Kinect是如何识别手势动作的

微软的Kinect得到深度图像以后，是如何识别手势动作的？比如左挥手、右挥手？
左右根本不需要深度图,直接判断帧差即可
比如哪一帧是判断动作的开始，哪一帧是判断动作的结束？复杂的场景下，帧差的效果是很差的，如何克服？
Kinect有深度图。