用hough+細化的方法，識別速度快，但是在某些情況下容易造成誤差，識別不是很穩定。如下圖：
由於深度圖的視差等原因，會有些點找不到，如上圖握拳後掌心位置，如果還採用前一章的方法，細化結果會很糟糕（掌心處會產生若干干擾線段）造成識別不準確。
可以利用圖像形態學中的開閉運算消除這種影響，但是當五指靠的非常近時會對手指間造成惡劣的影響（五指被靠在一起了）。
考慮其他方法：利用圖像輪廓+圖像中凸包和凸缺陷以及矩的概念進行識別。
opencv提供了輪廓圖像的輪廓檢測，通過返回最外層輪廓可以得到手的邊緣。
利用輪廓然後可以得到凸包和凸缺陷，從而得到一系列凸頂點和凸缺陷（凹）頂點和凹的深度（其中包含指尖座標）
如上圖所示，一隻手有很多凸缺陷，需要一定的策略判斷哪些是手指縫那些是干擾，可利用
凹的深度和凸點和凹點的夾角（[0,90））進行閾值判斷，夾角利用三點的向量積求得。但是大拇指比較特殊（當張開很大時角度可能偏大）
這裏可以利用矩的概念進行識別，
矩是沿X，y方向的積分，因此有一個輪廓矩的概念，
輪廓矩是沿輪廓邊界像素的積分，
用來計算形狀的重心，面積，主軸和其它的形狀特徵等，因此可以求得手掌重心，根據其與凸缺陷點的物理距離可以捨去其他干擾因素。最終可求得指尖座標。
相對上章算法，輪廓算法識別速度略顯慢，但是識別精度比較高，穩定性好。不影響實時識別。但是存在下面問題：當只有一個手指頭伸出或者做“六”動作的時候，輪廓不存在凹點，也就無法識別指尖了，因此，需要結合：
對輪廓識別出來後，如果輪廓法識別出0個指尖，那麼對輪廓內部進行填充（消除第一張圖的影響），利用hough法進行識別。兩者的結果即爲最終結果。
上結果圖：
手指識別做好後，可以基於它做許多的應用，我基於識別結果做了個小的實例，可以隔空查看圖片和看視頻，廢話不說，上圖。
看圖
看電影
如果將其與一些軟件結合，可以做出很好的前景。如將其與U3D，UDK等3維可視化軟件結合，可以做出一些比較有意思的體感遊戲。
