除了遥控器和越来越被广泛采用的语音控制外，3D动作扑捉技术也正在成为电商上为数不多的下一个可能。想象一下：坐在客厅里，挥一下手就能翻动页面、选择节目，向两个方向滑动手臂就能放大网页、图片……这样的技术或将最终改变人和智能电视交互的方式。

　　其实，3D动作捕捉技术已经被用在体感游戏、智能手机等多个领域，最近的两个大消息是：Google的Project Tango项目和亚马逊的3D手机，都会采用这种技术来搭建新型硬件——通过多个摄像头，这些产品能够直接识别周围的环境和动作，这些信息显然会对硬件的交互方式带来改变。而智能电视厂商也已经开始了类似的尝试，比如，乐视已经发布了智能电视体感操作系统LetvUI 3.0——配合体感摄像头，挥挥手可轻松完成桌面切换、调出菜单、频道选择、使用应用程序等操作。

　　不过，虽然同为3D捕捉技术，但却也有着截然不同的多种实现方法，其中按技术上说，大体可分为Structure Light和Time of Flight两大类。近期，PingWest采访了3D动作捕捉技术公司奥比中光的CEO黄源浩，请他分享了主流3D体感技术解决方案及其之间的差异。

　　黄源浩告诉PingWest，苹果和Google使用的是Structure Light方案，而微软、英特尔使用Time of Flight方案。由于这两种技术方案都有大公司在用，所以很难说哪一个绝对领先。不过黄源浩本人更看好Structure Light方案。

　　谈到其中的原因，黄源浩表示，Time of Flight对CMOS芯片的高速响应要求非常高，现成的芯片都不宜使用，所以必须开发专用CMOS。这意味Time of Flight方案材料成本、工艺成本方面，都比Structure Light采用的现成芯片方案要高出不少——通常，Time of Flight的传感器比Structure Light的要贵50%以上。

　　而在分辨率方面，Structure Light的方案已经可以做到1280×960，而微软Xbox One上面的Time of Flight现在的深度分辨率只是512×424，所以这方面Structure Light也要更胜一筹。

　　那么，Structure Light是怎么实现识别人体动作，再用它来控制各种智能设备的呢?

　　一个Structure Light的3D感应器基本由RGB彩色摄像机、红外线发射器和红外线CMOS摄影机组成，他们的作用是捕捉动作。接着，再使用光学测量原理，深度学习算法，系统会量化这些动作——即把用户对应的行为转换成数字语言，“投射”到屏幕上。

　　之前，微软在游戏姿态识别方面做了不少研究，不过和游戏相比，智能电视的交互还非常看重坐姿识别和手势识别的精确性。此外，毕竟体感游戏将会是智能电视的一项重要特性，所以对于支持3D操控特性的智能电视来说，坐姿识别、手势识别和游戏姿态识别一样都不能缺失。拿奥比中光的3D体感器来说，这台使用Structure Light方案的设备可以让用户在3-4米外通过手势来操控电视。黄源浩说，接下来要解决的问题是，如何解决多人同时进行体感游戏的识别。

　　其实，就像触摸屏的交互方式把智能手机行业拉升到一个全新的高度一样，3D动作捕捉交互技术或许也将改变智能电视行业。

　　回顾一下人机交互的发展过程我们不难发现，在功能机时代，人机交互的方式颇为单调，基本上所有的操作都是通过敲击键盘完成的;而当触摸屏被广为接受时，除了常规的点击，人们还可以通过滑动等其他方式来操控设备——这带来的不仅是交互方式的改变，新的产品设计模式、使用场景都应运而生了：例如“摇一摇”、下拉悬停、擦除游戏……不难看出，手机行业的“新生”和交互方式的革新密不可分。而随着3D体感技术的成熟，抓取、拖曳等操作将成为新的人机交互方式，与手机行业类似的转变将可能在智能电视行业重演。