CN104834377A - 一种基于3d手势识别的音频控制方法 - Google Patents

Abstract

本发明公开了一种基于3D手势识别的音频控制方法，包括以下步骤：S1、获取手势识别区域内的电场数据；S2、在手势识别区域内建立空间3D坐标系；S3、获取手势识别区域内电场变化区域的位置坐标；S4、重复步骤S3，得到电场变化区域位置坐标的动态变化数据；S5、根据X轴坐标的动态变化数据实时调整音频的音量大小；S6、根据Y轴坐标的动态变化数据实时控制音频之间的切换；S7、根据Z轴坐标的动态变化数据实时控制音频的播放与暂停。本发明通过对3D空间中手势动作的识别，实现了对智能设备上音频的播放/暂停、音量大小调节以及音频之间的切换等操作，具有自然性、简洁性、新颖性等特点。

Description

一种基于3D手势识别的音频控制方法

技术领域

本发明属于嵌入式软件技术领域，具体涉及一种基于3D手势识别的音频控制方法的设计。

背景技术

在用户与智能设备的交互过程中，输入方式显得尤为重要，便捷的输入方式会增强用户的体验效果。现有技术中，智能设备上音频控制的输入方式普遍采用为键盘输入或触摸输入。一方面，这两种输入方式是成熟而稳定的实现方案，基本上已经被用户接受；另一方面，这两种输入方式缺乏一定的创新性，难以实现用户对智能设备的个性化定制。

最近几年，随着计算机技术的迅猛发展，研究符合人际交流习惯的新颖人机交互技术变得异常活跃，也取得了可喜的进步，这些研究包括人脸识别、面部表情识别、唇读、头部运动跟踪、凝视跟踪、手势识别以及体势识别等等。总的来说.人机交互技术已经从以计算机为中心逐步转移到以人为中心，是多媒体、多种模式的交互技术。

手势是指在人的意识支配下，人手作出的各类动作，如手指弯曲、伸展和手在空间的运动等，可以是执行某项任务，也可以是与人的交流，以表达某种含义或意图。手势是一种自然、直观、易于学习的人机交互手段，以人手直接作为计算机的输入设备，人机间的通讯将不再需要中间的媒体，用户可以简单地定义一种适当的手势来对周围的机器进行控制。以人手直接作为输入手段与其它输入方式相比较，具有自然性、简洁性、丰富性和直接性的特点。

发明内容

本发明的目的是为了解决现有技术中智能设备上音频控制的输入方式缺乏一定的创新性，难以实现用户对智能设备的个性化定制的问题，提出了一种基于3D手势识别的音频控制方法。

本发明的技术方案为：一种基于3D手势识别的音频控制方法，包括以下步骤：

S1、获取手势识别区域内的电场数据；

S2、在手势识别区域内建立空间3D坐标系；

S3、获取手势识别区域内电场变化区域的位置坐标；

S4、重复步骤S3，得到电场变化区域位置坐标的动态变化数据；

S5、根据X轴坐标的动态变化数据实时调整音频的音量大小；

S6、根据Y轴坐标的动态变化数据实时控制音频之间的切换；

S7、根据Z轴坐标的动态变化数据实时控制音频的播放与暂停。

进一步地，步骤S2具体包括以下分步骤：

S21、在手势识别区域内选定一点作为坐标原点；

S22、确定X轴、Y轴与Z轴的正方向，建立空间3D坐标系。

进一步地，步骤S5具体包括以下分步骤：

S51、设定X轴坐标数据的变化量与音量大小变化量的对应关系；

S52、设定X轴坐标数据的采集时间间隔ΔT_x；

S53、根据公式(1)计算每一采集时间间隔ΔT_x内X轴坐标数据的变化量：

ΔX_n＝X_n-X_n-1(n＝1,2,3…)                   (1)；

S54、根据步骤S51中设定的对应关系对音频的音量大小进行实时调整。

进一步地，步骤S6具体包括以下分步骤：

S61、设定Y轴坐标数据的采集时间间隔ΔT_y；

S62、根据公式(2)计算每一采集时间间隔ΔT_y内Y轴坐标数据的变化量：

ΔY_n＝Y_n-Y_n-1(n＝1,2,3…)                     (2)；

S63、设定音频切换触发阈值Y_max与Y_min；

S64、将Y轴坐标数据的变化量ΔY_n分别与Y_max及Y_min进行比较，

若ΔY_n>＝Y_max，则切换至音频播放列表中的下一个音频；

若ΔY_n<＝Y_min，则切换至音频播放列表中的上一个音频；

若Y_min<ΔY_n<Y_max，则继续播放当前音频。

进一步地，Y_max值为正，Y_min值为负。

进一步地，步骤S7具体包括以下分步骤：

S71、定义单击触发阈值Z_m；

S72、定义单击触发条件：当Z轴坐标数据首先减少，并且减少量超过单击触发阈值Z_m，随后Z轴坐标数据再增加，并且增加量超过单击触发阈值Z_m，则定义为触发一次单击，记单击次数N_z＝1；

S73、设定单击次数判定时间间隔ΔT_z；

S74、根据单击次数判定时间间隔ΔT_z内的单击次数N_z实时控制音频的播放与暂停：

若N_z＝1，则播放音频；

若N_z＝2，则暂停音频；

若N_z≠1且N_z≠2，则保持音频当前状态。

本发明的有益效果是：本发明通过对3D空间中手势动作的识别，实现了对智能设备上音频的播放/暂停、音量大小调节以及音频之间的切换等操作，能够实现产品的个性化定制功能，具有自然性、简洁性、新颖性等特点。

附图说明

图1为本发明提供的一种基于3D手势识别的音频控制方法流程图。

图2为本发明步骤S2的分步骤流程图。

图3为本发明步骤S5的分步骤流程图。

图4为本发明步骤S6的分步骤流程图。

图5为本发明步骤S7的分步骤流程图。

具体实施方式

下面结合附图对本发明的实施例作进一步的说明。

本发明提供了一种基于3D手势识别的音频控制方法，如图1所示，包括以下步骤：

S1、获取手势识别区域内的电场数据；

这里采用电场强度传感器对手势识别区域进行测量，获取手势识别区域内的初始电场数据，其目的在于：

(1)为随后在手势识别区域内建立空间3D坐标系提供参考；

(2)便于随后获取电场信号的动态变化数据。

S2、在手势识别区域内建立空间3D坐标系；

如图2所示，该步骤具体包括以下分步骤：

S21、在手势识别区域内选定一点作为坐标原点；

本发明中，对坐标原点位置的选定并无明确限制，通常坐标原点会选在靠近手势识别区域中心的位置。

S22、确定X轴、Y轴与Z轴的正方向，建立空间3D坐标系。

本发明实施例中，将电场强度传感器的背对方向作为Y轴的正方向建立Y轴；将电场强度传感器正对方向的右方作为X轴的正方向，垂直于Y轴建立X轴；将电场强度传感器正对方向的上方作为Z轴的正方向，垂直于X轴和Y轴所在平面建立Z轴，以此建立空间3D坐标系。

S3、获取手势识别区域内电场变化区域的位置坐标；

S4、重复步骤S3，得到电场变化区域位置坐标的动态变化数据；

由于用户手势的变化会切割手势识别区域内的电场线，从而造成电场信号数据的变化，因此电场变化区域的位置坐标即可反应用户手势的位置，而用户手势变化的物理动作便可以由电场变化区域位置坐标的动态变化数据来表征。

S5、根据X轴坐标的动态变化数据实时调整音频的音量大小；

如图3所示，该步骤具体包括以下分步骤：

S51、设定X轴坐标数据的变化量与音量大小变化量的对应关系；

本发明实施例中，X轴坐标数据的变化量与音量大小变化量的对应关系设定为：X轴坐标数据每增加1cm，音量大小增大1dB；X轴坐标数据每减少1cm，音量大小减小1dB。

S52、设定X轴坐标数据的采集时间间隔ΔT_x；

本发明实施例中，X轴坐标数据的采集时间间隔ΔT_x＝0.1s。

S53、根据公式(1)计算每一采集时间间隔ΔT_x内X轴坐标数据的变化量：

ΔX_n＝X_n-X_n-1(n＝1,2,3…)                (1)；

S54、根据步骤S51中设定的对应关系对音频的音量大小进行实时调整。

例如，若ΔX₁＝5cm，则音频的音量大小增大5dB；

若ΔX₂＝-7cm，则音频的音量大小减小7dB。

S6、根据Y轴坐标的动态变化数据实时控制音频之间的切换；

如图4所示，该步骤具体包括以下分步骤：

S61、设定Y轴坐标数据的采集时间间隔ΔT_y；

本发明实施例中，Y轴坐标数据的采集时间间隔ΔT_y＝0.5s。

S62、根据公式(2)计算每一采集时间间隔ΔT_y内Y轴坐标数据的变化量：

ΔY_n＝Y_n-Y_n-1(n＝1,2,3…)               (2)；

S63、设定音频切换触发阈值Y_max与Y_min；

其中，Y_max值为正，Y_min值为负。

本发明实施例中，音频切换触发阈值Y_max＝20cm，Y_min＝-20cm。

S64、将Y轴坐标数据的变化量ΔY_n分别与Y_max及Y_min进行比较，

若ΔY_n>＝Y_max，则切换至音频播放列表中的下一个音频；

若ΔY_n<＝Y_min，则切换至音频播放列表中的上一个音频；

若Y_min<ΔY_n<Y_max，则继续播放当前音频。

例如，若ΔY₁＝18cm，则继续播放当前音频；

若ΔY₂＝22cm，则切换至音频播放列表中的下一个音频进行播放；

若ΔY₃＝-25cm，则切换至音频播放列表中的上一个音频进行播放。

S7、根据Z轴坐标的动态变化数据实时控制音频的播放与暂停。

如图5所示，该步骤具体包括以下分步骤：

S71、定义单击触发阈值Z_m；

本发明实施例中，单击触发阈值Z_m＝10cm。

S72、定义单击触发条件：当Z轴坐标数据首先减少，并且减少量超过单击触发阈值Z_m，随后Z轴坐标数据再增加，并且增加量超过单击触发阈值Z_m，则定义为触发一次单击，记单击次数N_z＝1；

S73、设定单击次数判定时间间隔ΔT_z；

本发明实施例中，单击次数判定时间间隔ΔT_z＝1s。

S74、根据单击次数判定时间间隔ΔT_z内的单击次数N_z实时控制音频的播放与暂停：

若N_z＝1，则播放音频；

若N_z＝2，则暂停音频；

若N_z≠1且N_z≠2，即当单击次数为1或2外的其它值时，则保持音频当前状态。

保持音频当前状态指：若音频当前正处于播放状态，则保持播放状态；若音频当前正处于暂停状态，则保持暂停状态。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (6)

1.一种基于3D手势识别的音频控制方法，其特征在于，包括以下步骤：

S1、获取手势识别区域内的电场数据；

S2、在手势识别区域内建立空间3D坐标系；

S3、获取手势识别区域内电场变化区域的位置坐标；

S4、重复步骤S3，得到电场变化区域位置坐标的动态变化数据；

S5、根据X轴坐标的动态变化数据实时调整音频的音量大小；

S6、根据Y轴坐标的动态变化数据实时控制音频之间的切换；

S7、根据Z轴坐标的动态变化数据实时控制音频的播放与暂停。

2.根据权利要求1所述的基于3D手势识别的音频控制方法，其特征在于，所述步骤S2具体包括以下分步骤：

S21、在手势识别区域内选定一点作为坐标原点；

S22、确定X轴、Y轴与Z轴的正方向，建立空间3D坐标系。

3.根据权利要求1所述的基于3D手势识别的音频控制方法，其特征在于，所述步骤S5具体包括以下分步骤：

S51、设定X轴坐标数据的变化量与音量大小变化量的对应关系；

S52、设定X轴坐标数据的采集时间间隔ΔT_x；

S53、根据公式(1)计算每一采集时间间隔ΔT_x内X轴坐标数据的变化量：

ΔX_n＝X_n-X_n-1(n＝1,2,3…)        (1)；

S54、根据步骤S51中设定的对应关系对音频的音量大小进行实时调整。

4.根据权利要求1所述的基于3D手势识别的音频控制方法，其特征在于，所述步骤S6具体包括以下分步骤：

S61、设定Y轴坐标数据的采集时间间隔ΔT_y；

S62、根据公式(2)计算每一采集时间间隔ΔT_y内Y轴坐标数据的变化量：

ΔY_n＝Y_n-Y_n-1(n＝1,2,3…)       (2)；

S63、设定音频切换触发阈值Y_max与Y_min；

S64、将Y轴坐标数据的变化量ΔY_n分别与Y_max及Y_min进行比较，

若ΔY_n>＝Y_max，则切换至音频播放列表中的下一个音频；

若ΔY_n<＝Y_min，则切换至音频播放列表中的上一个音频；

若Y_min<ΔY_n<Y_max，则继续播放当前音频。

5.根据权利要求4所述的基于3D手势识别的音频控制方法，其特征在于，所述Y_max值为正，所述Y_min值为负。

6.根据权利要求1所述的基于3D手势识别的音频控制方法，其特征在于，所述步骤S7具体包括以下分步骤：

S71、设定单击触发阈值Z_m；

S72、定义单击触发条件：当Z轴坐标数据首先减少，并且减少量超过单击触发阈值Z_m，随后Z轴坐标数据再增加，并且增加量超过单击触发阈值Z_m，则定义为触发一次单击，记单击次数N_z＝1；

S73、设定单击次数判定时间间隔ΔT_z；

S74、根据单击次数判定时间间隔ΔT_z内的单击次数N_z实时控制音频的播放与暂停：

若N_z＝1，则播放音频；

若N_z＝2，则暂停音频；

若N_z≠1且N_z≠2，则保持音频当前状态。