Gestenerkennungs- und Handzeichen-Test

Dies sind die eigenen, echten Klassifizierungsregeln dieses Tools, die direkt auf die 21 in jedem Bild verfolgten Handmarkierungspunkte angewendet werden.

1. Klicke auf „Start“ und erlaube den Kamerazugriff, wenn du dazu aufgefordert wirst.
2. Halte deine Hand deutlich sichtbar ins Bild.
3. Probiere jede der fünf erkannten Gesten aus, um zu sehen, wie zuverlässig jede bei deiner aktuellen Beleuchtung erkannt wird.
4. Passe die Beleuchtung oder die Handposition an, falls die Erkennung unstetig wirkt — klares, gleichmäßiges Licht auf der Hand hilft am meisten.

Dieses Tool nutzt MediaPipe Hands, ein Handtracking-Modell, das Google speziell für die Echtzeitnutzung auf dem Gerät trainiert hat, vollständig innerhalb deines Browsers über WebAssembly und WebGL. Es wird nichts an einen Server gesendet — das Modell wird einmal heruntergeladen, und jedes Bild danach wird lokal verarbeitet.

In jedem Bild liefert das Modell 21 Markierungspunkte pro erkannter Hand: das Handgelenk sowie drei Gelenke plus eine Spitze für jeden der fünf Finger. Die Gestenklassifizierung selbst ist einfache Geometrie auf Basis dieser Punkte, kein separat trainierter Gestenklassifikator — ein Finger gilt als ausgestreckt, wenn seine Spitze deutlich weiter vom Handgelenk entfernt ist als sein eigenes mittleres Fingerglied. Fünf ausgestreckte Finger werden als offene Handfläche gelesen; nur der Daumen wird als Daumen hoch gelesen; und so weiter.

Das Reaktionsmenü von Zoom enthält eine physische Hand-heben-Geste, die aktuelle Desktop-Clients automatisch erkennen, wenn deine Kamera eingeschaltet ist — eine offene Handfläche nahe deinem Gesicht zu halten löst dieselbe Reaktion aus wie das Klicken auf die Schaltfläche. Teams hat eine entsprechende Hand-heben-Reaktion, wobei die gestenbasierte automatische Erkennung über die Client-Versionen hinweg schrittweiser ausgerollt wird als bei Zoom.

Discord verfügt über keine native Gestenerkennung, aber Handgesten sind trotzdem relevant, wenn du OBS oder ein Elgato-Stream-Deck-Plugin verwendest, das Bildschirmüberlagerungen oder Effekte anhand einer Webcam-Geste auslöst — solche Plugins sind genau auf die Art von sauberem, gut beleuchtetem Markierungstracking angewiesen, das dieses Tool überprüft.

Halte deine Hand vollständig im Bild und in angemessener Nähe zur Kamera — das Markierungstracking verschlechtert sich schnell, sobald eine Hand auf weniger als etwa ein Zehntel der Bildbreite schrumpft. Gegenlicht ist die häufigste Fehlerursache: Ein helles Fenster hinter dir lässt deine Hand zur Silhouette werden, und das Modell kann einzelne Fingergelenke aus einem dunklen Umriss nicht mehr auflösen.

Die Bildrate spielt ebenfalls eine Rolle. Eine Webcam, die Schwierigkeiten hat, 30 fps zu halten – sei es wegen USB-Bandbreitenbeschränkungen oder Treiberproblemen –, liefert dem Tracking-Modell weniger Bilder, um eine Geste zu erfassen, was sich als Flackern oder verpasste Erkennungen zeigt statt als kompletter Ausfall.