我有一个来自学校的线性回归方程，它给出一个介于 1 和 -1 之间的值，表示一组数据点是否足够接近线性函数
和这里给出的方程
http://people.hofstra.edu/stefan_waner/realworld/calctopic1/regression.html
在一条线的最佳拟合下。我想使用这些基于 3 空间 (x,y,z) 中的点进行简单的手势检测 - 向前、向后、向左、向右、向上、向下。首先我会看看它们是否落在 3 维中的 2 条线上，然后我会看看这条线的斜率是接近零还是无穷大。
这对于功能性手势识别是否足够快？如果没有，有人可以提出替代算法吗？
如果我正确理解了您的问题，那么（1）您在此处描述的计算可能足够快，（2）它实际上可能无法执行您想要的操作，以及（3）实际上会很慢的东西实施将在别处。
所以，我认为你提议这样做。(1) 连续数次在三维空间中识别……某物……（也许是用户的手）的位置。(2) 对于（比如说）{x,y} 和 {x,z} 中的每一个，查看每个点的这两个坐标，计算相关系数（这是您的公式所描述的）并查看它是否接近 +- 1. (3) 如果两个相关系数都接近 +-1，则这些点大致位于一条直线上；计算那条线的梯度（使用类似于相关系数的公式）。(4) 如果梯度都非常接近 0 或 +- 无穷大，那么您的线大约平行于一个轴，这就是您要识别的情况。
1：速度够快吗？您可能会以每秒 50 帧左右的速度进行采样，并且您的手势可能需要一秒钟才能执行。因此，您将拥有大约 50 个职位。因此，您需要的算术运算总数可能是几百个（包括适度数量的平方根）。在最坏的情况下，您可能会在慢速 ARM 处理器或其他东西上以模拟浮点执行此操作；在这种情况下，每个算术运算可能需要几百个周期，所以整个事情可能是 100k 个周期，对于运行在 100MHz 的非常慢的处理器来说，这大约是一毫秒。您不会对进行此计算所花费的时间有任何问题。
2：这是对的吗？目前尚不清楚这是正确的计算。例如，假设您的用户的手沿 x 轴快速来回移动几次；这会给你一个积极的结果；那是你要的吗？假设用户尝试了您想要的手势，但移动的角度略有错误；你可能会得到一个否定的结果。假设它们正好沿着 x 轴移动一点，然后沿着 y 轴移动一点；那么在 {x,y}、{x,z} 和 {y,z} 平面上的投影都将通过您的测试。这些似乎都是您可能不想要的结果。
3：真正的成本在哪里？这一切都假设您已经获得 (x,y,z) 坐标。获得这些可能会比处理它们更昂贵。例如，如果您有某种基于相机的系统，那么每一帧都会有一些重要的图像处理。或者，也许您正在整合来自加速度计的数据（顺便说一下，这可能会产生令人讨厌的不准确位置结果）；您可能正在执行一些过滤和其他计算以获取位置数据。我敢打赌，执行这样的计算的成本将大大低于首先获取坐标的成本。