20、探索Kinect开发：手势识别与3D重建技术

探索Kinect开发：手势识别与3D重建技术

在Kinect的开发应用中，手势识别和3D重建是两项非常重要的技术。下面将详细介绍这两项技术的相关内容，包括手势识别的平均RMS误差、连续手势创建、自动标记，以及Kinect Fusion的原理和使用方法等。

1. 平均RMS误差

平均RMS（Root Mean Squared）指的是平均均方根误差，用于衡量手势检测数据库中的值与分析中实际观察值之间的差异。平均RMS误差为0表示完美匹配。当点击分析中使用的特定剪辑时，可以查看其与手势数据库定义的匹配程度。如图中绿色线代表手势识别数据库在分析剪辑中假定手势发生的位置，它通常会略微滞后于每个（蓝色）标签部分。如果数据库认为存在手势，而实际并非如此，则需要重新处理训练数据集，可尝试添加额外剪辑并调整标签。创建手势数据库是一个迭代的过程，需要大量的微调。

2. 连续手势创建

创建连续手势与创建离散手势有相似之处，但也有其特点。通常需要为连续手势创建一个等效的离散手势，而反之则不必要。这是因为连续检测即使在动作未执行时也会给出进度值，离散检测有助于确定动作是否正在执行，以及是否可以关闭连续手势检测器以节省系统资源并忽略错误的进度值。此外，还可以将多个简单手势组合成一个更复杂的手势。

创建连续手势的步骤如下：
1. 打开VGB手势向导，创建一个名为“Clapping”的手势，并选择进度选项。
2. 在最终对话框中，如果已经有离散版本的“Clapping”手势，可以取消勾选离散手势的复选框。
3. 向新的“ClappingProgress”项目添加剪辑，并标记该手势的示例。与离散手势不同，这里使用一个浮点值来描述手势的进度，