Gestensteuerung ist heutzutage bei vielen Geräten üblich. Gerade hat Google z.B. einen neuen Radar-Chip vorgestellt (https://www.heise.de/ct/artikel/Googles-Plaene-fuer-Radar-Chips-in-Smartphones-Uhren-und-TVs-4615166.html). Eine stabile Erkennung der Hand in schwierigen Umgebungen ist jedoch noch immer eine Problemstellung, an der laufend gearbeitet wird. Machine learning Verfahren führen in komplexen Umgebungen wiederholt zu Fehlerkennungen. So erkennt die Leap Motion z.B. unter gewissen Bedingungen fälschlicherweise eine Hand. Eine Handkandidatenerkennung kann Fehlerkennungen vermeiden. Das folgende Video zeigt eine Handkandidatenerkennung mittels CUDA und einer Intel RealSense D415 Kamera anhand von geometrischen Merkmalen und ohne Nutzung der Farbinformationen der Kamera. Somit funktioniert das Verfahren auch bei schlechten Beleuchtungsverhältnissen oder in absoluter Dunkelheit und kann durch nachfolgende Verfahren weiter stabilisiert werden.