手势交互解决方案
面向AI眼镜、AR及VR智能眼镜等可穿戴设备的软硬件一体化手势交互解决方案，将极豪科技的JVH成像模组、LED阵列、柔性印刷电路板(FPC)及自主研发的深度学习算法整合于紧凑低功耗的形态中，易于集成，并支持每副眼镜配置一个或两个成像模组。
JVH具备两大核心能力：
- 手部关键点追踪
可检测用户手部位置，并持续以世界坐标系估算整体手部姿态及关节姿态 - 手势交互
通过解析时序追踪输出，识别确认、点击、拖曳及手写输入等语义化用户手势
功能
- 双手检测与跟踪，支持区分左右手
- 输出双手 26 点关节点 3D 信息
- 支持手部 3D Mesh
- 支持手部深度
- 支持多种静、动态手势识别，并支持自定义手势
典型技术参数
| 类别 | 细项 | 指标 | 说明 |
|---|---|---|---|
| 检出 | 检测左右手 | 正常>99%、遮挡>95%、误检<0.1% | 置信度输出，便于上层渲染和交互控制 |
| 手势 | 识别率 | 手掌>99%、Pinch>95%、拳头>95% | 除手掌外，其他手势都容易在特定角度漏检，在正常交互体验上可以使用策略优化 |
| 关键点 | 平均关键点误差 | <1.5cm | 骨骼关键点的绝对误差 |
| 手型精度 | <0.8cm | 相对精度，单只手不同关节点的相对位置 | |
| 静飘/动飘 | <0.3cm | 稳定性，手不动时算法结果的抖动 | |
| 速度延迟(XR2 平台) | 算法耗时 | 9ms 双手跟踪 | 根据出图帧率，可达到 30FPS |
| 算法延迟 | 23ms @60FPS | 平滑策略带来的<1帧延迟，叠加算法耗时 | |
| 资源占用(XR2 平台) | 内存 | 100M以内 | |
| CPU | <20% | ||
| DSP/NPU | <10% | ||
| 功耗 | 200mW | 参考值，可根据整机系统状况优化 |
优势特色
复杂场景下高性能表现
- 在复杂的手指交互（如捏合或扭转）以及非常规的手势中展现出极佳的识别效率和精度
高研发投入
- 千万级测试数据库
- 多项手势识别相关核心专利
行业顶级手势识别算法能力
- 2023年第七届全球 HANDS 单目第一人称手势姿态比赛冠军
- 2024年第八届全球 HANDS 手势识别比赛冠军
- 2026年第十届全球 HANDS 三维手-物交互场估计赛道冠军
- 团队在国际顶级会议（CVPR、ECCV等）发表多篇论文
方案功能演示
支持多种静、动态手势识别及自定义手势；
复杂情境下（遮挡、重合等）可实现精确、流畅的裸手交互能力
