如果你打算训练一个使用单个相机拍摄的图像的模型，我鼓励你看看这篇论文。他们使用摄像头跟踪一个人并识别涉及手臂运动的手势。在本文中，比较了两种用于手势识别的替代方法：基于模板的方法和神经网络方法。

但是，我建议的另一种方法是使用深度相机，例如Intel Realsense或Microsoft Kinect相机。本文使用深度相机进行全身手势识别。我认为使用这些相机可以让您的项目领先一步，并且在初始状态下更加准确。