CN109948630A - 靶纸图像的识别方法、装置、系统和存储介质 - Google Patents
靶纸图像的识别方法、装置、系统和存储介质 Download PDFInfo
- Publication number
- CN109948630A CN109948630A CN201910210285.4A CN201910210285A CN109948630A CN 109948630 A CN109948630 A CN 109948630A CN 201910210285 A CN201910210285 A CN 201910210285A CN 109948630 A CN109948630 A CN 109948630A
- Authority
- CN
- China
- Prior art keywords
- target
- target sheet
- parameter
- sheet image
- measured
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种靶纸图像的识别方法,包括:检测待测靶纸图像,获得所述待测靶纸图像中多个靶环的外轮廓线参数,记录为目标靶环参数;所述待测靶纸图像通过拍摄待测靶纸获得;在所述待测靶纸图像上检测到箭体目标时,获得所述箭体目标的箭头参数;根据所述箭头参数和所述目标靶环参数获取所述箭体目标所射中的靶环值。本发明还公开了一种靶纸图像的识别装置、系统和存储介质。本发明无需对待测靶纸图像进行图像校正,直接对拍摄得到的待测靶纸图像进行检测,并进一步获得箭头目标射中的靶环值,准确性高。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种靶纸图像的识别方法、装置、系统和存储介质。
背景技术
在射箭运动的比赛、训练以及娱乐场馆中,大多采用传统的人工报靶方式。其工作量大、安全性差、效率低,也不便于实时了解射箭情况。因此机器自动报靶技术应运而生。其中,基于视频流的射箭自动报靶方法因其安装简单便于移动使用方便等优点被重点研究。该方法主要是通过对视频采集得到的靶纸图像进行处理,从而得到需要的信息以进行自动报靶。
由于视频拍摄得到的靶纸图像会由于箭靶与摄像头的夹角以及箭靶与地面的夹角产生几何失真,现有的方法中,对靶纸图像进行处理的方法一般为对视频拍摄得到的靶纸图像进行几何校正,进而根据校正后的靶纸图像计算箭头端点到靶环中心点的距离,利用多个靶环的半径等差的特点,根据该距离判断箭头所处的靶环位置,得到靶环值。
然而对几何失真的靶纸图像进行几何校正会产生较大误差,根据其计算得到的箭头端点到靶环中心点的距离判定得到的靶环值不准,从而导致报靶不准。
发明内容
本发明的主要目的在于提供一种靶纸图像的识别方法、装置、系统和存储介质,旨在解决靶环值识别不准确的技术问题。
为实现上述目的,本发明提供一种靶纸图像的识别方法,包括以下步骤:
检测待测靶纸图像,获得所述待测靶纸图像中多个靶环的外轮廓线参数,记录为目标靶环参数;所述待测靶纸图像通过拍摄待测靶纸获得;
在所述待测靶纸图像上检测到箭体目标时,获得所述箭体目标的箭头参数;
根据所述箭头参数和所述目标靶环参数获取所述箭体目标所射中的靶环值。
可选地,所述检测待测靶纸图像,获得所述待测靶纸图像中多个靶环的外轮廓线参数,记录为目标靶环参数的步骤包括:检测待测靶纸图像,获得所述待测靶纸图像中多个色环的外轮廓线参数,一种颜色的色环对应两个相邻的靶环;拟合模板靶环参数和所述多个色环的外轮廓线参数,建立两者的映射模型,通过所述映射模型预测得到所述待测靶纸图像中多个色环的中间轮廓线参数;其中,所述模板靶环参数为模板靶纸图像中多个靶环的外轮廓线参数,所述模板靶纸图像用于打印所述待测靶纸;根据所述外轮廓线参数和所述中间轮廓线参数得到所述目标靶环参数。
可选地,所述检测待测靶纸图像的步骤之前还包括:检测模板靶纸图像,获得所述模板靶纸图像中多个靶环的外轮廓线参数,记录为模板靶环参数。
可选地,所述检测模板靶纸图像,获得所述模板靶纸图像中多个靶环的外轮廓线参数,记录为模板靶环参数的步骤包括:对所述模板靶纸图像进行边缘检测,得到所述模板靶纸图像中多个靶环的外轮廓线;对所述多个靶环的外轮廓线进行椭圆参数拟合,获得所述模板靶环参数。
可选地,所述检测待测靶纸图像,获得所述待测靶纸图像中多个色环的外轮廓线参数的步骤包括:对所述待测靶纸图像进行靶环定位和颜色聚类,得到待测靶环图像;对所述待测靶环图像进行边缘检测,得到多个色环的外轮廓线;对多个色环的外轮廓线进行椭圆参数拟合,获得所述待测靶纸图像中多个色环的外轮廓线参数。
可选地,所述对所述待测靶环图像进行边缘检测,得到多个色环的外轮廓线的步骤包括:根据颜色聚类后得到的颜色类别及类别颜色值,对所述待测靶环图像进行类别图像提取,得到多个色环图像;对多个所述色环图像进行边缘检测,得到多个色环的外轮廓线。
可选地,所述根据所述外轮廓线参数和所述中间轮廓线参数得到所述目标靶环参数的步骤包括:按照椭圆长轴或短轴的大小对所述外轮廓线参数和所述中间轮廓线参数进行排序,得到所述目标靶环参数。
可选地,所述检测待测靶纸图像的步骤之前还包括:对拍摄待测靶纸获得的视频流进行采集,得到所述待测靶纸图像。
可选地,所述在所述待测靶纸图像上检测到箭体目标时,获得所述箭体目标的箭头参数的步骤包括:在所述待测靶纸图像上检测到箭体目标时,根据与同时检测到的箭尾目标的位置关系获取箭头目标,获得箭头参数。
可选地,所述根据所述箭头参数和所述目标靶环参数获取所述箭体目标所射中的靶环值的步骤包括:将所述箭头参数代入所述目标靶环参数中,计算代入值;根据所述代入值判断所述箭体参数落入的靶环,得到靶环值。
本发明实施例提出的一种靶纸图像的识别方法、装置、系统和存储介质,通过检测通过拍摄得到的待测靶纸图像,得到待测靶纸图像中各个靶环的外轮廓线参数,进一步识别箭体目标,获得箭体目标的箭头参数,根据箭头参数和待测靶纸图像中各个靶环的外轮廓线参数,获取箭体目标所射中的靶环值,无需对待测靶纸图像进行图像校正,直接对拍摄得到的待测靶纸图像进行检测,并进一步获得箭头目标射中的靶环值,准确性高。
附图说明
图1是本发明实施例方案涉及的硬件运行环境图;
图2是本发明实施例方案涉及的硬件运行环境的终端结构示意图;
图3是本发明靶纸图像的识别方法实施例的流程示意图;
图4是本发明靶纸图像的识别方法实施例涉及的待测靶纸的示意图;
图5是本发明靶纸图像的识别方法实施例的步骤S302的细化流程示意图;
图6是本发明靶纸图像的识别方法实施例的步骤S502的细化流程示意图;
图7是本发明靶纸图像的识别方法实施例涉及的采用K-Means算法进行颜色聚类的流程图;
图8是本发明靶纸图像的识别方法实施例涉及的SVM算法流程图;
图9是本发明靶纸图像的识别装置实施例的功能结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供的靶纸图像的识别方法包括:检测待测靶纸图像,获得所述待测靶纸图像中多个靶环的外轮廓线参数,记录为目标靶环参数;所述待测靶纸图像通过拍摄待测靶纸获得;在所述待测靶纸图像上检测到箭体目标时,获得所述箭体目标的箭头参数;根据所述箭头参数和所述目标靶环参数获取所述箭体目标所射中的靶环值。
本发明提供一种靶纸图像的识别方法,通过检测通过拍摄得到的待测靶纸图像,得到待测靶纸图像中各个靶环的外轮廓线参数,进一步识别箭体目标,获得箭体目标的箭头参数,根据箭头参数和待测靶纸图像中各个靶环的外轮廓线参数,获取箭体目标所射中的靶环值,无需对待测靶纸图像进行图像校正,直接对拍摄得到的待测靶纸图像进行检测,并进一步获得箭头目标射中的靶环值,准确性高。
本申请提供的靶纸图像的识别方法,可以应用于如图1所示的应用环境中。终端102通过网络或数据线,如usb数据线等,与摄像头104进行通信。具体地,终端102和摄像头104可以采用有线网络或无线网络进行通信连接。摄像头104对待测靶纸进行拍摄,得到视频流。终端102采集摄像头104拍摄得到的视频流进行靶纸图像的识别。其中,终端可以但不限于是PC、智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts GroupAudio Layer III,动态影像专家压缩标准音频层面3)播放器、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面3)播放器、便携计算机等具有显示功能的可移动式终端设备。摄像头104可以是独立的摄像头或者是多个摄像头组成的摄像头组。
图2是本发明实施例方案涉及的终端结构示意图,该终端可以包括:处理器2001,例如CPU,网络接口2004,用户接口2003,存储器2005,通信总线2002。其中,通信总线2002用于实现这些组件之间的连接通信。用户接口2003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口2003还可以包括标准的有线接口、无线接口。网络接口2004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器2005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器2005可选的还可以是独立于前述处理器2001的存储装置。
进一步地,终端还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在移动终端移动到耳边时,关闭显示屏和/或背光。作一般为三轴)为运动传感器的一种,重力加速度传感器可检测各个方向上(加速度的大小,静止时可检测出重力的大小及方向,可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;当然,移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图2中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图2所示,作为一种计算机存储介质的存储器2005中可以包括操作系统、网络通信模块、用户接口模块以及靶纸图像的识别程序。
在图2所示的终端中,网络接口2004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口2003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器2001可以用于调用存储器2005中存储的靶纸图像的识别程序,并执行以下操作:
检测待测靶纸图像,获得所述待测靶纸图像中多个靶环的外轮廓线参数,记录为目标靶环参数;所述待测靶纸图像通过拍摄待测靶纸获得;
在所述待测靶纸图像上检测到箭体目标时,获得所述箭体目标的箭头参数;
根据所述箭头参数和所述目标靶环参数获取所述箭体目标所射中的靶环值。
进一步地,所述检测待测靶纸图像,获得所述待测靶纸图像中多个靶环的外轮廓线参数,记录为目标靶环参数的步骤包括:检测待测靶纸图像,获得所述待测靶纸图像中多个色环的外轮廓线参数,一种颜色的色环对应两个相邻的靶环;拟合模板靶环参数和所述多个色环的外轮廓线参数,建立两者的映射模型,通过所述映射模型预测得到所述待测靶纸图像中多个色环的中间轮廓线参数;其中,所述模板靶环参数为模板靶纸图像中多个靶环的外轮廓线参数,所述模板靶纸图像用于打印所述待测靶纸;根据所述外轮廓线参数和所述中间轮廓线参数得到所述目标靶环参数。
进一步地,所述检测待测靶纸图像的步骤之前还包括:检测模板靶纸图像,获得所述模板靶纸图像中多个靶环的外轮廓线参数,记录为模板靶环参数。
进一步地,所述检测模板靶纸图像,获得所述模板靶纸图像中多个靶环的外轮廓线参数,记录为模板靶环参数的步骤包括:对所述模板靶纸图像进行边缘检测,得到所述模板靶纸图像中多个靶环的外轮廓线;对所述多个靶环的外轮廓线进行椭圆参数拟合,获得所述模板靶环参数。
进一步地,所述检测待测靶纸图像,获得所述待测靶纸图像中多个色环的外轮廓线参数的步骤包括:对所述待测靶纸图像进行靶环定位和颜色聚类,得到待测靶环图像;对所述待测靶环图像进行边缘检测,得到多个色环的外轮廓线;对多个色环的外轮廓线进行椭圆参数拟合,获得所述待测靶纸图像中多个色环的外轮廓线参数。
进一步地,所述对所述待测靶环图像进行边缘检测,得到多个色环的外轮廓线的步骤包括:根据颜色聚类后得到的颜色类别及类别颜色值,对所述待测靶环图像进行类别图像提取,得到多个色环图像;对多个所述色环图像进行边缘检测,得到多个色环的外轮廓线。
进一步地,所述根据所述外轮廓线参数和所述中间轮廓线参数得到所述目标靶环参数的步骤包括:按照椭圆长轴或短轴的大小对所述外轮廓线参数和所述中间轮廓线参数进行排序,得到所述目标靶环参数。
进一步地,所述检测待测靶纸图像的步骤之前还包括:对拍摄待测靶纸获得的视频流进行采集,得到所述待测靶纸图像。
进一步地,所述在所述待测靶纸图像上检测到箭体目标时,获得所述箭体目标的箭头参数的步骤包括:在所述待测靶纸图像上检测到箭体目标时,根据与同时检测到的箭尾目标的位置关系获取箭头目标,获得箭头参数。
进一步地,所述根据所述箭头参数和所述目标靶环参数获取所述箭体目标所射中的靶环值的步骤包括:将所述箭头参数代入所述目标靶环参数中,计算代入值;根据所述代入值判断所述箭体参数落入的靶环,得到靶环值。
参照图3,一种靶纸图像的识别方法实施例,包括以下步骤:
步骤S302,检测待测靶纸图像,获得所述待测靶纸图像中多个靶环的外轮廓线参数,记录为目标靶环参数,所述待测靶纸图像通过拍摄待测靶纸获得;
待测靶纸为实际场景中箭靶所使用的靶纸。本实施例的待测靶纸采用如图4所示的通用标准的靶纸,其共有五个不同颜色的色环,同一色环的颜色为单色,一个色环包括两个相邻的靶环,对应有十个靶环,多个靶环的外轮廓线的半径等差。待测靶纸图像为摄像头通过拍摄待测靶纸获得。
在其中一个实施例中,步骤S302之前还包括:对拍摄待测靶纸获得的视频流进行采集,得到所述待测靶纸图像。
摄像头拍摄得到的视频流经编码后通过网络传输给终端,终端接收到该视频流后对其解码并进行图像采集,得到待测靶纸图像。该待测靶纸图像有多帧,终端选取其中一帧用于检测靶环。
参照图5,在其中一个实施例中,步骤S302具体包括:
步骤S502,检测待测靶纸图像,获得所述待测靶纸图像中多个色环的外轮廓线参数,一种颜色的色环对应两个相邻的靶环;
其中,多个色环的外轮廓线为椭圆形,外轮廓线参数为椭圆参数方程。
具体地,参照图6,步骤S502包括以下步骤:
步骤S602,对所述待测靶纸图像进行靶环定位和颜色聚类,得到待测靶环图像;
由于拍摄获得的待测靶纸图像中还包含有待测靶纸所在的环境图像,因此需要对待测靶纸图像进行靶环定位,得到待测靶环图像所在的区域范围。
本实施例中,终端采用YOLO算法进行靶环定位。具体地,终端自定义靶环的类别,对包括有靶环图像的训练数据集进行位置信息和类别信息标注,生成标注文件,训练标注文件中的数据集得到模型权重文件,用该模型权重文件对目标靶环进行检测定位,得到待测靶环图像所在区域范围。
进一步地,终端对待测靶环图像所在的区域范围进行颜色聚类,得到待测靶环图像。本实施例中,终端采用K-Means算法进行颜色聚类。具体地,参照图7,终端采用K-Means算法进行颜色聚类具体包括以下步骤:
步骤S702,随机选取k个中心点,k为待测靶纸的色环颜色数,选取的中心点分别在不同颜色的色环内;
本实施例中,待测靶纸的色环为五个,即k=5。
步骤S704,遍历待测靶环图像所在区域范围的数据集,将数据集中的各像素点划分至与其距离最近的中心点;该数据集包括待测靶环图像所在区域范围的各像素点的坐标;
步骤S706,计算各中心点聚类的平均值,将该平均值作为新的中心点;
步骤S708,重复步骤S704和步骤S706,直至k个中心点不再变化或重复迭代次数达到预设次数。
在另一个实施例中,终端还可以采用meanshift算法实现同时对待测靶纸图像的靶环定位和颜色聚类。具体地,终端调用计算机视觉库opencv中的pyrMeanShiftFiltering函数对待测靶纸图像进行靶环定位和颜色聚类。终端对待测靶纸图像进行靶环定位和颜色聚类后,得到包括多个色环的待测靶环图像。
步骤S604,对所述待测靶环图像进行边缘检测,得到多个色环的外轮廓线;
在对待测靶环图像进行边缘检测之前,终端还对待测靶环图像进行预处理,所述预处理包括对待测靶环图像进行灰度化、去噪、二值化、高斯滤波等操作。进一步地,终端对所述待测靶环图像进行边缘检测。具体地,终端调用计算机视觉库opencv中的findContours函数对待测靶环图像进行轮廓查找,得到多个色环的外轮廓线。终端还可以采用其他轮廓搜索算法对所述待测靶环图像进行边缘检测,例如icvFetchContour函数等。
在其中一个实施例中,步骤S604包括:根据颜色聚类后得到的颜色类别及类别颜色值,对所述待测靶环图像进行类别图像提取,得到多个色环图像;对多个所述色环图像进行边缘检测,得到多个色环的外轮廓线。
本实施例中,首先通过对待测靶纸图像进行颜色聚类,进一步对颜色聚类后的待测靶纸图像进行边缘检测,避免了直接进行边缘检测时由于图像质量不高对检测结果准确度的影响。同时,由于待测靶纸图像是通过采集摄像头拍摄得到的视频流获得,而在摄像头对待测靶纸进行拍摄时,可能射箭在同时进行,在摄像头的拍摄角度内,射出的箭体会对待测靶纸的色环有所遮挡覆盖,如果直接对待测靶纸图像进行边缘检测,将无法准确检测出色环的外轮廓线。本申请通过颜色聚类,将不同颜色的色环分别识别处理后,再对颜色聚类后的待测靶纸图像进行边缘检测,可以准确识别出色环的外轮廓线,避免了由于箭体对色环的遮挡造成的边缘检测的影响,抗干扰能力强。
步骤S606,对多个色环的外轮廓线进行椭圆参数拟合,获得所述待测靶纸图像中多个色环的外轮廓线参数。
具体地,终端采用最小二乘法对多个色环的外轮廓线进行椭圆参数拟合。椭圆作为二次曲线的一种特殊形式,可以用如式(1)所示的二次方程来表示:
f(x,y)=ax2+bxy+cy2+dx+ey+f=0 (1)
其中,a、b、c、d、e均为椭圆系数,(x,y)为点坐标。终端利用式(1)对多个色环的外轮廓线的离散点进行最小二乘法处理,得到式(1)中各椭圆系数的值,最终得到对应的所述外轮廓线参数。所述外轮廓线参数为椭圆参数方程。最小二乘法处理过程中,目标函数为式(2)所示:
通过求目标函数式(2)的最小值可以确定各椭圆系数。具体地,由极值原理可知,欲使分别对f(a,b,c,d,e)的值为最小,则需满足式(3):
根据式(3)可以得到一个线性方程组,然后利用求解线性方程组算法得到椭圆系数a、b、c、d、e的值。
步骤S504,拟合模板靶环参数和所述多个色环的外轮廓线参数,建立两者的映射模型,通过所述映射模型预测得到所述待测靶纸图像中多个色环的中间轮廓线参数;其中,所述模板靶环参数为模板靶纸图像中多个靶环的外轮廓线参数,所述模板靶纸图像用于打印所述待测靶纸;
本实施例中,模板靶环参数为终端预先获取。在其中一个实施例中,步骤S302之前还包括:检测模板靶纸图像,获得所述模板靶纸图像中多个靶环的外轮廓线参数,记录为模板靶环参数。具体地,上述步骤包括:对所述模板靶纸图像进行边缘检测,得到所述模板靶纸图像中多个靶环的外轮廓线;对所述多个靶环的外轮廓线进行椭圆参数拟合,获得所述模板靶环参数。
本实施例中,模板靶纸图像可以是在本地图像库或云端图像库中选择的清晰度高、白平衡效果好、曝光适度的图像,还可以是通过制图软件按照标准靶纸要求制作生成的图像。终端对模板靶纸图像进行边缘检测的方法同步骤S604,对多个靶环的外轮廓线进行椭圆参数拟合的方法同步骤S606,在此不再赘述。
由于一个色环包括两个相邻的靶环,终端在对待测靶纸图像进行颜色聚类的图像检测时,仅能识别出色环的外轮廓线,无法识别出色环的中间轮廓线,即对应的一个内靶环的外轮廓线。例如图4所示的色环1,其对应有两条靶环外轮廓线:色环的外轮廓线11和色环的中间轮廓线12;终端对拍摄待测靶纸得到的待测靶纸图像进行图像处理时,仅能识别色环1的外轮廓线,即色环1的外轮廓线11,而无法识别出色环的中间轮廓线12。因此,需要进行进一步检测,识别出色环的中间轮廓线。具体地,终端拟合模板靶环参数和待测靶纸图像中的多个色环的外轮廓线参数,通过机器学习算法建立两者的映射模型,通过映射模型预测出待测靶纸图像中的多个色环的中间轮廓线参数。具体地,本实施例中,终端采用SVM算法得到多个色环的中间轮廓线,具体地,参照图8,包括以下步骤:
步骤S802,建立训练数据集,所述训练数据集包括待测靶纸图像的多个色环的外轮廓线参数,和模板靶纸图像的多个色环的外轮廓线参数;
其中,自变量为模板靶纸图像的多个色环的外轮廓线参数,因变量数据为待测靶纸图像的多个色环的外轮廓线参数;模板靶纸图像的多个色环的外轮廓线参数可以从模板靶纸图像的靶环的外轮廓线参数中提取。
步骤S804,建立预测数据集,所述预测数据集包括模板靶纸图像的多个色环中间轮廓线参数;
其中,模板靶纸图像的多个色环中间轮廓线参数可以从模板靶纸图像的靶环的外轮廓线参数中提取。
步骤S806,利用训练数据集,采用SVM算法得到映射模型;
步骤S808,将所述映射模型应用于预测数据集,映射得到待测靶纸图像的多个色环的中间轮廓线参数。
步骤S506,根据所述外轮廓线参数和所述中间轮廓线参数得到所述目标靶环参数。
终端整合所述外轮廓线参数和所述中间轮廓线参数得到所述目标靶环参数,得到目标靶环参数。具体地,终端按照椭圆长轴或短轴的大小对所述外轮廓线参数和所述中间轮廓线参数进行排序,得到所述目标靶环参数。
步骤S304,在所述待测靶纸图像上检测到箭体目标时,获得所述箭体目标的箭头参数;
可以理解的是,射箭运动的工具可以是弓箭或飞镖等。本实施例中,箭体目标则可以是弓箭或飞镖。终端首先对多帧待测靶纸图像进行运动目标检测。具体地,终端可以通过高斯背景建模,检测运动目标得到箭体目标。终端还可以采用YOLO算法进行箭体目标和箭尾目标的检测。由于相比箭头,箭尾标识性更强,因此我们可以先检测箭尾,再根据箭尾得到箭头。本实施例中,终端采用YOLO算法进行箭体目标和箭尾目标的定位。具体地,终端自定义箭体和箭尾的类别,对包括有箭体和箭尾图像的训练数据集进行位置信息和类别信息标注,生成标注文件;训练标注文件中的数据集得到模型权重文件,用该模型权重文件进行检测定位,得到箭体目标和箭尾目标。
在其中一个实施例中,步骤S304具体包括:在所述待测靶纸图像上检测到箭体目标时,根据与同时检测到的箭尾目标的位置关系获取箭头目标,获得箭头参数。
终端根据检测到的箭体目标和箭尾目标,识别获取与箭尾目标在箭体目标中位置相对的箭头目标,获得箭头目标的端点坐标,即箭头参数。
步骤S306,根据所述箭头参数和所述目标靶环参数获取所述箭体目标所射中的靶环值。
在其中一个实施例中,终端将所述箭头参数代入所述目标靶环参数中,计算代入值;根据所述代入值判断所述箭体参数落入的靶环,得到靶环值。
具体地,若终端将箭头参数代入目标靶环参数的一个靶环外轮廓线的椭圆参数方程中得到的值小于零,则该箭头目标落入该靶环外轮廓线的内侧,若大于零,则该箭头目标落入该靶环外轮廓线的外侧。若对于相邻的两个靶环外轮廓线,终端判断箭头目标落入其中一个靶环外轮廓线的外侧,另一个靶环外轮廓线的内侧,则该箭头目标对应的箭头目标射中的靶环值为所述相邻的两个靶环外轮廓线所夹的靶环的靶环值。
在本实施例中,终端通过检测通过拍摄得到的待测靶纸图像,得到待测靶纸图像中各个靶环的外轮廓线参数,进一步识别箭体目标,获得箭体目标的箭头参数,根据箭头参数和待测靶纸图像中各个靶环的外轮廓线参数,获取箭体目标所射中的靶环值,无需对待测靶纸图像进行图像校正,直接对拍摄得到的待测靶纸图像进行检测,并进一步获得箭头目标射中的靶环值,准确性高。
参照图9,本发明实施例还提出一种靶纸图像的识别装置,所述靶纸图像的识别装置包括:
靶环检测模块910,用于获得所述待测靶纸图像中多个靶环的外轮廓线参数,记录为目标靶环参数;所述待测靶纸图像通过拍摄待测靶纸获得;
箭检测模块920,用于检测所述待测靶纸图像,识别箭体目标,获得所述箭体目标的箭头参数;
环值判定模块930,用于根据所述箭头参数和所述目标靶环参数获取所述箭体目标所射中的靶环值。
进一步地,靶环检测模块910还用于检测待测靶纸图像,获得所述待测靶纸图像中多个色环的外轮廓线参数,一种颜色的色环对应两个相邻的靶环;拟合模板靶环参数和所述多个色环的外轮廓线参数,建立两者的映射模型,通过所述映射模型预测得到所述待测靶纸图像中多个色环的中间轮廓线参数;其中,所述模板靶环参数为模板靶纸图像中多个靶环的外轮廓线参数,所述模板靶纸图像用于打印所述待测靶纸;根据所述外轮廓线参数和所述中间轮廓线参数得到所述目标靶环参数。
进一步地,靶环检测模块910还用于检测模板靶纸图像,获得所述模板靶纸图像中多个靶环的外轮廓线参数,记录为模板靶环参数。
进一步地,靶环检测模块910还用于对所述模板靶纸图像进行边缘检测,得到所述模板靶纸图像中多个靶环的外轮廓线;对所述多个靶环的外轮廓线进行椭圆参数拟合,获得所述模板靶环参数。
进一步地,靶环检测模块910还用于对所述待测靶纸图像进行靶环定位和颜色聚类,得到待测靶环图像;对所述待测靶环图像进行边缘检测,得到多个色环的外轮廓线;对多个色环的外轮廓线进行椭圆参数拟合,获得所述待测靶纸图像中多个色环的外轮廓线参数。
进一步地,靶环检测模块910还用于根据颜色聚类后得到的颜色类别及类别颜色值,对所述待测靶环图像进行类别图像提取,得到多个色环图像;对多个所述色环图像进行边缘检测,得到多个色环的外轮廓线。
进一步地,靶环检测模块910还用于按照椭圆长轴或短轴的大小对所述外轮廓线参数和所述中间轮廓线参数进行排序,得到所述目标靶环参数。
进一步地,所述靶纸图像的识别装置还包括:图像采集模块900,用于对拍摄待测靶纸获得的视频流进行采集,得到所述待测靶纸图像。
进一步地,箭检测模块920还用于在所述待测靶纸图像上检测到箭体目标时,根据与同时检测到的箭尾目标的位置关系获取箭头目标,获得箭头参数。
进一步地,环值判定模块930还用于将所述箭头参数代入所述目标靶环参数中,计算代入值;根据所述代入值判断所述箭体参数落入的靶环,得到靶环值。
本发明实施例还提出一种靶纸图像的识别装置,所述靶纸图像的识别装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的靶纸图像的识别程序,所述靶纸图像的识别程序被所述处理器执行时实现上述任意一个靶纸图像的识别方法实施例的步骤。
本发明实施例还提出一种靶纸图像的识别系统,所述靶纸图像的识别系统包括:用于拍摄待测靶纸的摄像头、和与所述摄像头通信连接的上述靶纸图像的识别装置。
本发明实施例还提出一种存储介质,所述存储介质上存储有靶纸图像的识别程序,所述靶纸图像的识别程序被处理器执行时实现上述任意一个靶纸图像的识别方法实施例的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (15)
1.一种靶纸图像的识别方法,其特征在于,所述靶纸图像的识别方法包括以下步骤:
检测待测靶纸图像,获得所述待测靶纸图像中多个靶环的外轮廓线参数,记录为目标靶环参数;所述待测靶纸图像通过拍摄待测靶纸获得;
在所述待测靶纸图像上检测到箭体目标时,获得所述箭体目标的箭头参数;
根据所述箭头参数和所述目标靶环参数获取所述箭体目标所射中的靶环值。
2.如权利要求1所述的靶纸图像的识别方法,其特征在于,所述检测待测靶纸图像,获得所述待测靶纸图像中多个靶环的外轮廓线参数,记录为目标靶环参数的步骤包括:
检测待测靶纸图像,获得所述待测靶纸图像中多个色环的外轮廓线参数,一种颜色的色环对应两个相邻的靶环;
拟合模板靶环参数和所述多个色环的外轮廓线参数,建立两者的映射模型,通过所述映射模型预测得到所述待测靶纸图像中多个色环的中间轮廓线参数;其中,所述模板靶环参数为模板靶纸图像中多个靶环的外轮廓线参数,所述模板靶纸图像用于打印所述待测靶纸;
根据所述外轮廓线参数和所述中间轮廓线参数得到所述目标靶环参数。
3.如权利要求2所述的靶纸图像的识别方法,其特征在于,所述检测待测靶纸图像的步骤之前还包括:
检测模板靶纸图像,获得所述模板靶纸图像中多个靶环的外轮廓线参数,记录为模板靶环参数。
4.如权利要求3所述的靶纸图像的识别方法,其特征在于,所述检测模板靶纸图像,获得所述模板靶纸图像中多个靶环的外轮廓线参数,记录为模板靶环参数的步骤包括:
对所述模板靶纸图像进行边缘检测,得到所述模板靶纸图像中多个靶环的外轮廓线;
对所述多个靶环的外轮廓线进行椭圆参数拟合,获得所述模板靶环参数。
5.如权利要求2所述的靶纸图像的识别方法,其特征在于,所述检测待测靶纸图像,获得所述待测靶纸图像中多个色环的外轮廓线参数的步骤包括:
对所述待测靶纸图像进行靶环定位和颜色聚类,得到待测靶环图像;
对所述待测靶环图像进行边缘检测,得到多个色环的外轮廓线;
对多个色环的外轮廓线进行椭圆参数拟合,获得所述待测靶纸图像中多个色环的外轮廓线参数。
6.如权利要求5所述的靶纸图像的识别方法,其特征在于,所述对所述待测靶环图像进行边缘检测,得到多个色环的外轮廓线的步骤包括:
根据颜色聚类后得到的颜色类别及类别颜色值,对所述待测靶环图像进行类别图像提取,得到多个色环图像;
对多个所述色环图像进行边缘检测,得到多个色环的外轮廓线。
7.如权利要求2所述的靶纸图像的识别方法,其特征在于,所述根据所述外轮廓线参数和所述中间轮廓线参数得到所述目标靶环参数的步骤包括:
按照椭圆长轴或短轴的大小对所述外轮廓线参数和所述中间轮廓线参数进行排序,得到所述目标靶环参数。
8.如权利要求1所述的靶纸图像的识别方法,其特征在于,所述检测待测靶纸图像的步骤之前还包括:
对拍摄待测靶纸获得的视频流进行采集,得到所述待测靶纸图像。
9.如权利要求1所述的靶纸图像的识别方法,其特征在于,所述在所述待测靶纸图像上检测到箭体目标时,获得所述箭体目标的箭头参数的步骤包括:
在所述待测靶纸图像上检测到箭体目标时,根据与同时检测到的箭尾目标的位置关系获取箭头目标,获得箭头参数。
10.如权利要求1所述的靶纸图像的识别方法,其特征在于,所述根据所述箭头参数和所述目标靶环参数获取所述箭体目标所射中的靶环值的步骤包括:
将所述箭头参数代入所述目标靶环参数中,计算代入值;
根据所述代入值判断所述箭体参数落入的靶环,得到靶环值。
11.一种靶纸图像的识别装置,其特征在于,所述靶纸图像的识别装置包括:
靶环检测模块,用于获得所述待测靶纸图像中各靶环的外轮廓线参数,记录为目标靶环参数;所述待测靶纸图像通过拍摄待测靶纸获得;
箭检测模块,用于检测所述待测靶纸图像,识别箭体目标,获得所述箭体目标的箭头参数;
环值判定模块,用于根据所述箭头参数和所述目标靶环参数获取所述箭体目标所射中的靶环值。
12.如权利要求11所述的靶纸图像的识别装置,其特征在于,所述靶纸图像的识别装置还包括:
图像采集模块,用于对拍摄待测靶纸获得的视频流进行采集,得到所述待测靶纸图像。
13.一种靶纸图像的识别装置,其特征在于,所述靶纸图像的识别装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的靶纸图像的识别程序,所述靶纸图像的识别程序被所述处理器执行时实现如权利要求1至10中任一项所述的方法的步骤。
14.一种靶纸图像的识别系统,其特征在于,所述靶纸图像的识别系统包括:用于拍摄待测靶纸的摄像头、和与所述摄像头通信连接的如权利要求11-13任一项所述的靶纸图像的识别装置。
15.一种存储介质,其特征在于,所述存储介质上存储有靶纸图像的识别程序,所述靶纸图像的识别程序被处理器执行时实现如权利要求1至10中任一项所述的靶纸图像的识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910210285.4A CN109948630B (zh) | 2019-03-19 | 2019-03-19 | 靶纸图像的识别方法、装置、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910210285.4A CN109948630B (zh) | 2019-03-19 | 2019-03-19 | 靶纸图像的识别方法、装置、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109948630A true CN109948630A (zh) | 2019-06-28 |
CN109948630B CN109948630B (zh) | 2020-03-31 |
Family
ID=67010360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910210285.4A Active CN109948630B (zh) | 2019-03-19 | 2019-03-19 | 靶纸图像的识别方法、装置、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109948630B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113158976A (zh) * | 2021-05-13 | 2021-07-23 | 北京纵目安驰智能科技有限公司 | 地面箭头的识别方法、系统、终端及计算机可读存储介质 |
CN113591548A (zh) * | 2021-06-16 | 2021-11-02 | 山东大学 | 靶环识别方法及系统 |
CN113750498A (zh) * | 2021-09-15 | 2021-12-07 | 深圳市一岭高尔夫科技有限公司 | 一种高尔夫球计分系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937509A (zh) * | 2010-08-17 | 2011-01-05 | 西安理工大学 | 基于图像处理技术的自动识靶方法 |
CN103353259A (zh) * | 2013-06-22 | 2013-10-16 | 太仓博天网络科技有限公司 | 一种基于图像识别的射击自动报靶系统 |
US20150016679A1 (en) * | 2012-01-12 | 2015-01-15 | Panasonic Corporation | Feature extraction device, feature extraction method, and feature extraction program |
CN105654085A (zh) * | 2015-12-31 | 2016-06-08 | 杭州晨鹰军泰科技有限公司 | 一种基于图像技术的弹孔识别方法 |
CN105930874A (zh) * | 2016-04-29 | 2016-09-07 | 浙江大华技术股份有限公司 | 一种弹孔识别方法及装置 |
CN106845506A (zh) * | 2016-12-22 | 2017-06-13 | 中国人民武装警察部队工程大学 | 一种靶面像素位置编码方法 |
CN107341830A (zh) * | 2017-06-23 | 2017-11-10 | 浙江华睿科技有限公司 | 一种确定弹孔环值的方法及装置 |
CN108805144A (zh) * | 2018-06-01 | 2018-11-13 | 杭州晨鹰军泰科技有限公司 | 基于形态学矫正的弹孔识别方法及系统、报靶设备 |
CN109034156A (zh) * | 2018-08-15 | 2018-12-18 | 洛阳中科协同科技有限公司 | 一种基于图像识别的弹点定位方法 |
-
2019
- 2019-03-19 CN CN201910210285.4A patent/CN109948630B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937509A (zh) * | 2010-08-17 | 2011-01-05 | 西安理工大学 | 基于图像处理技术的自动识靶方法 |
US20150016679A1 (en) * | 2012-01-12 | 2015-01-15 | Panasonic Corporation | Feature extraction device, feature extraction method, and feature extraction program |
CN103353259A (zh) * | 2013-06-22 | 2013-10-16 | 太仓博天网络科技有限公司 | 一种基于图像识别的射击自动报靶系统 |
CN105654085A (zh) * | 2015-12-31 | 2016-06-08 | 杭州晨鹰军泰科技有限公司 | 一种基于图像技术的弹孔识别方法 |
CN105930874A (zh) * | 2016-04-29 | 2016-09-07 | 浙江大华技术股份有限公司 | 一种弹孔识别方法及装置 |
CN106845506A (zh) * | 2016-12-22 | 2017-06-13 | 中国人民武装警察部队工程大学 | 一种靶面像素位置编码方法 |
CN107341830A (zh) * | 2017-06-23 | 2017-11-10 | 浙江华睿科技有限公司 | 一种确定弹孔环值的方法及装置 |
CN108805144A (zh) * | 2018-06-01 | 2018-11-13 | 杭州晨鹰军泰科技有限公司 | 基于形态学矫正的弹孔识别方法及系统、报靶设备 |
CN109034156A (zh) * | 2018-08-15 | 2018-12-18 | 洛阳中科协同科技有限公司 | 一种基于图像识别的弹点定位方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113158976A (zh) * | 2021-05-13 | 2021-07-23 | 北京纵目安驰智能科技有限公司 | 地面箭头的识别方法、系统、终端及计算机可读存储介质 |
CN113158976B (zh) * | 2021-05-13 | 2024-04-02 | 北京纵目安驰智能科技有限公司 | 地面箭头的识别方法、系统、终端及计算机可读存储介质 |
CN113591548A (zh) * | 2021-06-16 | 2021-11-02 | 山东大学 | 靶环识别方法及系统 |
CN113591548B (zh) * | 2021-06-16 | 2023-09-29 | 山东大学 | 靶环识别方法及系统 |
CN113750498A (zh) * | 2021-09-15 | 2021-12-07 | 深圳市一岭高尔夫科技有限公司 | 一种高尔夫球计分系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109948630B (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111079576B (zh) | 活体检测方法、装置、设备及存储介质 | |
CN108717531B (zh) | 基于Faster R-CNN的人体姿态估计方法 | |
CN109947886B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN106056064B (zh) | 一种人脸识别方法及人脸识别装置 | |
US8705868B2 (en) | Computer-readable storage medium, image recognition apparatus, image recognition system, and image recognition method | |
CN108229288B (zh) | 神经网络训练及衣服颜色检测方法、装置、存储介质、电子设备 | |
US20180321776A1 (en) | Method for acting on augmented reality virtual objects | |
US8699749B2 (en) | Computer-readable storage medium, image processing apparatus, image processing system, and image processing method | |
CN108234882B (zh) | 一种图像虚化方法及移动终端 | |
CN107316029B (zh) | 一种活体验证方法及设备 | |
CN111602139A (zh) | 图像处理方法、装置、控制终端及可移动设备 | |
US8625898B2 (en) | Computer-readable storage medium, image recognition apparatus, image recognition system, and image recognition method | |
CN103514432A (zh) | 人脸特征提取方法、设备和计算机程序产品 | |
CN108416285A (zh) | 枪球联动监控方法、装置及计算机可读存储介质 | |
CN109948630A (zh) | 靶纸图像的识别方法、装置、系统和存储介质 | |
CN113850865A (zh) | 一种基于双目视觉的人体姿态定位方法、系统和存储介质 | |
US20110243398A1 (en) | Pattern recognition apparatus and pattern recognition method that reduce effects on recognition accuracy, and storage medium | |
US20120219179A1 (en) | Computer-readable storage medium, image processing apparatus, image processing system, and image processing method | |
US8718325B2 (en) | Computer-readable storage medium, image processing apparatus, image processing system, and image processing method | |
CN105957107A (zh) | 行人检测与跟踪方法及装置 | |
CN107560637A (zh) | 头戴显示设备校准结果验证方法及头戴显示设备 | |
CN111357034A (zh) | 点云生成方法、系统和计算机存储介质 | |
CN108052869A (zh) | 车道线识别方法、装置及计算机可读存储介质 | |
CN112446254A (zh) | 人脸追踪的方法及相关装置 | |
CN116958584B (zh) | 关键点检测方法、回归模型的训练方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |