3D體感的技術是光學精密儀器與制造、模式識別、圖形圖像、機器學習和神經網絡技術集大成者，跨越多個領域的高精尖技術。所以，在2010年微軟Kinect推出以來，鮮有第二家公司和研究機構完全突破體感交互的所有技術環節。3D體感核心技術包括3D拍攝、人物提取和骨架識別。我們來淺析一下3D體感技術每個核心環節的技術特點。

　　一、骨架識別技術

　　骨架識別的技術解決方案主要由數模邏輯推理和機器學習兩種方案。數模邏輯推理是通過有人體的某個關鍵可識別的關節點，通過人體特征推理出人體每個關節點的位置，這種方法簡單易實現，但是人體是柔性、易變形，隨機動態變化的，沒有一種邏輯推理方案能夠把人體的運動給模擬出來，導致識別準確率不高沒有實用價值。這就是OMEK（被Intel收購）和Softkinetic（Intel合作伙伴）幾年也不能推出商用化產品的原因。機器學習的方法是通過大集群計算機“學習”幾千甚至萬億的人體行為樣本，來得到基本人體行為模型，就像小孩子成長的過程。但是機器學習和神經網絡是近幾年來逐步興起的技術，還不是太成熟，選擇什么樣的“學習”方法和什么樣的特征樣本是至關重要的，是需要不斷試驗的。但是大集群計算機計算本身成本就異常的高，動則千萬人民幣，沒有扎實的研究基礎，一般廠商不敢輕易嘗試。

　　二、人物提取技術

　　對于人物提取來說，就是要把復雜的動態的環境去除，把真實的“人”提取出來。這個在工程上也是有較高的難度，比如人與桌子接觸，人與人握手和人體被局部遮擋。抽象理解就是人體分割和人物跟蹤在現有的基礎條件下，不會有完全精確的解決辦法，只是相對的解決。

　　人體的動作是三維的，當然對人體動作的測量也必須是三維的。3D拍攝或測量技術實際上是相對比較成熟的技術，具有多種解決方案，比如單彩色攝像頭，雙彩色攝像頭，光干涉，超聲波、結構光散斑和TOF（測量光的飛行時間）等等。除了TOF，其他的測量方式可以說都是基于三角測距的原理，不同在于對特征點的提取的不同。

　　對于人體動作來說最主要的難題就是三維測量的實時性和3D測量數據對骨架識別的適用性，人眼的反應時間一般小于120毫秒，也就是說3D測量到骨架識別最大允許時間必須小于100毫秒，才能夠與應用對接，這就要求三維測量的計算量不能太大，要不然成本太高就不適合消費級產品使用。