1、Mitra, S. and T. Acharya (2007). "Gesture recognition: A survey." Systems, Man, and Cybernetics, Part C: Applications and Reviews, IEEE Transactions on 37(3): 311-324.
这是一篇07年的关于人体姿势识别的综述性文章，不过文章的重点是放在手势识别以及人脸识别的介绍中。作者在介绍姿势识别的应用场合和一些手势识别的分类后，重点是介绍手势和人脸识别的一些模型工具。并且详细介绍了这些模型的基本原理以及这些模型与手势识别课题的结合。这些模型有：HMM；粒子滤波和condenction算法，这个应该是在手势识别的跟踪中用到的；FSM算法；软计算和联结实现等。在手和手臂的识别中，分别介绍了HMM，粒子滤波，FSM，联结算法等使用。在脸部和手部识别中，介绍了HMM，PCA，FACS，轮廓模型，脸部表情特征提取，Gabor滤波，光流，皮肤颜色模型，联结算法实现(其中联结算法实现包括MLP，RBFN)2个。
总的来说，这篇文章介绍的是基于视觉的姿势识别综述，即使用的是摄像头采集的颜色信息来进行识别的，没有涉及到深度信息。并且文章对07年前手势和表情识别的一些方法进行了比较全面的介绍。
2、Khan, R. Z. and N. A. Ibraheem (2012). "Survey on gesture recognition for hand image postures." Computer and Information Science 5(3): p110.
这是2012的一篇比较新的手势识别方面的综述性文章。作者在文章的开头分别从手势应用场合，手势运动情况，图像数据获取来源，数据的维数，手的个数，输入的特征，手势形成的方式等对手势识别这一课题进行了分类，其分类结果如下图所示：
然后作者列出了手势识别的一些应用场合，并且做了较为详细的介绍，这些应用场合为手势语言识别，机器控制，虚拟现实，把手势转换成语言，电脑游戏，电视控制。
对手势识别这一个系统，作者也对这一流程列出了如下表格：
并且从手势分割，特征提取，手势分类这3部分做了详细的介绍，手势目标分割和手势特征提取介绍过程中引用了目前比较主流和新的方法，并且进行了对比。其手势目标分割方法介绍如下：
手势特征提取的方法介绍如下：
最后在手势分类部分，主要是分为基于规则的实现和机器学习的分类方法2部分做了简单的介绍。
3. Chaudhary, A., J. Raheja, et al. (2011). "A survey on hand gesture recognition in context of soft computing." Advanced Computing: 46-55.
软计算通过对不确定、不精确及不完全真值的容错以取得低代价的解决方案和鲁棒性。它模拟自然界中智能系统的生化过程（人的感知、脑结构、进化和免疫等）来有效处理日常工作。软计算包括几种计算模式：模糊逻辑、人工神经网络、遗传算法和混沌理论。这些模式是互补及相互配合的，因此在许多应用系统中组合使用（引用于百度百科）。本文是介绍一些常见的软计算方法在手势识别中的应用综述。
作者也是将手势的识别系统分为2个部分即手势的检测和分类。在手势目标的检测过程中，作者从基于表观的实现和基于模型的实现这2部分做了简单的介绍。文章的重点是作者的手势分类，当然本文是介绍软计算方法的角度来介绍手势分类问题的，所以作者介绍的是到今年来比较流行的软计算的应用——人工神经网络，模糊逻辑，基因算法，并将这3种算法与手势识别的结合做了个简单的介绍。
4. Ibraheem, N. A. and R. Khan (2011). "Survey on various gesture recognition technologies and techniques." International Journal 50.
本文也是一篇介绍手势识别方法的综述性文章。作者将目前的手势识别分为3大类，即基于视觉的手势识别，基于结构数据手套的手势识别，基于颜色掩膜的手势识别(即手套中没有装备运动传感器装置，而是在不同区域带有特定颜色的手套)。当然了，作者主要介绍的是基于视觉的手势识别方法，又将该方法为成了2类，即基于表观模型和基于3D模型。在这2中模型中，作者的分类器分别从下面4个中作了介绍，为ANN，基于直方图的特征，模糊逻辑，HMM。最后作者总结了一些常见的手势识别方法的识别过程中采用的技术，列出后如下所示：
