Answers:
编辑仿射不变性显然需要此版本的曲率。
http://en.wikipedia.org/wiki/Affine_curvature#Affine_curvature
假设这就是我所指的内容。（尽管我认为法向曲率对于旋转来说是不变的，这可能就足够了）。在此处
编辑比例不变的曲率版本，请参见
/math/1329/what-is-the-form-of-curvature-that-is-invariant-under-rotations-and-uniform-斯卡利
手势识别问题是识别问题的子类，而识别问题基本上是模型比较问题。
您尝试使自己的手势适合某些手势集合，则最佳手势会获胜。
我会多次记录您的手势，然后尝试使用b样条曲线（曲线）来拟合您的训练数据。您可能希望手势对于仿射变换（旋转，缩放，平移）是不变的，因此将曲线存储为曲率值表（不太可能具有良好的闭合形式），而不是控件的笛卡尔坐标点。
那是手势的模型。假设您有几个。
为了进行比较，首先需要拟合输入数据，然后评估曲率x次数，其中x在精度和性能之间取得了很好的折衷。
现在，遍历模型并减去曲率值（以弧长为单位，沿着相应曲线在同一点进行评估），并对差值求平方。产生的值称为残差。对所有残差求和。残差最小的模型是最佳拟合，也是您最有可能的手势。
比较我对@ Olie's的回答。它们基本上是相同的，尽管我们为手势选择了不同的模型，（建立带符号的曲率表并记录切线角度的变化几乎是相同的，我假设数据是通过平滑生成的曲线，但主要区别在于@Olie包括速度。
选择要包含在模型中的参数取决于情况和性能要求。请记住，向模型添加参数会增加尺寸。
从广义上讲，您可能希望将手势定义为一个方向，然后再定义[可能非常短]延迟，然后再定义另一个方向（以及方向之间的相对角度等），直到结束为止。
例如，用魔杖打个“ t”（别忘了有些人是左撇子，所以您的定义不应该依赖于手！）是垂直旋风，短延迟，反转弯曲，短延迟，反转朝水平，突然[近]停止。
读取手势时，您想查看读取的图案与图案描述的接近程度。
一般而言，您可以首先消除明显的不匹配（甚至无法正确开始，或者太长或太短的错配）来剔除定义字典，然后将手势“比对”剩余的定义。通过评估每个部分与定义的匹配程度（0-100％）和RMS-ing（对误差进行平方，求和，然后求和的平方根）来对手势评分。
使用RMS会突出较大的差异（导致较低的得分），而倾向于掩盖较小的差异（导致更好的匹配）。
这些东西有很多资料-Google手势识别。不用担心它是用于手写笔还是其他非Wii的东西，这些原理可以很好地适应。