被誉为网路女王的玛丽·米克(Mary Meeker)曾经总结道，人机互动技术每十年就会发生一次重大的变革。这个论点在iPhone推出的第十周年之际，再度获得证明。苹果(Apple)在2007年正式亮相的第1代iPhone中，大胆拿掉了实体键盘和触控笔，完全透过点击、滑动萤幕控制，重新定义使用者和手机的互动方式，更立下了触控萤幕作为人机互动技术的新世代标志。

如今，触控萤幕已成为智慧型手机的标准配备 —— 这个改变终结了人们从PC延续下来的滑鼠“崇拜” —— 时至今日，我们又再度处在一个“新”十年的节点上。

人们一直在追求与机器的“对话”能够像人与人之间的交流那样准确和自然。根据分析，人们获取的资讯中，有80%以上来自于视觉，因此让机器具有“视觉”能力，能辨识使用者的动作并作出回应，一直是人机互动技术所追求的境界。

因此，3D手势(或可扩展为“姿态”)辨识，便成为了下一代人机互动的候选技术之一。和以往的机器视觉技术不同，3D手势辨识在二维(2D)资讯的基础上，加上了对第三维(3D)“深度”的辨识，使其能够承载的讯息量以及使用者体验的进步空间大幅增加。


图1：Kinect改变了游戏中的人机互动模式

在3D手势辨识技术的应用中，不得不提的就是与微软(Microsoft) XBOX 360游戏机配套推出的体感控制Kinect。为了能够追踪游戏玩家在z轴上的距离，第一代Kinect采用所谓的“结构光”技术，其原理是将雷射透过光栅投射到被测物体上，由于雷射落点经过光栅折射产生的位移与被测物体与雷射器的距离相关，所以透过监测雷射落点位移的变化就可以推算出物体距离的远近。采用这种3D手势辨识技术，彻底改变了使用者参与游戏的方式，让肢体的运动取代了操纵杆的摇摆。

从此，各种3D手势辨识技术便逐渐发展起来。一种更为简便的飞时测距(Time of Flight；ToF)技术成为结构光技术在Kinect上的继任者。ToF系统会将一束红外光发射到物体上，透过一个CMOS影像感测器量测红外光往返于侦测器和待测物体之间的时间，并由此计算物体的“深度”资讯。基于ToF技术，Google推出Tango技术，目的就是让手机与平板电脑能够具备3D感知的能力；联想(Lenovo)更已于去年11月率先将Tango的成果应用到了全球首款扩增实境(AR)智慧型手机Phab2 Pro中。


图2：Leap Motion多角成像技术应用在虚拟实境(VR)人机互动中

近年来，随着VR/AR的升温，多角成像技术成为开发者的另一种选择，这与人眼成像的“视差原理”相似的技术，使用两个或者两个以上的镜头同时搜集影像，透过比对这些不同镜头在同一时刻撷取影像的差异，再经由专门的演算法计算3D深度资讯。和其他两种技术相比，多镜头成像对硬体的要求最低，但是在软体演算法上要求开发者具备足够的实力，可以算是“简约而不简单”了。


图3：近电场感测技术的近场3D手势辨识技术

上述三种3D手势辨识技术，可以统归为“光学辨识”的范畴。言下之意是，目前市场上也活跃着一些非光学的3D手势辨识技术，例如微芯竹枓技(Microchip)的GestIC技术。这是一种近电场感测技术的近场3D手势辨识技术，其原理是在空间中形成一个电场，手部的运动会对电场造成扰动，透过在电场周围的电极可以感应到电场的变化，进而对3D空间中的手势做出解读和判断。

这种技术的作用距离虽然有限，但是没有对环境光线的依赖、视角限制等这些光学辨识技术先天的“缺陷”，更重要的是在功耗方面的优势 —— 据称与光学方案相比其能耗可节省90%以上。Microchip在GestIC配套的MGC3X30系列晶片中，整合了Colibri手势辨识软体，目前可以辨识接近、多方向滑动、空中轮转、3D位置追踪、接近、多点触控和点击等诸多3D手势。

从原理上看，电磁感应3D辨识技术与2D的触控技术有些像“近亲”，对于开发者来说“上手”会比较快，从研发和时间成本的角度来看，都会是一个很有吸引力的方案。