专利名称：可识别手势的跑步机的制作方法
可识别手势的跑步机
技术领域：
本发明涉及跑步机领域，尤其涉及一种搭载了基于计算机视觉的实时静态手势识 别交互技术的跑步机，在学科上属于人工智能与模式识别。
背景技术：
跑步机作为一种室内的健身器材，弥补了室外运动场地缺少、运动设施不完善的 缺点，为人们的身体健康带来了福音。在现代社会中，跑步机几乎是各家健身中心必备运动 器材，一些高收入人群也拥有了自己的跑步机。随着使用人数的增加，跑步机必须提供良好的用户操作平台，以满足大部分使用 者的需求。现今市面上的跑步机，基本都是让用户通过按一块面板上的按键来给跑步机发 送相应的命令。使用者在静止时去按这些按键尚还觉得轻松，但是如果正在跑步机上奔跑， 再想去按它们，就显得有些吃力了，特别是当跑步的位置与按键面板的位置较远时，跑步者 如果想操作跑步机，就不得不在跑步机的履带上来回跑动以使得自己的手指能够按到按 键。
发明内容本发明的目的就是解决现有技术中的问题，提出一种可识别手势的跑步机，能够 使使用者抛开按键面板的束缚，只需要通过几个简单的手势就可以达到控制跑步机的目 的。为实现上述目的，本发明提出了一种可识别手势的跑步机，包括本体和安装在本 体上的电机，还包括主控系统和摄像头，所述摄像头连接到主控系统的输入端，主控系统的 输出端连接到电机。作为优选，所述摄像头采用1. 3M像素的摄像头。识别效果好，性价比高。作为优选，所述主控系统包括依次连接的实时视频输入模块、关键帧提取模块、肤 色分割模块、手势区域提取模块、手势特征提取模块和手势识别模块。作为优选，所述主控系统采用INTELAT0M的嵌入式工控板，采用的操作系统是 Linux操作系统。实现方便，成本低，系统稳定性好。作为优选，所述肤色分割模块统计肤色在HSV颜色空间下的分布情况，然后根据 分布情况分割出图像中的肤色区域。作为优选，所述手势特征提取模块采用图像归一化转动惯量(NMI)和Hu不变矩作 为描述手势的特征，其组成的特征向量作为分类器的分类依据。作为优选，所述手势识别模块采用支持向量机(SVM)作为分类器，在使用大量的 样本对分类器进行学习训练后，将学习的结果保存到XML格式的文件中。本发明的有益效果本发明基于计算机视觉，采用摄像头作为用户手势的采集工 具，用户只需要对着该摄像头作出一个手势，即可实现与按键相同的控制效果，只需要通过 几个简单的手势就可以达到控制跑步机的目的，使使用者抛开了按键面板的束缚，方便了操作。 本发明的特征及优点将通过实施例结合附图进行详细说明。
图1为本发明可识别手势的跑步机的结构示意图；图2为本发明可识别手势的跑步机中主控系统的模块示意图。
具体实施方式如图1、2所示，可识别手势的跑步机，包括本体2、安装在本体2上的电机(图中 未示出)、主控系统和摄像头1，所述摄像头1连接到主控系统的输入端，主控系统的输出端 连接到电机。所述摄像头1采用ι. 3M像素的摄像头1。所述主控系统包括依次连接的实 时视频输入模块31、关键帧提取模块32、肤色分割模块33、手势区域提取模块34、手势特征 提取模块35和手势识别模块36。所述主控系统采用INTEL ATOM的嵌入式工控板，主频为 1.6GHz。采用的操作系统是Linux操作系统。所述肤色分割模块33统计肤色在HSV颜色空 间下的分布情况，然后根据分布情况分割出图像中的肤色区域。所述手势特征提取模块35 采用图像归一化转动惯量(匪I)和Hu不变矩作为描述手势的特征，其组成的特征向量作为 分类器的分类依据。所述手势识别模块36采用支持向量机(SVM)作为分类器，在使用大量 的样本对分类器进行学习训练后，将学习的结果保存到XML格式的文件中，在下次识别时， 只需要从文件中读取出学习的结果即可。手势预处理过程包含了关键帧提取、图像滤波、人体肤色分割等步骤。其中图像滤 波采用了中值滤波方法。肤色分割根据人体肤色在HSV颜色空间下的分布直方图，统计出 肤色的分布范围，从而准确地提取出了手势在图像中的区域，这为下一步手势识别作了准备。所述手势识别过程包括手势特征提取与手势识别两个步骤。特征提取是指从手势 中提取出一组数据，这组数据能够充分表征手势，称为手势的特征向量。本发明采用了具有 旋转、平移等不变性质的图像归一化转动惯量(匪I)和Hu不变矩来描述手势特征。上述方法中匪I的是围绕图像质心(cx，cy)的转动惯量(J(cx，cy))与图像质量 m之间的一个函数关系，定义为(1)式 上述方法中手势识别是指使机器识别出人的手势行为。它分为机器学习和分类两 个步骤。本发明采用了支持向量机(SVM)作为分类的工具。在学习阶段通过提取样本的特 征值对分类器进行训练，并保存训练后的相关参数。在识别时，根据训练时得到的参数，就 可以准确的将手势划分到预定的类中，从而实现手势的识别。 上述方法中机器学习是指如何使计算机懂得人类的行为。它是人工智能的核心， 是使计算机具有智能的根本途径。在本发明中，机器学习的任务是使计算机能够像人一样区别出不同的手势，并将不同的手势划分到不同类中。上述方法中SVM是一种由统计学发展而来的机器学习方法，最早由Vapnik等人提 出。其核心思想是在二类划分的问题中，它通过构造一个最优超平面使得两类特征之间的 距离最大化，从而达到分类目的；对于低维空间下线性不可分的问题，它通过一个确定的函 数映射关系转换到高维空间下，从而使得原问题在高维空间下成为一个线性可分的问题。表1中所述的几个手势及其含义为本发明中使用到的表1
手势含义手势含义跑步开始% i坡度加跑步结束t坡度减速度加Sw 、‘音量加速度减Ih w ‘ . Α.音量减摄像头1所捕捉到的实时视频被采集到跑步机系统中，在进行了关键帧提取、肤 色分割、手势区域提取、特征选择和机器识别后得到用户手势所代表的含义(如表1中所 示)。具体的含义由系统解释为具体的控制命令去控制跑步机。对以上每种手势分别选择200个样本手势作为机器学习的内容，机器学习的结果 保存到一个XML文件中，下次在进行识别时只需要从该文件中读取出学习的结果就可以准 确地识别出手势。这带来的好处是不用为每台跑步机去选择学习样本进行学习，只需要将 第一台所保存的学习结果文件拷贝到其他机器上即可。本发明的手势识别准确率为97%，每秒钟能够处理14帧的视频图像，保证了识别 的实时性与较高的准确率。用户在跑步机上运动时可以简单的通过几个手势就可以控制跑 步机的速度、坡度等，方便实用。上述实施例是对本发明的说明，不是对本发明的限定，任何对本发明简单变换后 的方案均属于本发明的保护范围。
权利要求
可识别手势的跑步机，包括本体和安装在本体上的电机，其特征在于还包括主控系统和摄像头，所述摄像头连接到主控系统的输入端，主控系统的输出端连接到电机。
2.如权利要求1所述的可识别手势的跑步机，其特征在于所述摄像头采用1.3M像素 的摄像头。
3.如权利要求1所述的可识别手势的跑步机，其特征在于所述主控系统包括依次连 接的实时视频输入模块、关键帧提取模块、肤色分割模块、手势区域提取模块、手势特征提 取模块和手势识别模块。
4.如权利要求3所述的可识别手势的跑步机，其特征在于所述主控系统采用INTEL ATOM的嵌入式工控板，采用的操作系统是Linux操作系统。
5.如权利要求3所述的可识别手势的跑步机，其特征在于所述肤色分割模块统计肤 色在HSV颜色空间下的分布情况，然后根据分布情况分割出图像中的肤色区域。
6.如权利要求3所述的可识别手势的跑步机，其特征在于所述手势特征提取模块采 用图像归一化转动惯量(匪I)和Hu不变矩作为描述手势的特征，其组成的特征向量作为分 类器的分类依据。
7.如权利要求3 6中任一项所述的可识别手势的跑步机，其特征在于所述手势识 别模块采用支持向量机(SVM)作为分类器，在使用大量的样本对分类器进行学习训练后， 将学习的结果保存到XML格式的文件中。
全文摘要
本发明公开了一种可识别手势的跑步机，包括本体和安装在本体上的电机，还包括主控系统和摄像头，所述摄像头连接到主控系统的输入端，主控系统的输出端连接到电机。本发明基于计算机视觉，采用摄像头作为用户手势的采集工具，用户只需要对着该摄像头作出一个手势，即可实现与按键相同的控制效果，只需要通过几个简单的手势就可以达到控制跑步机的目的，使使用者抛开了按键面板的束缚，方便了操作。
文档编号A63B22/02GK101912676SQ20101024045
公开日2010年12月15日 申请日期2010年7月30日 优先权日2010年7月30日
发明者任彧, 刘宗钦, 朱晓锋, 顾成成 申请人:湖州海振电子科技有限公司