一种基于图像识别的弹点定位方法
技术领域
本发明涉及智能报靶装置领域,具体地说是涉及一种图像逐帧比较的弹点定位方法。
背景技术
目前部队轻武器射击训练还多采用靶壕加机械升降靶的形式进行,整体情况较为落后,不论是昼间训练,还是夜间训练,都需要分组依次实施,100个人,10个靶位,就要分成10轮来打,打完1轮,记录1轮的成绩,重新处理靶纸,再打下一轮。粗略统计,记录成绩、处理靶纸的时间,要占到全部训练时间的70%以上,严重制约训练效率。夜间训练,还存在较大的安全风险。
自动报靶系统应用程度较低,主要应用于单一科目的训练,其存在的难点在于科技含量高,成本相对较高;市场上现存的自动报靶系统有双层电极短路采样系统、声电定位自动报靶系统、半导体电子靶系统、激光幕弹点定位系统、一种基于图像识别的射击自动报靶系统。
双层电极短路采样法:是在靶纸后面设置两层隔离的金属纸,借助子弹头导电的特性,就能实现瞬间信号检测。此种方式的缺陷在于着弹的实报率很低,手枪等圆弹头、短弹头等命中时均不能报靶,即使普通长弹头命中的实报率也较低,且不能连发射击(两次射击间隔在2秒以上),没有总成绩的统计,着弹后报靶显示1秒钟后消失,不能保留显示。
声电定位自动报靶系统:是一种基于超音速弹丸激波所致声爆在掠过传声器阵列时声爆脉冲的时延数据和激波形态与传声器阵列之间的几何关系,构造出超声报靶定位的数学模型,将计算机数据采集与数值计算相结合的实时报靶定位系统。但此种方式的缺陷在于此技术通常用于较大目标的自动报靶系统,在室外野战实弹射击训练中应用较为合适。但该系统不能将现场射击弹孔留下以作查对。且这种新型系统的特点是成本奇高、系统复杂、调试困难,通常只能用在决赛中,而且需要专业人员现场调试指导。
半导体电子靶系统:分为光电传感式自动报靶系统和电极埋入式报靶系统。两者均是将靶划分为矩阵式的网格状。每个小网格对应着靶上的一个方形区域。每一组垂直方向和水平方向光电器件编号的组合,就是靶上对应点的坐标。网格越密集。弹点的分辨率就越高,报靶系统的成本也越高。使用中存在两个问题:一是在射击开始前要校准光电传感器装置和实际靶体互相对应的基准点;二是要防止枪弹对光电传感装置的物理损害。电极埋入式自动报靶系统与光电传感式报靶系统的原理类似,但其靶体在每次射击后就报废,这是造成成本高的主要原因,也限制了它在普通射击训练和竞赛上的应用。
激光幕弹点定位系统:在靶子四周安装有激光发射与接收设备,担心设备被子弹打中,又加装了防弹钢板进行防护,靶子做得比较笨重,同时还存在子弹打到防弹钢板上反弹的风险。
还有的,一种基于图像识别的射击自动报靶系统:该系统的原理是通过灰度对比来确定弹孔位置。该系统由摄像头、图像接收、数据缓存、DSP芯片、收发模块和显示终端组成,接收控制中心的指令控制图像采集,将图像结果发送至控制中心,控制中心内产生数据库,在数据库内完成人员设置、秩序排列和成绩管理。此种系统的缺陷在于:
采用图像灰度对比方式的图像分析方法比较单一:1.不能有效解决误判:例如飞虫落在靶纸上,会使得系统误认为弹孔,造成误判;2.没有解决胸环靶的智能判断,只解决了单一的环形靶,使得不能适应实际训练的需求;3、终端显示里面没有模拟图像数据的显示,使得训练结果不能进行直观有效的对比。
综上,现有的智能报靶系统耗材成本高、设备被击中后损坏以及抗干扰能力差等问题。
发明内容
为了解决现有技术中智能报靶系统耗材成本高、设备易损坏的缺陷,本发明提供一种基于图像识别的弹点定位方法。
所述的一种基于图像识别的弹点定位方法,其特征在于:包括以下步骤:
S1.射击前选取子弹种类,与数据库中的弹孔模板对应;
S2.通过图像采集装置采集靶纸图像,与数据库中存储的靶纸图像模板进行对比以识别靶纸;同时,根据靶纸模板确定靶纸图像中环数的数字模板;
S3.采集图像处理装置中存储的连续图像,将每一帧图像均与前一帧图像进行单独对比,判断靶纸是否晃动,如果靶纸发生晃动,则开启新弹孔识别过程,产生新弹孔的位置信息;
S4.将新弹孔的位置信息发送至服务器,由服务器将位置信息发送至显示机构,完成显示;其中,S3步骤中判断靶纸晃动的方法是:将当前图像与其前一帧图像做差,利用公式:
进行对比判断;
其中,R(x,y):处理后的图像;
Isrc(x,y):当前图像;
Icur(x,y):当前图像的前一帧图像;
threshold:阈值;
然后,统计R(x,y)中非零像素的个数,数量小于R(x,y)图像像素总数的30%则说明靶纸没有震动,数量大于图像像素总数的30%则说明发生震动。
在靶纸发生晃动的情况下,将触发新弹孔识别的图像与其前一帧图像利用公式:
做差;
其中,R(x,y):处理后的图像;
Isrc(x,y):当前图像;
Icur(x,y):当前图像的前一帧图像;
threshold:阈值;
然后,统计R(x,y)中非零像素的密集的位置,判断新弹孔的位置;其中,统计R(x,y)中非零像素的密集的位置的方法是:遍历R(x,y)中的像素点,统计R(x,y)中非零像素的坐标,单行单列比较坐标值,得出坐标值连续的非零像素区域,抽象该非零像素区域的边界与弹孔模板进行比对;
如该非零像素区域的形状与弹孔模板中所记录的形状相匹配,则认为该非零像素区域为新的弹孔,求取该非零像素区域边缘坐标值的平均值作为弹孔中心;
将该非零像素区域边缘坐标值的平均值作为种子,利用区域生长算法,让该非零像素区域生长至该非零像素区域对应的靶纸模板中的环的边界即完成生长;遍历生长区域像素,对照靶纸模板得出环数标识所在区域,将该区域与数字模板进行比对即可得到该非零像素区域的环数,该环数即为新弹孔环数。
当新弹孔的位置位于靶纸的环上时,通过构造法判断弹孔位置;其中,所述构造法是:非零像素区域进行区域生长后统计生长区域的像素点个数,大于靶纸模板中单个环的最大像素个数,即可认为新弹孔压线;
此时,将非零像素区域中所对应的坐标点进行统计,计算出边缘坐标平均值,该平均值所对应的点与数字模板进行对比,其所对应的环数即为新弹孔环数。
本发明所带来的有益效果为:本发明所述的逐帧图像对比进行弹孔识别的方法,采用每一帧图像均与前一帧图像进行单独对比,判断靶纸是否晃动,如果靶纸发生晃动,则开启新弹孔识别过程,产生新弹孔的位置信息。本发明具有成本低,将原有的硬件检测方法转变为软件检测方法,降低了成本,同时,通过区域生长的计算方法,得到感兴趣的区域,再将该感兴趣的区域进行计算可以区分着弹点在环上或不在环上的情况。同时,将感兴趣的区域与相应的弹孔模板进行对比,可以有效解决飞虫等外界因素的干扰,提高系统的抗干扰性。同时,通过软件方法远程可以实现弹孔识别,杜绝了危险的产生。
附图说明
图1靶纸静止图像。
图2新弹孔图像。
图3两幅图像做差之后的二值化图像。
图4进行区域生长后所得到的区域。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
所述的一种基于图像识别的弹点定位方法,其特征在于:包括以下步骤:
S1.射击前选取子弹种类,与数据库中的弹孔模板对应;
S2.通过图像采集装置采集靶纸图像,与数据库中存储的靶纸图像模板进行对比以识别靶纸;同时,根据靶纸模板确定靶纸图像中环数的数字模板;
S3.采集图像处理装置中存储的连续图像,将每一帧图像均与前一帧图像进行单独对比,判断靶纸是否晃动,如果靶纸发生晃动,则开启新弹孔识别过程,产生新弹孔的位置信息;
在此步骤,如果有飞虫落入靶纸上,由于飞虫无法使靶纸发生振动,所以不会开启新弹孔识别过程,排除了飞虫干扰;
S4.将新弹孔的位置信息发送至服务器,由服务器将位置信息发送至显示机构,完成显示;其中,S3步骤中判断靶纸晃动的方法是:将当前图像与其前一帧图像做差,利用公式:
进行对比判断;
其中,R(x,y):处理后的图像;
Isrc(x,y):当前图像;
Icur(x,y):当前图像的前一帧图像;
threshold:阈值;
然后,统计R(x,y)中非零像素的个数,数量小于R(x,y)图像像素总数的30%则说明靶纸没有震动,数量大于图像像素总数的30%则说明发生震动。
需要明确的是:在S1步骤中,选取子弹种类的手段可以通过外设选择的方式进行。由于本发明弹孔识别的方法通过每一帧图像均与前一帧图像进行单独对比的方法进行,所以,在射击的过程中可以更换子弹。弹孔识别过程会自动对应相应的弹孔模板,提高了本发明的实用性。
需要明确的是:弹孔模板可以采集于实际射击的靶纸上,采集的数量越多,对比越准确。
需要明确的是:识别靶纸的过程是:建立各种靶纸模型,如胸靶、环靶等靶纸;将采集的靶纸图像与靶纸模型进行对比,选取对应度较高的靶纸模型。识别靶纸的过程可以将靶纸图像与靶纸模型做差,得到的图像中非零像素越少说明匹配度越高。
需要明确的是:本发明对应控制系统,该控制系统由靶纸、靶架、图像采集与智能分析装置、服务器、平板电脑和无线基站等组成。子弹打击靶纸后,由图像采集与智能分析装置进行图像的采集对比分析,将数据传输到服务器,服务器再将数据分发给对应的平板电脑客户端。
对于现场传输场景来说,采用WIFI进行传输视频图像会造成拥塞问题。但是考虑到实时视频采集的画面变化较小,唯一的变化仅在于新的弹孔位置,摄像头前端已经对此进行识别分析,形成弹孔位置数据,因此,只需要对该位置数据进行传输,并在收端模拟显示的靶纸图像上重构出弹孔画面即可。
而对于一些智能应用需求,可以通过传输纯语义的弹痕相对坐标,在远程应用端构造虚拟靶纸,并将弹痕坐标预期匹配,形成可视化的图形界面即可。
可以的,采用大数据分析技术,针对单位和个人在射击训练时,用软件把每次射击训练所应用的武器、所有射手的射击成绩自动进行数据存储,数据模式以表格和图形模块来进行展示。成果展示主要有个人成绩统计分析、单位成绩统计分析、单个武器成绩统计分析、单种武器成绩统计分析,使各级领导能够直观掌握本单位轻武器射击训练成绩,使装备管理人员了解每一把武器和每一种武器的技术状态,使每名射手了解自己射击成绩的特点和波动,为训练成绩量化考核提供依据。
在训练场附近区域放置便携式WiFi基站,建立小型局域网络,将前端图像采集装置和智能终端显示设备通过无线网络进行连接,在局域网内进行视频数据的高速实时传输。
在靶纸发生晃动的情况下,将触发新弹孔识别的图像与其前一帧图像利用公式:
做差;
其中,R(x,y):处理后的图像;
Isrc(x,y):当前图像;
Icur(x,y):当前图像的前一帧图像;
threshold:阈值;
然后,统计R(x,y)中非零像素的密集的位置,判断新弹孔的位置;
其中,统计R(x,y)中非零像素的密集的位置的方法是:遍历R(x,y)中的像素点,统计R(x,y)中非零像素的坐标,单行单列比较坐标值,得出坐标值连续的非零像素区域,抽象该非零像素区域的边界与弹孔模板进行比对;
如该非零像素区域的形状与弹孔模板中所记录的形状相匹配,则认为该非零像素区域为新的弹孔,求取该非零像素区域边缘坐标值的平均值作为弹孔中心;
将该非零像素区域边缘坐标值的平均值作为种子,利用区域生长算法,让该非零像素区域生长至该非零像素区域对应的靶纸模板中的环的边界即完成生长;遍历生长区域像素,对照靶纸模板得出环数标识所在区域,将该区域与数字模板进行比对即可得到该非零像素区域的环数,该环数即为新弹孔环数。
需要明确的是:当该非零像素区域所在的位置不在环上的时候:非零像素区域对应的边缘坐标平均值在某一环的内部,那么当区域生长时遇到白色的靶纸环时,就停止生长,形成稳定的区域。在此区域的基础上,对照靶纸模板得出环数标识所在区域,将该区域与数字模板进行比对即可得到该非零像素区域的环数,该环数即为新弹孔环数。
当新弹孔的位置位于靶纸的环上时,通过构造法判断弹孔位置;
其中,所述构造法是:非零像素区域进行区域生长后统计生长区域的像素点个数,大于靶纸模板中单个环的最大像素个数,即可认为新弹孔压线;
此时,将非零像素区域中所对应的坐标点进行统计,计算出边缘坐标平均值,该平均值所对应的点与数字模板进行对比,其所对应的环数即为新弹孔环数。
需要明确的是:当该非零像素区域所在的位置在环上的时候:在进行区域生长时,由于采用的边缘坐标平均值,则在环两侧的区域都会生长,形成接近两个相邻环的区域,像素点明显过大。此时,将非零像素区域中所对应的坐标点进行统计,计算出边缘坐标平均值,该平均值所对应的点与数字模板进行对比,其所对应的环数即为新弹孔环数。
具体实施例I:如图1~4,图2新弹孔图像相对于图1静止图像在9环区域下方有一个新弹孔,将两幅图像做差对图像进行二值化,得到做差之后的二值化图像,如图3。肉眼可见在新弹孔对应位置为非零像素密集区,以该非零像素区域边缘坐标值的平均值作为种子,在图2新弹孔图像上进行区域增长,即可得到图4所示图像,即可获得新弹孔所属环数区域,根据之前确定的靶纸模板,可知该环数区域环数标识所在位置,得到该位置图像与数字模板做比对即可得到该区域环数值,至此判定新弹孔环数值完成。
以上所述仅为发明的较佳实施例而己,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。