针对识别性能差、参数多、难以在移动设备上部署等问题，提出了一种适合移动设备的轻量级手势识别算法。为了满足手势的多样化需求，设计了一个包含12种手势的数据集。骨干网采用深度可分卷积和倒残结构构造，减少了网络参数的数量。采用二值纹理图像训练方法来减少实际环境中各种颜色对手势识别精度的影响。结果表明，该算法的平均准确率为93.5%，模型大小仅为0.6mb，在MTK9652海信电视的推理时间为24.7ms，满足实时手势识别的标准。