的軟件之后，用戶可以用幾個(gè)手型來(lái)控制播放器。用戶將手掌舉起來(lái)放到攝像頭前，視頻就開(kāi)始播放了；再把手掌放到攝像頭前，視頻又暫停了。 “靜態(tài)”是這種二維手勢(shì)識(shí)別技術(shù)的重要特征，這種技術(shù)只能識(shí)別手勢(shì)的“狀態(tài)”，而不能感知手勢(shì)的“持續(xù)變化”。舉個(gè)例子來(lái)說(shuō)，如果將這種技術(shù)用在猜拳上的話，它可以識(shí)別出石頭、剪刀和布的手勢(shì)狀態(tài)。但是對(duì)除此之外的手勢(shì)，它就一無(wú)所知了。所以這種技術(shù)說(shuō)到底是一種模式匹配技術(shù)，通過(guò)計(jì)算機(jī)視覺(jué)算法分析圖像，和預(yù)設(shè)的圖像模式進(jìn)行比對(duì)，從而理解這種手勢(shì)的含義。這種技術(shù)的不足之處顯而易見(jiàn)：只可以識(shí)別預(yù)設(shè)好的狀態(tài)，拓展性差，控制感很弱，用戶只能實(shí)現(xiàn)最基礎(chǔ)的人機(jī)交互功能。但是它是識(shí)別復(fù)雜手勢(shì)的第一步，而且我們的確可以通過(guò)手勢(shì)和計(jì)算機(jī)互動(dòng)了，還是很酷的不是么？想象一下你忙著吃飯，只要憑空做個(gè)手勢(shì)，計(jì)算機(jī)就可以切換到下一個(gè)視頻，比使用鼠標(biāo)來(lái)控制可是方便多了！