视觉手势识别发展历史

早期探索阶段

（20 世纪 60 年代 - 80 年代）

手势识别技术始于 20 世纪 60 年代，主要集中在基于视觉的方法，如光流法、轮廓法等。技术仍处于初级阶段，识别精度较低。

技术积累阶段

（20 世纪 90 年代）

20 世纪 90 年代，随着计算机视觉技术的发展，视觉手势识别技术逐渐从理论研究走向实际应用。早期主要依赖于基于模板匹配的方法，以及基于阈值分割、边缘检测的手势识别方法，这些方法在特定条件下能够取得较好的识别效果，但普遍存在鲁棒性差、识别精度低等局限性

快速发展阶段

（21 世纪初 - 2010 年代）

2012 年，AlexNet 在 ImageNet 竞赛中夺冠，标志着卷积神经网络（CNN）在图像识别领域的突破，研究者开始将 CNN 应用于手势特征提取，显著提升了动态手势的识别精度。

成熟应用阶段

（2020 年代至今）

随着技术发展，同时构建高质量、多场景、大数量的手势数据集，进一步提升了手势识别在复杂环境下的鲁棒性和准确性。同时，手势识别技术在智能家居、虚拟现实、智能医疗等领域得到了广泛应用，成为人机交互的重要手段之一。

手势识别相关项目：https://github.com/XIAN-HHappy/handpose_x