手部作为人类最频繁使用的身体部位之一,对于人机交互具有重要作用。准确的三维手姿态估计成为人机交互领域的关键技术,基于视觉的三维手姿态估计逐渐成为研究热点。目前,大部分的三维手姿态估计都是基于深度图像,但该类图像需要专门的深度相机采集,不易获取,而彩色图像应用范围广,对用户约束小,易获取,采集成本低,因此本文研究基于彩色数字图像的三维手姿态估计。由于普通彩色图像缺少深度信息,同时手部结构又具有自遮挡和高灵活性,使得基于单个彩色图像的手姿态估计任务十分具有挑战性。针对上述问题,本文结合手部结构特点设计了一个三维手姿态估计卷积神经网络,主要工作如下:（1）结合手部结构特点,设计了一个新颖的五层集成卷积神经网络,以更有效地提取手部特征。结合手部拓扑结构特点,利用分层集成网络将整个三维手姿态估计分解为五个单手指姿态估计,分别提取更深层次、更具有代表性的潜在手指特征信息以估计三维手指姿态,然后将三维手指姿态估计过程中生成的三维手指特征集成,估计三维整手姿态。这不仅能够提取更有效的特征,还通过各个手指姿态特征的集成增强了手指间的相关性;（2）在设计的网络中新增五个三维手指姿态约束,以提高姿态估计精度。该约束不仅能有效地促进三维手指姿态估计,而且能够借助误差反向传播实现对二维手指姿态估计的软约束,该过程有助于进一步间接优化三维手姿态的估计精度;（3）构建了一个掌心与中指单相连的手模型解决网络精度退化问题。根据手的拓扑结构,中指居于五个手指中间位置,与掌心的连接更为紧密,因此,将掌心与中指相连。利用这一结构特征,有效地避免了掌心与多个手指同时相连带来的精度退化问题;（4）在RHD和STB公开数据集上对网络进行了对比实验,得到了高精度的三维手姿态估计结果,超过了其他先进方法的估计精度,验证了所设计网络的有效性。