با گسترش روزافزون فناوری و ظهور دستگاه‌های هوشمند در زندگی امروزی، برقراری ارتباط تعاملی با این ابزارهای هوشمند به امری اجتناب ناپذیر تبدیل شده است. از میان روش‌های متعدد برقراری ارتباط تعاملی که شامل استفاده از صوت و لباس‌های مجهز به سنجش‌گر حرکتی و همچنین روش‌های مبتنی بر تصویر است که هر کدام برمبنای شناسایی و نظارت بر عضو خاصی از بدن متمرکز هستند، روش‌های مبتنی بر دست انسان به دلیل دارا بودن ویژگی‌های خاص دست، از اهمیت مضاعفی در این حوزه برخوردار است و لذا تخمین حالت سه بعدی دست با استفاده از پردازش تصویر به یکی از جذاب‌ترین و چالشی‌ترین زمینه‌های پژوهشی مرتبط با ارتباط تعاملی انسان با ماشین تبدیل شده است. در این مقاله، روش‌های مختلف تخمین حالت سه بعدی دست با تاکید بر روش‌های مبتنی بر پردازش تصویر بررسی شده و نقاط قوت و ضعف آنها بیان شده و مورد مقایسه قرار گرفته است. این مقایسه بر اساس روش‌های سنتی و همچنین روش‌های مرتبط با یادگیری عمیق انجام شده است. همچنین پایگاه داده‌های مورد استفاده در تخمین حالت دست نیز معرفی شده و ویژگی‌های هرکدام از آنها در کاربردهای مختلف مورد بررسی قرار گرفته است.