摘要
手势交互允许用户通过自然的手部动作与物体进行交互，而无需直接接触。然而在手势交互中，手部会频繁移动且方向变化较大，同时手部关节容易发生自遮挡现象。现有的3D点云手势识别方法的精度不足，无法满足自然手势交互的需求。本文提出一种基于EdgeConv的3D点云手势识别方法，用于重建关节特征。该方法首先将深度图转换为点云数据，以此降低视角变化对同一手势深度图表示的影响，进而减少其对识别精度的负面影响。接着，在初始关节识别阶段利用EdgeConv重建全局特征，使得重建后的特征包含手部关节之间的结构信息。最后，通过两次运用EdgeConv以优化后的关节为中心构建局部特征，这些特征既包含来自群内点到群中心点的参考信息，也包含关节点之间的结构信息。利用EdgeConv丰富手部关节的特征信息，能有效提升关节识别的性能。研究在ICVL、NYU和MSRA这三种3D点云数据集上进行了对比实验分析，还在InterHand2.6M数据集的复杂场景下进行了测试。此外，还实现了虚拟现实交互应用的开发。实验结果表明，本文提出的3D点云手势识别方法具有高精度、较强的泛化能力和稳定性，能为自然手势交互应用提供有力支持。
