筆電i7的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

基於3D深度資訊的2D即時手勢辨識與骨架模型追蹤技術

為了解決筆電i7的問題，作者姜迪 這樣論述：

近期搭載著虛擬實境與擴增實境的風潮，將穿戴式裝置推入高峰，因此本論文提出基於3D深度資訊的2D低複雜度手勢辨識與骨架追蹤系統。本系統可適用於正手與反手兩種拍攝角度，對於距離也可因應情境設定一定範圍之容忍度，同時透過具有紅外線功能的深度相機，無使用色彩資訊，因此白天與夜間皆可適用。本系統之演算法以3D資訊轉2D影像為基礎，故也適用於正手與反手兩種辨識模式。本論文提出之即時手勢辨識系統，其應用情境有兩種，第一種是使用頭戴式裝置，攝影機可由眼部朝向手部的方向拍攝，再將偵測到的手掌區域進行手勢辨識；第二種是使用類筆電相關裝置，可將攝影機架設在電腦螢幕位置朝向使用者方向拍攝，同樣可將偵測到的手掌區域進

行辨識。本系統首先利用深度相機取得深度資訊之影像，再依不同情境需求，設定該邊界範圍，即可得到特定距離範圍內的手掌，克服複雜背景去除上的困難；接著將偵測到的手掌區域深度影像，轉為平面影像，開始搜尋輪廓與輪廓上的特徵。再利用幾何關係得到輪廓的各種特徵後，即可對常用手勢進行辨識；若辨識之手掌為一般靜態手勢或固定的動態手勢，凸點特徵可達到此目的；但若為特殊靜態手勢或非固定之動態手勢，則需更多特徵輔助判斷，也因此需要建立精簡的骨架模型，方可追蹤指節等細部動作。本論文的實驗結果分為三種情況，分別為靜態手勢:一般狀況辨識、靜態手勢:特殊狀況辨識、與動態手勢辨識。本論文使用四核心的個人電腦(Intel® Co

re™ i7-4720, 2.6GHz, 8GB RAM)進行軟體實作，平均運算處理速度可達每秒15張以上畫面，動態手勢辨識之正確率可達96%以上。