Die Hand wird in der Informatik als Interaktionsinstrument zunehmend wichtiger. Schon heute gibt es einige Systeme bei denen der Benutzer seine Eingaben nicht mehr mit Maus und Tastatur, sondern mit Hilfe seiner Hände vornimmt. Der große Vorteil hiervon ist, dass man Objekte wie in der realen Welt manipulieren kann. Z.B. ist es nicht ganz klar, wie man ein 3D-Objekt wie eine Tasse mit Maus und Tastatur "greift". Mit der Hand ist diese Aufgabe ganz natürlich ausführbar und muss nicht extra erlernt werden. Um eine solche Interaktion zu unterstützen ist ein Handtracking notwendig. Man unterscheidet hierbei zwischen einem System zur Erkennung vorher festgelegter Gesten und einem Tracking aller möglichen Handstellungen. Bei der Gestenerkennung können nur solche Gebärden erkannt werden, die dem auch System bekannt sind. Diese Menge ist beschränkt und muss vor dem Tracking festgelegt werden. Das Verfahren kann man daher auch als eine Klassifizierungsaufgabe betrachten. Hier wird ausschließlich das vollständige Handtracking betrachtet, da es flexibler einsetzbar ist, und keinen Beschränkungen hinsichtlich der Anzahl der verschiedenen zu erkennenden Handstellungen unterliegt. Hier wird ein Verfahren präsentiert, welches die Handkontur ohne Vorkenntnis erkennen kann. Das Verfahren soll in der Lage sein die Hand auch unter schwierigen Bedingungen wie Verdeckung, schlechten Lichtverhältnissen oder verrauschten Bildern zu erkennen. Hierdurch wird die Initialisierung eines Handtrackingvorgangs erheblich vereinfacht. Durch solch ein Verfahren zur Erkennung der Handkontur ohne Vorkenntnisse entfällt die Notwendigkeit, zu Beginn eines Handtrackings ein "manuelles matching" durchzuführen. Der Benutzer muss lediglich seine Hand zu Beginn des Trackings in einer vorgeschriebenen Geste zeigen, und die Konturerkennung führt die Initialisierung durch. Eine auf diese Weise korrekt erkannte Hand bietet eine sehr viel bessere Initialposition, als bei der manuellen Initialisierung, die zurzeit bei den meisten Handtrackingverfahren angewendet wird. Der Startzustand des Handtrackingalgorithmus wird demnach optimal bestimmt. Durch die Erkennung der Handkontur erhält man auch eine genaue Information darüber, wie die Hautfarbe des Benutzers aussieht. Zwar kann man aus Trainingsdaten ganz gute statistische Informationen über die Farbe der Haut gewinnen, aber dennoch ist es sinnvoll diese Daten an den jeweiligen Benutzer anzupassen. Aber auch wenn der Benutzer nicht wechselt, ist solch eine dynamische Initialisierung von Vorteil. Schon bei unterschiedlichen Beleuchtungsverhältnissen sieht ein- und dieselbe Hand unter dem Gesichtspunkt der Hautfarbebetrachtung anders aus. Daher wird hier die Hautfarbeerkennung des Handtrackingalgorithmus schon vor Beginn des eigentlichen Trackings an die aktuellen Gegebenheiten angepasst. Da bei jeder Benutzung des Systems diese Initialisierung durchgeführt wird, ist das Handtrackingverfahren stets auf die aktuellen Verhältnisse optimiert. Die Hautfarbe des aktuellen Benutzers wird ermittelt, in dem auf die Segmentierung der Handkonturerkennung ein statistisches Verfahren anwendet.