骨架追踪于2011年左右开始成为一款可行的产品，自那以后，社区便探索了一系列不同的解决方案，但大多数都存在高计算量的问题，占用过多的GPU或CPU资源，以及是为一般的姿势估计设计。对此，英特尔团队表示“通过专注于VR/AR，我们得以利用头显的位置来训练更小的机器学习模型”。在上个月的一次Meetup活动中，英特尔RealSense CTO Philip Krejov分享了他们对卷积神经网络上的一些探索，包括集成的头部与控制器信息方法，并且介绍了他们先前仅采用CPU来实时进行手部追踪的部分研究工作。

　　英特尔ReaSense深度摄像头允许所有这些解决方案支持多种照明环境，其采集的深度信息可实现更高的帧速率，同时无需任何额外的CPU。通过采用多个摄像头，这同时能够成为无标记的动捕解决方案，而其他体三维和表面数据则可用于一系列的用例，如游戏或社交VR。Philip列举了一个利用Unity集成开发的应用程序示例，无需任何额外的追踪设备或传感器即可支持实时交互式VR球坑模拟。

　　Philip Krejov在英国萨里大学获得了计算机视觉博士学位和电子工程学士学位(荣誉)。毕业后，他获得了最佳毕业论文奖。Philip是英特尔RealSense事业群的成员，负责计算机视觉领域的研究，并专注于优化人机交互。更具体地说，他正在开发用于捕捉，整理，和学习视觉数据的工具与架构。