手勢識別分為二維和三維手勢識別。二維手勢識別基本只不會涉及深度資訊，會為使用者解決最簡單基礎的手勢操作。 這種技術不僅可以識別手型，還可以識別一些簡單的二維手勢動作，比如對著攝像頭揮揮手、確定、點選及拖拽等基礎互動手勢。此類手勢識別技術雖然在硬體要求上和二維手型識別並無區別，但是得益於更加先進的計算機視覺演算法，可以獲得更加豐富的人機互動內容。在使用體驗上也提高了一個檔次，從純粹的狀態控制，變成了比較豐富的平面控制。這種技術已經被整合到了電視裡，像樂視TV等；也被做成了基於普通攝像頭的手勢識別技術，如國內英梅吉的HandCV手勢互動系統，可以安裝在手機/PC等裝置中就可以實現手勢互動，同時也深度適配VR/AR環境；還有來自以色列的EyeSight，被中國一家企業投資2000萬美金，他們的手勢識別技術同樣也是做普通攝像頭，不同於國內的這家手勢識別，以色列這家多應用於生活場景，為懶人提供福利，不用觸控手機直接隔空操作。總的來說，二維的手勢識別相對來說更加入門級，可以為手勢識別提供從零到一的普及。三維的手勢識別技術相對於二維的來說更精準、更深度，可以操作除了生活場景之外的一些遊戲場景，面向一些發燒級玩家。提供的解決方案有結構光，微軟的KINECT；光飛時間TOF，根據光子飛行時間進而可以推算出光子飛行的距離，得到物體的深度資訊；以及目前和暴風正在合作的leap motion的多角成像技術，使用兩個或者兩個以上的攝像頭同時攝取影象。

一般的做法是：

首先要有一定數量的手勢圖片；

其次將訓練用的手勢圖片進行人工分類，即“打上標籤”

再次將手勢圖片轉換成輪廓圖（可以用DFT、DCT、小波變換等計算出邊緣，然後對邊緣進行“擴張”即可）；

第四是將輪廓圖規格化、向量化，生成向量；

最後以上述向量集來訓練學習機（例如：神經網路），直到迴歸；

獲得的結果是能進行手勢識別的學習機。