【导读】一年前，微软发布Handpose手势识别系统的时候曾预测：精准的手势识别技术或许在五年内出现。但是，手势识别技术进步得比业内人士想象中的要快些，日前普林斯顿大学学霸Ayan Sinha研究出了精准度大大提升的手势识别系统DeepHand，主要应用于VR的人机交互。
今年以来，VR大举打入消费市场，一时风头无量，最新的消息还称，VR技术已经可以实现科幻小说《三体》中的VR游戏场面。VR技术已经准备好了，但是VR的控制方式还不够令人满意。
在VR中最常见的输入方式是用操作杆或者手柄，也会有眼控以及声控等，不过就目前发展状况来看，手势识别更有可能成为主流。此前来自荷兰的开发团队就推出过名为Manus VR的手套，他们利用位置追踪技术实现手部追踪，让玩家摆脱手持控制器的束缚。
普林斯顿大学研究的这款系统叫做DeepHand，其工作原理有点类似于Leap Motion的深度手势识别基础功能Orion。基于双目识别技术的Orion提供了一种新的手势识别的输入方式，它通过双目摄像头采集信息，经过一系列 的流程将手部的活动信息实时反馈到处理器，最后显示在VR头显中。
Orion的手势识别原理
而DeepHand也是通过摄像头采集各种角度和方式的手势变化，之后经过深度学习网络开发的特定算法，在存有超过250万手势的数据库中快速扫描，匹配出精确度最高的手势动作，最后在VR环境中显示出来。
DeepHand的工作原理
该 研究论文的作者Ayan Sinha表示：“我们能够识别手势的不同角度，通过摄像头观察不同的角度变换，算法将其转化为数字信号，然后在VR环境中呈现。”同时为了确保虚拟手势 运动能够得到快速反馈，研究人员们主要通过判断数据库中手势动作的数字位置，然后推算出其邻近的数字位置，进而预测手势变化的可能性。
这是深度学习网络中，研究人员首次使用DeepHand识别手势，并将其反馈到数据库中。虽然在运行这些数据的过程中需要强大的计算处理能力，但是对于一台普通配置的电脑来说仍然是可以驾驭的。
Handpose主要是识别手腕的手势变化，单个手指的手势难以识别，DeepHand提高了识别的精度，融合了深度学习功能，用人工智能的方式判断+预测手势的变化，相对一年前的系统它无疑进步了很多，应用到VR中又会发生什么有趣的碰撞呢？小编期待看到这个火花。
如果你也有运用了类似识别技术的人机交互方案，请联系邮箱 chrisliu@eecnt.com或QQ：956056256，电话咨询：0755-26727034，我爱方案网和你一起推广这些前沿方案。
