本发明公开了一种基于Transformer与LSTM知识共享网络的动态手势识别方法。首先获取动态手势数据集，应用不同的数据增强方法增加样本数量，得到数据增强后的数据集；之后将数据增强后的数据集中的数据输入Transformer子网络和LSTM子网络分别提取手势序列特征；将手势序列特征直接或融合输入对应分类器，得到对应的离散概率分布；最后输出类别决策，并进行知识共享和监督训练；本发明通过Transformer和LSTM来提取手势序列数据的特征，在理解序列关系的同时能够充分运用手势数据的树状结构。并且使用了知识共享的方法分享分类器中的参数信息，使得分类结果具有更高的准确性。