談起手勢識別技術，由簡單粗略的到復雜精細的，大致可以分為三個等級：二維手型識別、二維手勢識別、三維手勢識別。

　　在具體討論手勢識別之前，我們有必要先知道二維和三維的差別。二維只是一個平面空間，我們可以用（X 坐標，Y 坐標）組成的坐標信息來表示一個物體在二維空間中的坐標位置，就像是一幅畫出現在一面墻上的位置。三維則在此基礎上增加了“深度”（Z 坐標）的信息，這是二維所不包含的。這里的“深度”并不是咱們現實生活中所說的那個深度，這個“深度”表達的　　是“縱深”，理解為相對于眼睛的“遠度”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，也可能離你更遠或者更近。前兩種手勢識別技術，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攝像頭捕捉到的二維圖像作為輸入，然后通過計算機視覺技術對輸入的二維圖像進行分析，獲取信息，從而實現手勢識別。而第三種手勢識別技術，是基于三維層面的。三維手勢識別與二維手勢識別的最根本區別就在于，三維手勢識別需要的輸入是包含有深度的信息，這就使得三維手勢識別在硬件和軟件兩方面都比二維手勢識別要復雜得多。對于一般的簡單操作，比如只是想在播放視頻的時候暫停或者繼續播放，二維手勢也就足夠了。但是對于一些復雜的人機交互，與 3D 場景互動，就必須含有深度信息才行。二維手型識別二維手型識別，也可稱為靜態二維手勢識別，識別的是手勢中最簡單的一類。這種技術在獲取二維信息輸入之后，可以識別幾個靜態的手勢，比如握拳或者五指張開。其代表公司是一年前被 Google 收購的 Flutter。在使用了他家的軟件之后，用戶可以用幾個手型來控制播放器。用戶將手掌舉起來放到攝像頭前，視頻就開始播放了；再把手掌放到攝像頭前，視頻又暫停了。 “靜態”是這種二維手勢識別技術的重要特征，這種技術只能識別手勢的“狀態”，而不能感知手勢的“持續變化”。舉個例子來說，如果將這種技術用在猜拳上的話，它可以識別出石頭、剪刀和布的手勢狀態。但是對除此之外的手勢，它就一無所知了。所以這種技術說到底是一種模式匹配技術，通過計算機視覺算法分析圖像，和預設的圖像模式進行比對，從而理解這種手勢的含義。這種技術的不足之處顯而易見：只可以識別預設好的狀態，拓展性差，控制感很弱，用戶只能實現最基礎的人機交互功能。但是它是識別復雜手勢的第一步，而且我們的確可以通過手勢和計算機互動了，還是很酷的不是么？想象一下你忙著吃飯，只要憑空做個手勢，計算機就可以切換到下一個視頻，比使用鼠標來控制可是方便多了！