x_face_0 … x_face_467：人脸关键点在 X 轴上的坐标
y_face_0 … y_face_467：人脸关键点在 Y 轴上的坐标
z_face_0 … z_face_467：人脸关键点在 Z 轴上的坐标
x_left_hand_0 … x_left_hand_20：左手关键点在 X 轴上的坐标
y_left_hand_0 … y_left_hand_20：左手关键点在 Y 轴上的坐标
z_left_hand_0 … z_left_hand_20：左手关键点在 Z 轴上的坐标
x_right_hand_0 … x_right_hand_20：右手关键点在 X 轴上的坐标
y_right_hand_0 … y_right_hand_20：右手关键点在 Y 轴上的坐标
z_right_hand_0 … z_right_hand_20：右手关键点在 Z 轴上的坐标
x_pose_0 … x_pose_32：人体姿态在 X 轴上的坐标
y_pose_0 … y_pose_32：人体姿态在 Y 轴上的坐标
z_pose_0 … z_pose_32：人体姿态在 Z 轴上的坐标
这些特征用于描述视频中人体的不同部分在三维空间中的位置坐标。
统计唯一帧可以帮助我们了解训练数据中每个录制的手语视频包含多少个唯一的手语动作帧。这个信息对于手语识别任务非常重要，因为它可以帮助我们确定需要考虑多长的视频序列，以及如何对视频序列进行采样或截断，以便于输入机器学习模型进行训练和推理。如果手语动作只有很少的几个唯一帧，则在训练模型时需要考虑更长的视频序列，以便于提供更多的信息，从而提高模型的准确性和鲁棒性。反之，如果手语动作有很多唯一帧，则需要更加关注如何对视频序列进行截断或采样，以便于减少模型的计算复杂度，同时又