專利名稱：可識別手勢的跑步機的制作方法
可識別手勢的跑步機
技術領域：
本發(fā)明涉及跑步機領域，尤其涉及一種搭載了基于計算機視覺的實時靜態(tài)手勢識 別交互技術的跑步機，在學科上屬于人工智能與模式識別。
背景技術：
跑步機作為一種室內的健身器材，彌補了室外運動場地缺少、運動設施不完善的 缺點，為人們的身體健康帶來了福音。在現代社會中，跑步機幾乎是各家健身中心必備運動 器材，一些高收入人群也擁有了自己的跑步機。隨著使用人數的增加，跑步機必須提供良好的用戶操作平臺，以滿足大部分使用 者的需求?，F今市面上的跑步機，基本都是讓用戶通過按一塊面板上的按鍵來給跑步機發(fā) 送相應的命令。使用者在靜止時去按這些按鍵尚還覺得輕松，但是如果正在跑步機上奔跑， 再想去按它們，就顯得有些吃力了，特別是當跑步的位置與按鍵面板的位置較遠時，跑步者 如果想操作跑步機，就不得不在跑步機的履帶上來回跑動以使得自己的手指能夠按到按 鍵。

發(fā)明內容本發(fā)明的目的就是解決現有技術中的問題，提出一種可識別手勢的跑步機，能夠 使使用者拋開按鍵面板的束縛，只需要通過幾個簡單的手勢就可以達到控制跑步機的目 的。為實現上述目的，本發(fā)明提出了一種可識別手勢的跑步機，包括本體和安裝在本 體上的電機，還包括主控系統(tǒng)和攝像頭，所述攝像頭連接到主控系統(tǒng)的輸入端，主控系統(tǒng)的 輸出端連接到電機。作為優(yōu)選，所述攝像頭采用1. 3M像素的攝像頭。識別效果好，性價比高。作為優(yōu)選，所述主控系統(tǒng)包括依次連接的實時視頻輸入模塊、關鍵幀提取模塊、膚 色分割模塊、手勢區(qū)域提取模塊、手勢特征提取模塊和手勢識別模塊。作為優(yōu)選，所述主控系統(tǒng)采用INTELAT0M的嵌入式工控板，采用的操作系統(tǒng)是 Linux操作系統(tǒng)。實現方便，成本低，系統(tǒng)穩(wěn)定性好。作為優(yōu)選，所述膚色分割模塊統(tǒng)計膚色在HSV顏色空間下的分布情況，然后根據 分布情況分割出圖像中的膚色區(qū)域。作為優(yōu)選，所述手勢特征提取模塊采用圖像歸一化轉動慣量(NMI)和Hu不變矩作 為描述手勢的特征，其組成的特征向量作為分類器的分類依據。作為優(yōu)選，所述手勢識別模塊采用支持向量機(SVM)作為分類器，在使用大量的 樣本對分類器進行學習訓練后，將學習的結果保存到XML格式的文件中。本發(fā)明的有益效果本發(fā)明基于計算機視覺，采用攝像頭作為用戶手勢的采集工 具，用戶只需要對著該攝像頭作出一個手勢，即可實現與按鍵相同的控制效果，只需要通過 幾個簡單的手勢就可以達到控制跑步機的目的，使使用者拋開了按鍵面板的束縛，方便了操作。 本發(fā)明的特征及優(yōu)點將通過實施例結合附圖進行詳細說明。

圖1為本發(fā)明可識別手勢的跑步機的結構示意圖；圖2為本發(fā)明可識別手勢的跑步機中主控系統(tǒng)的模塊示意圖。
具體實施方式如圖1、2所示，可識別手勢的跑步機，包括本體2、安裝在本體2上的電機(圖中 未示出)、主控系統(tǒng)和攝像頭1，所述攝像頭1連接到主控系統(tǒng)的輸入端，主控系統(tǒng)的輸出端 連接到電機。所述攝像頭1采用ι. 3M像素的攝像頭1。所述主控系統(tǒng)包括依次連接的實 時視頻輸入模塊31、關鍵幀提取模塊32、膚色分割模塊33、手勢區(qū)域提取模塊34、手勢特征 提取模塊35和手勢識別模塊36。所述主控系統(tǒng)采用INTEL ATOM的嵌入式工控板，主頻為 1.6GHz。采用的操作系統(tǒng)是Linux操作系統(tǒng)。所述膚色分割模塊33統(tǒng)計膚色在HSV顏色空 間下的分布情況，然后根據分布情況分割出圖像中的膚色區(qū)域。所述手勢特征提取模塊35 采用圖像歸一化轉動慣量(匪I)和Hu不變矩作為描述手勢的特征，其組成的特征向量作為 分類器的分類依據。所述手勢識別模塊36采用支持向量機(SVM)作為分類器，在使用大量 的樣本對分類器進行學習訓練后，將學習的結果保存到XML格式的文件中，在下次識別時， 只需要從文件中讀取出學習的結果即可。手勢預處理過程包含了關鍵幀提取、圖像濾波、人體膚色分割等步驟。其中圖像濾 波采用了中值濾波方法。膚色分割根據人體膚色在HSV顏色空間下的分布直方圖，統(tǒng)計出 膚色的分布范圍，從而準確地提取出了手勢在圖像中的區(qū)域，這為下一步手勢識別作了準備。所述手勢識別過程包括手勢特征提取與手勢識別兩個步驟。特征提取是指從手勢 中提取出一組數據，這組數據能夠充分表征手勢，稱為手勢的特征向量。本發(fā)明采用了具有 旋轉、平移等不變性質的圖像歸一化轉動慣量(匪I)和Hu不變矩來描述手勢特征。上述方法中匪I的是圍繞圖像質心(cx，cy)的轉動慣量(J(cx，cy))與圖像質量 m之間的一個函數關系，定義為(1)式 上述方法中手勢識別是指使機器識別出人的手勢行為。它分為機器學習和分類兩 個步驟。本發(fā)明采用了支持向量機(SVM)作為分類的工具。在學習階段通過提取樣本的特 征值對分類器進行訓練，并保存訓練后的相關參數。在識別時，根據訓練時得到的參數，就 可以準確的將手勢劃分到預定的類中，從而實現手勢的識別。 上述方法中機器學習是指如何使計算機懂得人類的行為。它是人工智能的核心， 是使計算機具有智能的根本途徑。在本發(fā)明中，機器學習的任務是使計算機能夠像人一樣區(qū)別出不同的手勢，并將不同的手勢劃分到不同類中。上述方法中SVM是一種由統(tǒng)計學發(fā)展而來的機器學習方法，最早由Vapnik等人提 出。其核心思想是在二類劃分的問題中，它通過構造一個最優(yōu)超平面使得兩類特征之間的 距離最大化，從而達到分類目的；對于低維空間下線性不可分的問題，它通過一個確定的函 數映射關系轉換到高維空間下，從而使得原問題在高維空間下成為一個線性可分的問題。表1中所述的幾個手勢及其含義為本發(fā)明中使用到的表1
手勢含義手勢含義跑步開始% i坡度加跑步結束t坡度減速度加Sw 、‘音量加速度減Ih w ‘ . Α.音量減攝像頭1所捕捉到的實時視頻被采集到跑步機系統(tǒng)中，在進行了關鍵幀提取、膚 色分割、手勢區(qū)域提取、特征選擇和機器識別后得到用戶手勢所代表的含義(如表1中所 示)。具體的含義由系統(tǒng)解釋為具體的控制命令去控制跑步機。對以上每種手勢分別選擇200個樣本手勢作為機器學習的內容，機器學習的結果 保存到一個XML文件中，下次在進行識別時只需要從該文件中讀取出學習的結果就可以準 確地識別出手勢。這帶來的好處是不用為每臺跑步機去選擇學習樣本進行學習，只需要將 第一臺所保存的學習結果文件拷貝到其他機器上即可。本發(fā)明的手勢識別準確率為97%，每秒鐘能夠處理14幀的視頻圖像，保證了識別 的實時性與較高的準確率。用戶在跑步機上運動時可以簡單的通過幾個手勢就可以控制跑 步機的速度、坡度等，方便實用。上述實施例是對本發(fā)明的說明，不是對本發(fā)明的限定，任何對本發(fā)明簡單變換后 的方案均屬于本發(fā)明的保護范圍。
權利要求
可識別手勢的跑步機，包括本體和安裝在本體上的電機，其特征在于還包括主控系統(tǒng)和攝像頭，所述攝像頭連接到主控系統(tǒng)的輸入端，主控系統(tǒng)的輸出端連接到電機。
2.如權利要求1所述的可識別手勢的跑步機，其特征在于所述攝像頭采用1.3M像素 的攝像頭。
3.如權利要求1所述的可識別手勢的跑步機，其特征在于所述主控系統(tǒng)包括依次連 接的實時視頻輸入模塊、關鍵幀提取模塊、膚色分割模塊、手勢區(qū)域提取模塊、手勢特征提 取模塊和手勢識別模塊。
4.如權利要求3所述的可識別手勢的跑步機，其特征在于所述主控系統(tǒng)采用INTEL ATOM的嵌入式工控板，采用的操作系統(tǒng)是Linux操作系統(tǒng)。
5.如權利要求3所述的可識別手勢的跑步機，其特征在于所述膚色分割模塊統(tǒng)計膚 色在HSV顏色空間下的分布情況，然后根據分布情況分割出圖像中的膚色區(qū)域。
6.如權利要求3所述的可識別手勢的跑步機，其特征在于所述手勢特征提取模塊采 用圖像歸一化轉動慣量(匪I)和Hu不變矩作為描述手勢的特征，其組成的特征向量作為分 類器的分類依據。
7.如權利要求3 6中任一項所述的可識別手勢的跑步機，其特征在于所述手勢識 別模塊采用支持向量機(SVM)作為分類器，在使用大量的樣本對分類器進行學習訓練后， 將學習的結果保存到XML格式的文件中。
全文摘要
本發(fā)明公開了一種可識別手勢的跑步機，包括本體和安裝在本體上的電機，還包括主控系統(tǒng)和攝像頭，所述攝像頭連接到主控系統(tǒng)的輸入端，主控系統(tǒng)的輸出端連接到電機。本發(fā)明基于計算機視覺，采用攝像頭作為用戶手勢的采集工具，用戶只需要對著該攝像頭作出一個手勢，即可實現與按鍵相同的控制效果，只需要通過幾個簡單的手勢就可以達到控制跑步機的目的，使使用者拋開了按鍵面板的束縛，方便了操作。
文檔編號A63B22/02GK101912676SQ20101024045
公開日2010年12月15日 申請日期2010年7月30日 優(yōu)先權日2010年7月30日
發(fā)明者任彧, 劉宗欽, 朱曉鋒, 顧成成 申請人:湖州海振電子科技有限公司