手势跟踪论文学习：Realtime and Robust Hand Tracking from Depth（五）Hand Initialization 2

论文阅读原创，转载标明出处：

回顾：

上一节我们说到了，作者通过自己定义的X-Y Finger和 Z-Finger来进行手指的检测，然后来初始化Hand Pose。其实勒，手指经常都会死斜着的。也就是说不会是标准的X-Y Finger和或者Z-Finger。那作者是如何的处理的勒？

手指的检测：

对于手指的检测，先进行X-Y Finger的检测。然后分割出去；再进行Z-Finger的检测。但是如果再进行Z-Finger的检测的时候，触及到X-Y Finger的分割区域以后就停止，不再检测了。

为了提高速度，作者也讲分辨率将为原来的一半。

Hand Initialization：

我们假设检测到f个Finger（不管是X-Y Finger和或者Z-Finger）那么手指带来的自由度是2f。加上手腕的自由度6个，所以我们知道一个Hand Pose的未知数个数（也就是参数的个数）是2f+6个。（所以我们至少需要2f+6个线性无关的已知才能解出这个方程）

我们再来看我们通过手指的检测得到多少的已知。

假设我们还是检测到f个Finger，那么我们通过PCA可以分析到手指的主成分，也就是手指的方向，这算是2个的约束（应该是一个向量吧）当找到一个手指额时候实际上指尖的空间位置也就定了吧这里又是3个约束（已知）。当我们去掉手指的点云点以后，就只剩下手掌了，这个时候，我们采用PCA又可以分析出手掌的方向，这里又是3个的约束（不是很明白，其实这个归根结底还是要去理解到那26个自由度代表的意义了）。所以我们可以说，至少我么有5f+ 3个已知的条件。所以我们足够接触那几个未知数。

所以我们也知道最后那个方程里面各个参数的意义了。

其中的t代表的是指尖的位置（是未知变量的函数），d代表方向，l 代表手掌的方向。上面的方程就是要使得初始化的这个Hand Pose的手指尖和检测到的指尖的距离最小，方向最小，手掌的方向也最小。

如此就完全的理解了这一篇论文了。

望对大家有帮助。

iker，2014年9月15日。