骨架识别的技术解决方案主要有数模逻辑推理和机器学习两种方案。
 
数模逻辑推理是通过人体的某个关键可识别的关节点，通过人体特征推理出人体每个关节点的位置，这种方法简单易实现，但是人体是柔性、易变形、随机动态变化的，没有一种逻辑推理方案能够把人体的运动模拟出来，导致识别准确率不高而没有实用价值。
 
这就是OMEK（被Intel收购）和Softkinetic（Intel合作伙伴）几年也不能推出商用化产品的原因。
 
机器学习的方法是通过大集群计算机“学习”成千上万的人体行为样本，得到基本人体行为模型，就像小孩子成长的过程。
 
而机器学习和神经网络是近几年逐步兴起的技术，还不是太成熟，选择什么样的“学习”方法和什么样的特征样本是至关重要的，也是需要不断试验的。
 
但是大集群计算机本身成本就异常高，动辄千万元人民币，没有扎实的研究基础，一般厂商不敢轻易尝试。
 
对于人物提取技术来说，就是要把复杂的动态环境去除，把真实的“人”提取出来。
 
这个在工程上也有较高的难度，比如人与桌子接触，人与人握手和人体被局部遮挡。
 
抽象理解就是人体分割和人物跟踪在现有的基础条件下，不会有完全精确的解决办法，只是相对解决。
 
人体的动作是三维的，当然对人体动作的测量也必须是三维的。
 
3D拍摄或测量技术实际上是相对比较成熟的技术，具有多种解决方案，比如单彩色摄像头、双彩色摄像头、光干涉、超声波、结构光散斑和TOF（测量光的飞行时间）等等。
 
除了TOF，其他的测量方式可以说都是基于三角测距的原理，不同点在于对特征点的提取不同。
 
对于人体动作来说最主要的难题就是三维测量的实时性和3D测量数据对骨架识别的适用性。
 
人眼的反应时间一般小于120毫秒，也就是说3D测量到骨架识别最大允许时间必须小于100毫秒，才能够与应用对接，这就要求三维测量的计算量不能太大，要不然成本太高就不适合消费级产品使用。
 
彩色摄像头是以颜色和纹理为基础的，光线细微的变化都会带来图像处理上较大的差别，对于纹理的细微分别决定了彩色摄像头只能局限在近距离（0.8米以内），这就是我们可以看到三维拍摄的图像都是黑白的灰度图的原因。
 
彩色图像颜色提取的方式，抗光线和同色系干扰的能力极差，原理上很难把不同的物体区隔出来，得到的三维图像体感也是无法使用的。
 
这就是为什么leapmotion必须是室内向上拍摄，通过LED把手掌点亮的原因。
 
光干涉的原理精度高，但是计算原理就决定了该方法计算量超大，为了减少计算，就要想办法省略物体的整体构建，只计算物体的边缘轮廓。但是物体边缘轮廓的三维信息根本就做不出骨架识别的训练算法。
 
Intel的realsense，还有Pepplesinterface面临相同的困境，可以三维测量，却不可以体感。
 
Primisense的结构光散斑测量方法，就是在测量精度和计算量上面向体感技术作出平衡的最优方案之一。
 
Primesense的精度为厘米级，判断人体动作已经足够了。
 
TOF的方案分辨率很难再提高了，而且测量光飞行时间的晶振芯片和摄像头模组技术难度太大，从图像质量和成本的角度考虑，TOF在很长一段时间内仍然落后于结构光方案。
 
超声波的精度太低，远距离实用性不强。