大数据时代对精细运动分析(例如手活动识别)的要求越来越高。 但是,在现实情况下,手活动识别会因光照,姿势和遮挡的变化而面临巨大挑战。 深度采集是解决上述问题的有效途径。 本文提出了一个完整的手活动识别结合深度信息框架,用于精细运动分析。 首先,将改进的图形切割方法引入到手的定位和随时间的跟踪中。 然后,结合3D几何特征和手部行为先验信息,提出了3D Mesh MoSIFT特征描述符来表示手部活动的判别性质。 仿真正交匹配追踪(SOMP)用于编码视觉代码字。 实验基于公开的深度数据集(ChaLearn手势数据集和捕获的RGB-D数据集)。 与以前的流行方法相比,我们的框架通过有效性,鲁棒性和通用