基于深度学习的视觉手势估计综述

基于深度学习的视觉手势估计一直是计算机视觉领域的重点研究课题之一，随着深度学习和神经网络相关研究取得了巨大进步，针对手势估计中的高自由度、肤色、环境干扰、遮挡等问题已经远远优于传统方法。基于深度学习的三维手势估计主要是通过构建神经网络，对图像特征进行抽象化分析和理解，从而预测出手指关键点的三维坐标以及角度等信息，进而构建出手掌模型。准确的三维手势估计可以快速推动AR/VR行业的发展，因为沉浸与交互是AR/VR的关键要素，通过视觉手势交互可以为用户提供更方便、快捷、逼真的AR/VR互动体验。本文首先对当前手势估计方案进行阐述，了解到手势估计各方案的优缺点，然后介绍了基于深度学习的手势估计方法、相关数据集和评价指标，最后根据各研究结果，对当前三维手势估计所面临的挑战以及未来发展进行阐述。