静态姿态靠形状识别，动态手势靠轨迹识别
别名: 静态手形 · hand pose · trajectory recognition · 动态手势
概念解释
静态姿态（static pose / hand pose）在某一帧上认形状：伸掌、握拳、比“V”，时间维几乎不进模型。动态手势（dynamic gesture）认的是一段轨迹：位置、朝向、速度如何随时间变化。两者都能当空中命令，但失败模式不同。姿态错在手指被遮挡或手形与模板差得远；轨迹错在速度、幅度和切分。把“张开手”和“向右挥”写成同一种“手势”，会让识别器、教学和评测共用一套不该共用的假设。
机制
姿态识别吃的是单帧骨架或深度图上的关节角、指尖相对位置，分类器可以是每帧独立的。它不需要起止切分，却需要那一帧的手形是完整可见的。轨迹识别吃的是时间序列，隐马尔可夫、动态时间规整或时序网络都在对齐一条路径。它对单帧手形的完整性要求较低（挥手时手指可以模糊），但对时间对齐敏感：同样的空间路径，快一倍或慢一倍，距离会涨。姿态可以当动态手势的关键帧约束，但关键帧不是轨迹；只用三张手形图去教一条挥手，学习者会停在那三张上，而识别器要的是中间那些帧的运动。
怎么研究
把词表拆成“只需形状”和“必须走路径”两组，分别报混淆矩阵，不要混成一个识别率。姿态组的自变量是视角、遮挡、手与相机的距离；动态组的自变量是速度、幅度、切分策略。交叉条件很有诊断价值：让人用正确手形但不移动，看动态识别器是否仍触发；让人按轨迹移动但手形全程错误，看姿态门控是否拦住。数据集若把静态照片和视频片段标成同一套标签，后续论文会无法解释错误来自哪一类模型。
边界
有些命令是混合的：先摆出一个姿态再划出去（捏住再拖）。混合项必须拆开写，哪一段靠形状、哪一段靠轨迹，否则调试时不知道该补关键点还是补时间对齐。手语里的手指语偏静态、词级手语偏动态，搬到界面词表时不能假设同一套传感器参数。仅用手部 RGB、没有深度时，静态姿态在侧视和背视下会坍缩成相似剪影；动态轨迹在垂直于相机的平面上投影也会变扁。头戴设备看自己的手，视角相对稳定，姿态更便宜；房间相机看过路的人，轨迹更稳、姿态更脆。
怎么落地
- 词表里每一条先标类型：姿态、轨迹，还是姿态加轨迹。教学、识别器和测试集按类型分开，不要共用一个“手势准确率”。
- 姿态条目检查多视角和遮挡；轨迹条目检查快慢和切分。两类错误不要互相拿去补数据。
- 混合命令写成状态机：进入某手形、保持或移动、离开，而不是丢进一个端到端标签。