视频体感游戏的核心在于运动的捕获与识别，主要的问题是如何实现运动捕获算法。
关于运动捕方式有很多，于是就存在算法选型问题。我们先后实验过三种方式：色域跟踪、Mean shift、帧差。最终综合了一套方案。下面简单介绍下实现方案。
原理：分析连续关键帧间差异来确定运动区域。再通过运动特征系数加权，最终得到较为准确的坐标。
优点：环境干扰相对较小，且无需特征录入。
处理流程：
1.通过浏览器getUserMediaAPI启动摄像头并获取视频流
2.利用canvas转化图像数据格式
3.利用帧差原理获取运动区域(这里用到(grayscale公式)
灰度 = R*.299+G*.587+B*.114;
我们预先设定了一个亮度敏感度值 sen = 15;
当Math.abs（像素亮度1-像素亮度2）>sen 时，这个点将被纳入运动区域。
4、降噪
栅格化图像，判断每个栅格的运动点密度，排除低于设定值的栅格。这样就得到比较干净的运动区域。
5.运动区域平衡分析
上一步返回的是坐标点阵群，游戏需要的是唯一坐标。数据需要进一步处理。经过观察发现运动点阵分布在画面的区间与动作目的有一定关联性。也就是以画面中心点为基准，判断运动点阵距离中心点距离。以距离为加权因素，越靠边缘因素值越大。最终得出唯一坐标。
6. 每个图像算法最终都会遇到性能问题
这里我们用到了 worker。关于worker：THE BASICS OF WEB WORKERS
