针对手势识别在单目视觉下面临遮挡干扰与精度不足的问题，提出一种融合二维骨骼关键点、手关节角度与手指曲率多模态数据的手势识别方法。为实现数据融合，构建了基于弯曲传感器数据手套与单目相机的采集系统，收集了７ 名受试者手势动作（包含遮挡场景）的数据集。通过提取手部关键点并计算关节角度，将骨骼、关节角度与曲率信息拼接为多模态输入，进而利用卷积神经网络—双向长短期记忆（ＣＮＮＢｉＬＳＴＭ）混合网络分别学习空间与时间特征。实验结果表明，所提出的多模态融合方法相比仅使用骨骼信息，识别准确率从６８ ３４ ％显著提升至８４ １３ ％ ，证明融合手指曲率与关节角度能有效克服遮挡问题，提高手势识别的鲁棒性与准确性。