本文由 ARinChina( www.arinchina.com )原創(chuàng)，轉(zhuǎn)載請聯(lián)系 ARinChina(微信 ID：arinchinaservice)。
手勢是無聲的語言。人們在生活中借用手勢，來表達各種各樣的感情?，F(xiàn)在，人還可以與計算機之間進行手勢互動。
與人之間的手勢互動很容易理解，與計算機之間是怎么實現(xiàn)的呢?
手勢分割
想要使計算機識別人的手勢，首先得將手勢從背景中分割出來。因為計算機采集手勢信息的同時，也會采集到手勢所處的場景信息。
手勢分割通常采用以下幾種方法：
用黑色或白色的墻壁做背景，著深顏色服裝，盡可能簡化背景。要求人手戴上特殊的手套來強調(diào)手部也可，總之在環(huán)境上要突出顯示手部。
采集各種手勢在各個時刻、不同位置、不同比例的手型圖像，作為手勢匹配的模板，建立一個龐大的數(shù)據(jù)庫。
使用邊緣檢測，將手與背景分離開來。
手勢模型訓練
計算機同人一樣，在識別一個手勢前，必須先告訴它這個手勢是什么，代表什么意思。
這個過程就是手勢建模。模型的選取取決于具體應(yīng)用，如果要實現(xiàn)自然的人機交互，就必須建立一個精細有效的手勢模型，使得識別系統(tǒng)能夠?qū)τ脩羲龅慕^大多數(shù)手勢做出正確反應(yīng)。
目前，手勢建模方法可以歸結(jié)為兩大類：基于表觀的手勢建模和基于 3D 模型的手勢建模。
基于表觀的手勢建模是：根據(jù)手勢的指頭數(shù)以及指間的夾角不同，對手勢進行分類，實現(xiàn)手勢在旋轉(zhuǎn)縮放條件下的快速識別。
基于 3D 模型的手勢建模方法是：首先合成人體的 3D 模型，然后改變模型的參數(shù)，直到模型和真實人體映射出同樣的視覺圖像，然后分析身體姿態(tài)。
基于表觀特征的手勢建模方式比較直觀、適應(yīng)性強、運算速度快。但實際應(yīng)用中，需要考慮到光線及身體其他部位顏色的影響，這些因素都將直接影響手勢區(qū)域的提取。
基于 3D 模型的手勢建模識別精度比較高，避免了基于表觀特征識別時因遮擋造成的錯誤識別。雖然 3D 建模技術(shù)已經(jīng)相當成熟，但模型還是太復雜，以至于不能快速地渲染響應(yīng)。
因此大多數(shù)產(chǎn)品，如 Leap Motion 和 HoloLens 等，都采用了深度圖像信息和手勢表觀特征相結(jié)合的方式。這種方式既可以達到基于表觀的識別速度，又可以實現(xiàn)基于 3D 的識別精度。
手勢分析
對手勢進行建模后，接下來需要對手勢進行分析。手勢分析就是估計選定的手勢模型參數(shù)，這一步一般由特征檢測和參數(shù)估計組成。在特征檢測過程中，必須先確定人手位置。根據(jù)所用的線索不同，可以把定位技術(shù)分為基于顏色定位、基于運動定位以及多模式定位三種。
基于顏色定位技術(shù)的主要缺點是：在不同的光照條件下皮膚顏色變化較大，并且手和身體顏色相同，當身體其他部位出現(xiàn)在手勢背景中，會導致識別錯誤。解決這一問題的簡單方法，就是佩戴一副特殊的手套。
基于運動的定位技術(shù)通常跟某些假設(shè)一起使用。例如，假設(shè)通常情況下只有一個人在做手勢，并且手勢者相對于背景的運動量很小，也就是說圖像中只有手部是運動的。
基于多模式定位技術(shù)，就是運動和顏色信息的融合定位人手。這種方式效果更加準確，但是計算量會增大。
匹配