关于手势识别的国内研究现状

手势识别是计算机视觉领域的一个重要研究方向，国内也有不少相关的研究工作。以下是手势识别国内研究现状的一些方面：

1. 数据集：手势识别需要大量的标注数据集支持，国内有一些手势数据集如CASIA-G, G^3D 和NWPU-TEN等，这些数据集包含了常见的手势动作，并且各自有对应的评估指标。

2. 算法：国内的手势识别算法主要有基于深度学习的方法和传统的机器学习方法两种。其中，基于深度学习的方法包括CNN、LSTM、GAN等，这些方法在手势识别领域具有较好的表现；传统的机器学习方法包括SVM、HMM等，这些方法逐渐被深度学习方法所替代。

3. 应用场景：手势识别在智能家居、虚拟现实、智能交互等领域有广泛的应用。在国内，手势识别应用场景主要集中在智能家居和智能交互领域，如手势控制电视、智能音箱等。

总体来说，手势识别在国内也是一个活跃的研究领域，有很多优秀的研究成果和应用案例。