自深度学习兴起以来,AI开始融入人们的日常生活,其中数字助理类的AI表现出了广阔的应用前景,如苹果公司的Siri、微软公司的Cortana。对大多数人来说,一天中的大部分活动都需借助手来完成,如开车、写字、接电话。解读手的活动可以帮助数字助理类的AI对人类的生活场景有更全面的了解,从而为用户提供更好的服务。另一方面,手势估计是以手为媒介的人机交互的关键一环。手势估计的目标是从一张包含手的RGB图像中,估计手的关键点在三维空间的相对坐标。本文设计、实现了手势估计的流水线,其包含以下子系统:(1)“手的检测”子系统,其从一张包含手的RGB图像中检测、裁剪出手,采用SSD目标检测技术实现;(2)“手的关键点估计”子系统,其从裁剪出的手的图像中,估计手的关键点在图像上的位置;(3)“手势估计”子系统,其根据手的关键点在图像上的位置,估计它们在三维空间的相对坐标。本文通过设计、实现一个手语字母识别系统,探讨了手势估计系统作为手的特征提取器的应用。本文创新点如下:(1)鉴于手的关键点估计与2D人体姿态估计的相似性,本文依据卷积姿态机的原理设计了“手的关键点估计”子系统的卷积神经网络结构;(2)本文将一个手势视为由某一规范化手势旋转而来,以此将“手势估计”子系统分解为“规范化手势估计”子系统和“视角估计”子系统,从而降低了其训练难度。