手势是人类非常重要的肢体语言之一,在人的所有姿态中,手势占的比重最大。手势估计是利用计算机技术去分析和估计人类手部动作的姿态,在目前这个智能时代,手势估计在人机交互的应用中是至关重要的,非常具有研究的意义和价值。基于深度图像的手势估计近几年来已经取得了不错的成绩,主要原因在于优良的数据获取设备深度摄像头的出现和基于深度学习的算法不断创新。但基于深度图像的手势估计在实际的应用中是非常受限的,所以近两年的研究开始出现基于彩色图像的手势估计。但由于手自身的一些特点,例如灵活度大、分辨率低和关键点识别的难易程度不一样等,还有最主要的是在完全不具有深度信息的情况下从2D图片去估计3D姿态,这些挑战都使得目前基于彩色图像的手势估计还不够理想。为了解决彩色图像手势估计遇到的一些问题,本文提出了如下几点创新性解决方法:(1)使用Hourglass Network进行手部关键点检测,由于Hourglass Network自身的网络特点,它可以从整体到局部去把握手部关键点之间的位置关系。(2)采用SSD检测算法去定位图片中手部的位置,并将关键点的2D估计过程和手部定位过程进行了融合。这样在进行手部定位时也能监督2D关键点的检测,相比通过分割的方法去定位手部位置,避免了不断的像素分类,时效性上有了极大的提升。(3)将不同层次、不同尺度的特征图进行了融合。采用在不同层次的特征图上进行预测,从而适应不同难易程度的关键点检测,并在各个层次上对自上而下和自下而上的特征进行了融合,使得估计时既兼顾了语义特征也不忽略细节特征,对低分辨率的手势估计是有效的。针对以上几点创新方法,本文设计了基于Hourglass Network的手势估计算法和基于多层次特征融合的手势估计算法,并在手势数据上进行了相关的实验,结果表明本文的方法是有效的,并在一些细节上有更加突出的表现。