手勢追蹤被視為人機交互（HCI）/人類數據交互（Human data interaction，HDI）中最直觀的交互模式之一，是混合現實（XR）終端交互的最新趨勢。

在XR領域中，手部運動軌跡的感知與追蹤是改善用戶在不同技術領域和平臺體驗的一個重要組成部分。手部追蹤技術在未來可以幫助用戶“解放雙手”，人機互動不再需要通過手柄控制，實現真正的解放雙手，讓用戶以最直觀的方式體驗在增強現實和物理世界之間的融合。

最近熱度不斷攀升的Oculus Quest 2一體機，在手勢追蹤識別功能上進行了一系列升級，除了早期的特定手勢操控主界面，最新解決方案甚至實現了基于手部追蹤的全文本輸入操作——即便如此，Oculus對于目前在手勢識別技術上取得的成就依然不是非常滿意。

Oculus曾表示，盡管手勢是一種有潛力的新型輸入方式，但由于計算機視覺與定位技術的局限，手勢識別技術的實際應用場景也受到限制。因此，Oculus一直在探索一些有用的技巧來幫助開發者適應手勢的局限性，甚至為了讓虛擬世界更具3D效果、更加智能地對手勢進行回應，Oculus已收購兩家虛擬現實手勢和3D技術的創業型公司 NimbleVR和13th Lab，以改善其一體機的手勢控制功能。

目前，由于涉及復雜的手指手掌結構和相關軟組織在運動時的變化，以及手和物體之間的接觸互動有著非常復雜的接觸點位和運動區域，強大的實時手部運動感知和追蹤已成為公認的一項極具挑戰性的計算機視覺任務，是科技研究領域中的大熱項目。

數據堂自制版權的系列數據集產品為“手勢識別”這一技術路徑的實現提供了強有力的支持。

1314,178張18種手勢識別數據

314,178張18種手勢識別數據涵蓋多種場景、18種手勢、5種拍攝角度、多年齡段、多種光照條件。在標注方面，標注21關鍵點（每個關鍵點有可見不可見屬性）、手勢類別和手勢屬性。314,178張18種手勢識別數據可用于手勢識別、人機交互等任務。

手勢交互應用的難點主要在于難以形成一致的手部操作方式，加上其屬于非精確性指令操作，其應用范圍會受交互設備、識別方法、用戶熟練程度等多個因素影響。由于不同用戶對不同產品使用手勢交互時，其手部運動軌跡也大相徑庭，所以用戶可能需要預先訓練一段時間去掌握相關設備或者系統，一定程度上是用戶要滿足機器的模版識別度。但ContactPose包括著不同人群抓握不同物體時的數據集，這意味著，日后隨著數據采集的規模化，機器可以開始輕松識別不同的手勢運動軌跡，從而實現機器識別的個性化、靈活性。

縱觀Oculus或者HoloLens這些行業領頭羊的設備，在用戶使用時，很多時候由于對手勢識別的不敏感或者錯誤偏差，使得用戶不得不依賴于手柄操作和語音控制來完成對虛擬現實設備界面的指令，手勢交互的人機操控方式在技術上顯然不夠成熟，尚且還處在行業早期階段。

審核編輯黃宇