Die Hand wird in der Informatik als Interaktionsinstrument zunehmend wichtiger. Schon heute
gibt es einige Systeme bei denen der Benutzer seine Eingaben nicht mehr mit Maus und Tastatur
sondern mit Hilfe seiner Hände vornimmt. Der große Vorteil hiervon ist dass man Objekte wie in
der realen Welt manipulieren kann. Z.B. ist es nicht ganz klar wie man ein 3D-Objekt wie eine
Tasse mit Maus und Tastatur greift. Mit der Hand ist diese Aufgabe ganz natürlich ausführbar
und muss nicht extra erlernt werden. Um eine solche Interaktion zu unterstützen ist ein
Handtracking notwendig. Man unterscheidet hierbei zwischen einem System zur Erkennung vorher
festgelegter Gesten und einem Tracking aller möglichen Handstellungen. Bei der Gestenerkennung
können nur solche Gebärden erkannt werden die dem auch System bekannt sind. Diese Menge ist
beschränkt und muss vor dem Tracking festgelegt werden. Das Verfahren kann man daher auch als
eine Klassifizierungsaufgabe betrachten. Hier wird ausschließlich das vollständige Handtracking
betrachtet da es flexibler einsetzbar ist und keinen Beschränkungen hinsichtlich der Anzahl
der verschiedenen zu erkennenden Handstellungen unterliegt. Hier wird ein Verfahren präsentiert
welches die Handkontur ohne Vorkenntnis erkennen kann. Das Verfahren soll in der Lage sein die
Hand auch unter schwierigen Bedingungen wie Verdeckung schlechten Lichtverhältnissen oder
verrauschten Bildern zu erkennen. Hierdurch wird die Initialisierung eines Handtrackingvorgangs
erheblich vereinfacht. Durch solch ein Verfahren zur Erkennung der Handkontur ohne
Vorkenntnisse entfällt die Notwendigkeit zu Beginn eines Handtrackings ein manuelles matching
durchzuführen. Der Benutzer muss lediglich seine Hand zu Beginn des Trackings in einer
vorgeschriebenen Geste zeige n und die Konturerkennung führt die Initialisierung durch. Eine
auf diese Weise korrekt erkannte Hand bietet eine sehr viel bessere Initialposition als bei
der manuellen Initialisierung die zurzeit bei den meisten Handtrackingverfahren angewendet
wird. Der Startzustand des Handtrackingalgorithmus wird demnach optimal bestimmt. Durch die
Erkennung der Handkontur erhält man auch eine genaue Information darüber wie die Hautfarbe des
Benutzers aussieht. Zwar kann man aus Trainingsdaten ganz gute statistische Informationen über
die Farbe der Haut gewinnen aber dennoch ist es sinnvoll diese Daten an den jeweiligen
Benutzer anzupassen. Aber auch wenn der Benutzer nicht wechselt ist solch eine dynamische
Initialisierung von Vorteil. Schon bei unterschiedlichen Beleuchtungsverhältnissen sieht ein-
und dieselbe Hand unter dem Gesichtspunkt der Hautfarbebetrachtung anders aus. Daher wird hier
die Hautfarbeerkennung des Handtrackingalgorithmus schon vor Beginn des eigentlichen Trackings
an die aktuellen Gegebenheiten angepasst. Da bei jeder Benutzung des Systems diese
Initialisierung durchgeführt wird ist das Handtrackingverfahren stets auf die aktuellen
Verhältnisse optimiert. Die Hautfarbe des aktuellen Benutzers wird ermittelt indem auf die
Segmentierung der Handkonturerkennung ein statistisches Verfahren anwendet.
