普渡大学推出“DeepHand”新手势识别系统

支持体感交互的VR设备能大大提高虚拟现实体验，不过像HTC Vive这种采用手柄交互的方式，并不能带来更接近现实的操作体验，笔者曾发表过一篇文章《目前主流动作捕捉技术深度解读，HTC Vive等VR设备是如何实体感交互的？》谈到目前主流的交互技术，认为未来采用类似Leap Motion的手势识别技术才是王道。

不过，这种技术并未发展成熟，准确率和精细度都有待提高，目前也有不少技术公司、机构等朝着这个方向努力，近日也有消息透露，普渡大学C Design Lab实验室研发出了一个名为“DeepHand”的新系统。

这个系统专为手势识别技术而打造，其特点是使用了卷积神经网络来模仿人类大脑，可进行深度学习，理解手部关节和运动的变化，提高识别的准确率和精细度。

普渡大学的Karthik Ramani教授表示：“我们把它称为空间用户界面，因为你是在空间中与电脑进行交互，而不是通过触摸屏和键盘。如果用户想从虚拟桌面上捡起物品，驾驶虚拟汽车的话，很明显手部是关键。我们可以实时监测到你的手部位置，你的手指位置，以及你的手部和手指所有的动作。”

DeepHand采用类似Leap Motion的双摄像头深度感应相机来捕捉用户的手部，配备了专门的算法来解释手部运动，研究人员通过250万个手部姿势和形状组合来“训练”DeepHand。手指关节的位置被指定为“特征向量”，可以快速检索，然后，系统会从数据库中挑选一个最合适的数据来呈现给相机。

DeepHand可以识别出手部的关节角度，并通过数字组合来表达出这些角度的变化和形状组合。需要注意的是，这个系统需要“训练”，简单点说就是需要对各种手势动作进行录入，动作录入越多，识别的准确率则越高。

手势识别技术已越来越成熟，这其实是一种基于计算机视觉动作捕捉的技术，相比使用手柄交互其操作更接近真实体验，也无需像诺亦腾那种设备需要佩戴手套，使用起来更加自然。

不足的是，这种技术需要庞大的程序计算量，对硬件设备有一定配置要求，同时受外界环境影响大，比如环境光线昏暗、背景杂乱、有遮挡物等都无法很好的完成动作捕捉。

但这些问题迟早会被解决，比如光线昏暗无法捕捉的问题，使用红外夜视技术也许是个不错的解决方案。因此，在日后这种技术很可能会延伸到腿部甚至整个身体的识别以及交互。