具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供一种蓝牙音箱控制方法，如图1所示，所述方法的主要流程描述如下(步骤S101～S109)：

步骤S101：开启摄像头。

步骤S102：利用摄像头获取手势开始指令，根据手势开始指令采集第一图像。

步骤S103：将第一图像输入到分类器中，并利用分类器确定第一图像中是否存在开始手势，若是，则转入步骤S104和步骤S105；若否，则返回步骤S102。

步骤S104：获取开始手势检测框的坐标，并将该坐标记作第一坐标。

步骤S105：利用摄像头获取手势停止指令，根据手势停止指令采集第二图像。

步骤S106：将第二图像输入到分类器中，并利用分类器确定第二图像中是否存在停止手势，若是，则转入步骤S107；若否，则返回步骤S102。

步骤S107：获取停止手势检测框的坐标，并将该坐标记作第二坐标。

步骤S108：根据第一坐标和第二坐标获取功能指令。

步骤S109：将功能指令发送至蓝牙控制终端，获取并播放蓝牙控制终端返回的音频信息。

上述中，在接收到摄像头开启指令后，开启摄像头，摄像头开启指令可以是由按下蓝牙音箱上的实体按键或者麦克风采集语音等操作之后生成的；分类器是OpenCV计算机视觉库中的已经训练好的分类器，可以识别图像中的各种手势；功能指令包括播放上一首指令、播放下一首指令、音量调低指令、音量调高指令、开始播放指令和停止播放指令；蓝牙控制终端可以为手机、平板电脑和笔记本电脑等。

下面对上述步骤的实现方式进行具体描述和补充。

本实施例中，本申请根据人体的手势动作判断相应的功能指令，从而实现对蓝牙音箱的远程控制，例如，手势动作“往左一挥”对应“播放上一首指令”，手势动作“往右一挥”对应“播放下一首指令”，手势动作“往上一挥”对应“音量调高指令”，手势动作“往下一挥”对应“音量调低指令”。

如果人体随意挥动手就生成功能指令，则生成的功能指令极易是错误的，因此将手开始挥动的手势定义为开始手势，结束挥动的手势定义为停止手势，且开始手势和停止手势均需要人体维持一段时间才能被蓝牙音箱检测成功。

当停止手势与开始手势处于同一位置时，功能指令为开始播放指令或停止播放指令，例如，开关手势为“手掌”，停止手势为“拳头”，蓝牙音箱开机之后，处于未播放状态，当第一次检测到停止手势与开始手势处于同一位置时，判定为开始播放指令，当第二次检测到停止手势与开始手势处于同一位置时，判定为停止播放指令。

如图2所示，在蓝牙音箱开机的同时初始化计数器，计数器的初始值为零，启动摄像头，摄像头可转动，在摄像头开启之后，自动捕捉人体，获取第一视频流，将摄像头采集的第一视频流的帧图像输入到分类器中，利用分类器检测第一视频流的帧图像中是否存在开始手势，若是，则开启计时器，获取第一计时值。

判断第一计时值是否不小于第一阈值，本申请将第一阈值设置为3秒，当第一计时值不小于3秒时，判定为已获取手势开始指令，此时采集人体的当前图像，将该图像作为第一图像，并关闭计时器。

将第一图像输入到分类器中，利用分类器对第一图像进行检测识别，若检测出第一图像中存在开始手势，则获取开始手势检测框的坐标，并将该坐标记作第一坐标。根据第一坐标计算得到开始手势检测框的中心坐标，将该坐标记作第一中心坐标A(x₁，y₁)。

值得注意的是，本申请涉及到的检测框均为矩形框，摄像头采集的原图均为矩形图像框，检测框的坐标均以摄像头采集的原图的左下角为坐标原点计算得到。

在检测出第一图像中存在开始手势之后，继续利用摄像头对人体进行实时采集，并获取第二视频流，将第二视频流的帧图像输入到分类器中，利用分类器检测第二视频流的帧图像中是否存在停止手势，若是，则开启计时器，获取第二计时值。

判断第二计时值是否不小于第二阈值，本申请将第二阈值也设置为3秒，当第二计时值不小于3秒时，判定为已获取手势停止指令，采集人体的当前图像，将该图像作为第二图像，并关闭计时器。

将第二图像输入到分类器中，利用分类器对第二图像进行检测识别，若检测出第二图像中存在停止手势，则获取停止手势检测框的坐标，并将该坐标记作第二坐标。根据第二坐标计算得到停止手势检测框的中心坐标，将该坐标记作第二中心坐标B(x₂，y₂)。

计算第二中心坐标的横坐标值与第一中心坐标的横坐标值的差值，并将该差值记作第一差值X，其中X＝x₂-x₁；计算第二中心坐标的纵坐标值与第一中心坐标的纵坐标值的差值，并将该差值记作第二差值Y₁，其中Y₁＝y₂-y₁。

(1)若第一差值的绝对值不小于第一预设值，且第二差值的绝对值不大于第二预设值，则生成播放指令，其中，第一预设值大于第二预设值。例如，将第一预设值设置为5，第二预设值为3，当|X|≥5，且|Y₁|≤3时，生成播放指令。

在生成播放指令之后，判断第一差值是否小于零，若是，则表示人体的手由右向左移动即手势动作为“往左一挥”，生成播放上一首指令；若否，则表示人体的手由左向右移动即手势动作为“往右一挥”，生成播放下一首指令。

若生成的是播放上一首指令，则将播放上一首指令发送至蓝牙控制终端，蓝牙控制终端根据该指令转至上一首音频，音频可以为音乐、相声和新闻等，蓝牙控制终端将上一首音频的音频信息发送至蓝牙音箱，蓝牙音箱接收蓝牙控制终端返回的音频信息，并根据音频信息进行播放；同理，若生成的是播放下一首指令，蓝牙音箱根据接收到的下一首音频的音频信息进行播放。

(2)若第二差值的绝对值不小于第三预设值，且第一差值的绝对值不大于第四预设值，则生成音量指令，其中，第三预设值大于第四预设值。例如，将第三预设值设置为5，第四预设值为3，当|Y₁|≥5，且|X|≤3时，生成音量指令。

在生成音量指令之后，判断第二差值是否小于零，若是，则表示人体的手由上至下移动即手势动作为“往下一挥”，生成音量调低指令；若否，则表示人体的手由下至上移动即手势动作为“往上一挥”，生成音量调高指令。

在生成音量指令之后，还利用分类器对第一图像中的人体区域进行检测或者利用分类器对第二图像中的人体区域进行检测，确定人体检测框的坐标，其中，人体检测框指的是框出完整人体的最小检测框。

计算人体检测框的坐标中的最大纵坐标值y_max与最小纵坐标值y_min的差值，并将该差值记作第三差值Y₂，其中第三差值为Y₂＝y_max-y_min。

根据第二差值Y₁、第三差值Y₂以及音量总值H计算音量调节数值h，具体的，

若生成的是音量调低指令，则将音量调低指令和音量调节数值h发送至蓝牙控制终端，蓝牙控制终端将音频的音量调低h个数值，相应的，蓝牙音箱的音量降低；若生成的是音量调高指令，则将音量调高指令和音量调节数值h发送至蓝牙控制终端，蓝牙控制终端将音频的音量调高h个数值，相应的，蓝牙音箱的音量升高。

(3)若第一差值的绝对值不大于第五预设值，且第二差值的绝对值不大于第六预设值，则计数器的计数值加一。例如，将第五预设值和第六预设值均设置为3，当|X|≤3，且|Y₁|≤3时，计数值加一。

判断计数值是否为单数，若是，则生成开始播放指令，若否，则生成停止播放指令。

值得注意的是，计数值加一的方式还可以是按下蓝牙音箱上的实体按键或者麦克风采集语音等操作。

若生成的是开始播放指令，则将开始播放指令发送至蓝牙控制终端，蓝牙控制终端开始播放音频，相应的，蓝牙音箱同步播放该音频；若生成的是停止播放指令，则将停止播放指令发送至蓝牙控制终端，蓝牙控制终端停止播放音频，相应的，蓝牙音箱也停止播放该音频。

在将开始播放指令或者停止播放指令发送至蓝牙控制终端之后，返回获取第一视频流，将摄像头采集的第一视频流的帧图像输入到分类器中的步骤。

本实施例还包括语音控制方法，具体的，启动语音模式，语音模式启动指令可以是由按下蓝牙音箱上的实体按键操作之后生成的，语音模式开启之后，实时接收唤醒指令，唤醒指令可以是人体的呼叫声音，然后接收用户的语音信息，根据语音信息生成功能指令。

对上述语音控制方法进行举例说明：人体发出声音：“蓝牙音箱，播放下一首”，蓝牙音箱接收到“蓝牙音箱”的唤醒指令之后，接收用户的语音信息“播放下一首”。将该语音信息与蓝牙音箱的功能指令数据库中预存的语音信息进行对比，若接收的语音信息与预存的语音信息相同，则表示匹配成功，功能指令数据库包括播放上一首指令数据库、播放下一首指令数据库、音量调低指令数据库、音量调高指令数据库、开始播放指令数据库和停止播放指令数据库，“播放下一首”与播放下一首指令数据库中预存的语音信息匹配，则生成播放下一首指令，并将该指令发送至蓝牙控制终端，蓝牙控制终端进行播放下一首的操作。

当人体的手不方便按下蓝牙音箱上的实体按键时(例如人体的手上有水)，通过语音控制方法和手势控制方法便于人体控制蓝牙音箱。其中，当人体距离蓝牙音箱较近时，可以使用语音控制方法，当人体距离蓝牙音箱较远时，用户的唤醒指令和语音信息难以识别，易导致语音控制失败，此时可以使用手势控制方法实现对蓝牙音箱的远程控制。

为了更好地实施以上方法，本申请实施例还提供了一种蓝牙音箱控制系统，该系统具体可以集成在蓝牙音箱设备中。

图3为本申请实施例提供的一种蓝牙音箱控制系统的结构框图，如图3所示，该系统主要包括：

第一图像采集模块201，用于开启摄像头，并利用摄像头获取手势开始指令，根据手势开始指令采集第一图像；

开始手势确定模块202，用于将第一图像输入到分类器中，并利用分类器确定第一图像中是否存在开始手势，若是，则转入第一坐标获取模块203和第二图像采集模块204；

第一坐标获取模块203，用于获取开始手势检测框的坐标，并将该坐标记作第一坐标；

第二图像采集模块204，用于利用摄像头获取手势停止指令，根据手势停止指令采集第二图像；

停止手势确定模块205，用于将第二图像输入到分类器中，并利用分类器确定第二图像中是否存在停止手势，若是，则转入第二坐标获取模块206；

第二坐标获取模块206，用于获取停止手势检测框的坐标，并将该坐标记作第二坐标；

功能指令获取模块207，用于根据第一坐标和第二坐标获取功能指令；以及

音频信息播放模块208，用于将功能指令发送至蓝牙控制终端，获取并播放蓝牙控制终端返回的音频信息。

作为本实施例的一种可选实施方式，第一图像采集模块201，具体用于利用摄像头获取第一视频流，将第一视频流的帧图像输入到分类器中，利用分类器确定是否检测到开始手势；若是，则开启计时器，获取第一计时值；判断第一计时值是否不小于第一阈值；若是，则判定为已获取手势开始指令，开始采集第一图像，并关闭计时器。

作为本实施例的一种可选实施方式，第二图像采集模块204，具体用于利用摄像头获取第二视频流，将第二视频流的帧图像输入到分类器中，利用分类器确定是否检测到停止手势；若是，则开启计时器，获取第二计时值；判断第二计时值是否不小于第二阈值；若是，则判定为已获取手势停止指令，开始采集第二图像，并关闭计时器。

作为本实施例的一种可选实施方式，功能指令获取模块207，具体用于根据第一坐标计算得到开始手势检测框的第一中心坐标；根据第二坐标计算得到停止手势检测框的第二中心坐标；计算第二中心坐标的横坐标值与第一中心坐标的横坐标值的差值，并将该差值记作第一差值；计算第二中心坐标的纵坐标值与第一中心坐标的纵坐标值的差值，并将该差值记作第二差值；若第一差值的绝对值不小于第一预设值，且第二差值的绝对值不大于第二预设值，则生成播放指令，其中，第一预设值大于第二预设值；若第二差值的绝对值不小于第三预设值，且第一差值的绝对值不大于第四预设值，则生成音量指令，其中，第三预设值大于第四预设值。

作为本实施例的一种可选实施方式，功能指令获取模块207，还具体用于判断第一差值是否小于零，若是，则生成播放上一首指令；若否，则生成播放下一首指令。

作为本实施例的一种可选实施方式，功能指令获取模块207，还具体用于判断第二差值是否小于零，若是，则生成音量调低指令；若否，则生成音量调高指令。

作为本实施例的一种可选实施方式，如图4所示，该系统还包括音量调节数值计算模块209，用于在生成音量指令之后，利用分类器对第一图像中的人体区域进行检测或者利用分类器对第二图像中的人体区域进行检测，确定人体检测框的坐标；计算人体检测框的坐标中的最大纵坐标值与最小纵坐标值的差值，并将该差值记作第三差值；根据第二差值、第三差值以及音量总值计算音量调节数值；将音量调节数值发送至蓝牙控制终端。

作为本实施例的一种可选实施方式，如图4所示，该系统还包括播放指令生成模块210，用于开机并初始化计数器；若第一差值的绝对值不大于第五预设值，且第二差值的绝对值不大于第六预设值，则计数值加一；判断计数值是否为单数，若是，则生成开始播放指令，若否，则生成停止播放指令；在将开始播放指令或者停止播放指令发送至蓝牙控制终端之后，返回利用摄像头获取第一视频流，将第一视频流的帧图像输入到分类器中，利用分类器确定是否检测到开始手势的步骤。

上述实施例提供的方法中的各种变化方式和具体实例同样适用于本实施例的蓝牙音箱控制系统，通过前述对蓝牙音箱控制方法的详细描述，本领域技术人员可以清楚的知道本实施例中的蓝牙音箱控制系统的实施方法，为了说明书的简洁，在此不再详述。

为了更好地执行上述方法的程序，本申请实施例还提供一种蓝牙音箱设备，如图5所示，蓝牙音箱设备300包括存储器301和处理器302。

其中，存储器301可用于存储指令、程序、代码、代码集或指令集。存储器301可以包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如计算第一中心坐标等)以及用于实现上述实施例提供的蓝牙音箱控制方法的指令等；存储数据区可存储上述实施例提供的蓝牙音箱控制方法中涉及到的数据等。

处理器302可以包括一个或者多个处理核心。处理器302通过运行或执行存储在存储器301内的指令、程序、代码集或指令集，调用存储在存储器301内的数据，执行本申请的各种功能和处理数据。处理器302可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器302功能的电子器件还可以为其它，本申请实施例不作具体限定。

本申请实施例提供一种计算机可读存储介质，例如包括：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。该计算机可读存储介质存储有能够被处理器加载并执行上述实施例的蓝牙音箱控制方法的计算机程序。

本具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。