本申请实施例涉及人机交互技术领域，公开了一种确定触发手势的方法、装置及设备，获取视频流中时序连续的N个视频帧，对每一视频帧进行目标部件检测处理，得到至少一个目标部件的边界框，然后，根据至少一个目标部件的边界框和该视频帧，进行手势识别，确定该视频帧对应的手势，N个视频帧对应的手势构成手势序列，最后，根据手势序列，确定触发手势。即先进行目标部件(人头、人脸或人体头部加肩部)检测，然后在目标部件附近的局部区域(边界框的周围)进行手势检测识别，相比于全图手势检测识别，能够降低算力，另外，手部件的特征粒度在目标部件附近的局部区域中相对较大，使得手部件的特征明显，能促进提高各视频帧中手势检测的准确性。