CN112419351B

CN112419351B - 一种基于fpga的靶位识别方法、装置及电子设备

Info

Publication number: CN112419351B
Application number: CN202011324519.7A
Authority: CN
Inventors: 卿易; 李昆华; 朱明程
Original assignee: Shenzhen University
Current assignee: Shenzhen University
Priority date: 2020-11-23
Filing date: 2020-11-23
Publication date: 2023-12-26
Anticipated expiration: 2040-11-23
Also published as: CN112419351A

Abstract

本申请提供一种基于FPGA的靶位识别方法、装置及电子设备，该方法包括：获取待识别图像；其中，待识别图像中至少包括弹孔和多个环线；根据待识别图像，确定待识别图像中的靶心；基于预设的边缘检测算法，对待识别图像进行边缘检测，以得到对应的边缘图像；其中，边缘图像中至少包括弹孔边缘和各环线边缘；根据边缘图像，确定弹孔与靶心之间包含的环线边缘的数量；根据弹孔边缘与靶心之间包含的环线边缘的数量，确定弹孔对应的靶位识别结果。上述方案提供的基于FPGA的靶位识别方法，通过检测弹孔与靶心之间所间隔的环线数量，确定该弹孔对应的靶位，提高了靶位识别结果的准确性。

Description

一种基于FPGA的靶位识别方法、装置及电子设备

技术领域

本申请涉及人工智能技术领域，尤其涉及一种基于FPGA的靶位识别方法、装置及电子设备。

背景技术

随着科学技术的发展，人工智能技术已经应用到了各行各业，在射击训练领域也得到了广泛的应用，如自动报靶等。

现有技术中的自动报靶技术通常是对采集到的图像进行图像处理，从而识别弹孔和靶心，然后根据弹孔与靶心之间的距离，确定当前弹孔所对应的靶位，即得到靶位识别结果，最后对靶位识别结果进行报出。

但是，受应用环境的影响，采集图像的摄像头不一定是正对拍摄靶纸的，导致所采集到的靶纸图像存在的一定的变形，进而导致所得到的靶位识别结果的可信度较低。因此，急需一种准确度较高的基于FPGA的靶位识别方法，对提高靶位识别结果的可信度有重要意义。

发明内容

本申请提供一种基于FPGA的靶位识别方法、装置及电子设备，以解决现有技术中的基于FPGA的靶位识别方法的准确性较低等缺陷。

本申请第一个方面提供一种基于FPGA的靶位识别方法，包括：

获取待识别图像；其中，所述待识别图像中至少包括弹孔和多个环线；

根据所述待识别图像，确定所述待识别图像中的靶心；

基于预设的边缘检测算法，对所述待识别图像进行边缘检测，以得到对应的边缘图像；其中，所述边缘图像中至少包括弹孔边缘和各环线边缘；

根据所述边缘图像，确定所述弹孔与所述靶心之间包含的环线边缘的数量；

根据所述弹孔边缘与所述靶心之间包含的环线边缘的数量，确定所述弹孔对应的靶位识别结果。

可选的，在根据所述边缘图像，确定所述弹孔与所述靶心之间包含环线边缘的数量之前，所述方法还包括：

基于预设的边缘特征消除算法，消除所述边缘图像中与所述各环线边缘对应的环线编号边缘，以得到不包括所述环线编号边缘的边缘图像。

可选的，在基于预设的边缘检测算法，对所述待识别图像进行边缘检测，以得到对应的边缘图像之前，所述方法还包括：

对所述待识别图像进行灰度处理，以得到灰度处理后的待识别图像；

基于预设的双边滤波算法，对所述灰度处理后的待识别图像进行滤波处理，以消除所述灰度处理后的待识别图像中的噪声干扰，得到滤波处理后的待识别图像；

基于预设的阈值分割算法，将所述滤波处理后的待识别图像转化为二值化的待识别图像。

可选的，在根据所述边缘图像，确定所述弹孔与所述靶心之间包含的环线边缘的数量之前，包括：

基于预设的矩形结构因子的形态学滤波算法，消除所述二值化的待识别图像中的各弹孔边缘、各环线边缘和各环线边缘对应的环线编号边缘，得到靶心图像；

对所述靶心图像进行像素扫描，得到像素扫描结果；

根据所述像素扫描结果，确定所述待识别图像中的靶心的圆心。

可选的，还包括：

以在进行像素扫描时所扫描到的首个像素点为原点、所述待识别图像的竖直方向为纵轴和所述待识别图像的水平方向为横轴，建立靶位坐标系。

可选的，所述基于预设的边缘特征消除算法，消除所述边缘图像中与所述各环线边缘对应的环线编号边缘，以得到不包括所述环线编号边缘的边缘图像，包括：

根据所述像素扫描结果，确定靶心的靶心半径；

根据所述靶心半径和预设的环线间距与所述靶心半径之间的关系，确定环线间距；

根据所述边缘图像和所述环线间距，确定各环线编号边缘在所述靶位坐标系中的环线编号坐标；

基于所述边缘特征消除算法，根据各环线编号边缘在所述靶位坐标系中的环线编号坐标，消除所述边缘图像中的各环线编号边缘，以得到不包括所述各环线编号边缘特征的边缘图像。

可选的，所述根据所述边缘图像，确定所述弹孔与所述靶心之间包含的环线边缘的数量，包括：

在所述边缘图像中，建立所述弹孔与靶心的圆心之间的连接线段；

获取连接线段中的各像素点的灰度值；

根据所述连接线段中的各像素点的灰度值阶跃次数，确定所述弹孔与靶心之间包含的环线边缘的数量。

本申请第二个方面提供一种基于FPGA的靶位识别装置，包括：

获取模块，用于获取待识别图像；其中，所述待识别图像中至少包括弹孔和多个环线；

第一确定模块，用于根据所述待识别图像，确定所述待识别图像中的靶心；

边缘检测模块，用于基于预设的边缘检测算法，对所述待识别图像进行边缘检测，以得到对应的边缘图像；其中，所述边缘图像中至少包括弹孔边缘和各环线边缘；

第二确定模块，用于根据所述边缘图像，确定所述弹孔与所述靶心之间包含的环线边缘的数量；

识别模块，用于根据所述弹孔边缘与所述靶心之间包含的环线边缘的数量，确定所述弹孔对应的靶位识别结果。

可选的，所述还包括边缘消除模块，用于基于预设的边缘特征消除算法，消除所述边缘图像中与所述各环线边缘对应的环线编号边缘，以得到不包括所述环线编号边缘的边缘图像。

可选的，所述边缘检测模块，还用于：

可选的，所述第二确定模块，还用于：

对所述靶心图像进行像素扫描，得到像素扫描结果；

可选的，所述第二确定模块，还用于：

可选的，所述边缘消除模块，具体用于：

根据所述像素扫描结果，确定靶心的靶心半径；

可选的，所述第二确定模块，具体用于：

获取连接线段中的各像素点的灰度值；

本申请第三个方面提供一种电子设备，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一个方面以及第一个方面各种可能的设计所述的方法。

本申请第四个方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一个方面以及第一个方面各种可能的设计所述的方法。

本申请技术方案，具有如下优点：

本申请提供的基于FPGA的靶位识别方法、装置及电子设备，通过获取待识别图像；其中，待识别图像中至少包括弹孔和多个环线；根据待识别图像，确定待识别图像中的靶心；基于预设的边缘检测算法，对待识别图像进行边缘检测，以得到对应的边缘图像；其中，边缘图像中至少包括弹孔边缘和各环线边缘；根据边缘图像，确定弹孔与靶心之间包含的环线边缘的数量；根据弹孔边缘与靶心之间包含的环线边缘的数量，确定弹孔对应的靶位识别结果。上述方案提供的基于FPGA的靶位识别方法，通过检测弹孔与靶心之间所间隔的环线数量，确定该弹孔对应的靶位，提高了靶位识别结果的准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本申请实施例基于的靶位识别系统的结构示意图；

图2为本申请实施例提供的一种基于FPGA的靶位识别方法的流程示意图；

图3为本申请实施例提供的另一种基于FPGA的靶位识别方法的流程示意图；

图4为本申请实施例提供的示例性的靶心图像的结构示意图；

图5为本申请实施例提供的示例性的边缘图像的结构示意图；

图6为本申请实施例提供的基于FPGA的靶位识别装置的结构示意图；

图7为本申请实施例提供的电子设备的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

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。

此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。

现有技术中的自动报靶技术通常是对采集到的图像进行图像处理，从而识别弹孔和靶心，然后根据弹孔与靶心之间的距离，确定当前弹孔所对应的靶位，即得到靶位识别结果，最后对靶位识别结果进行报出。但是，受应用环境的影响，采集图像的摄像头不一定是正对拍摄靶纸的，导致所采集到的靶纸图像存在的一定的变形，进而导致所得到的靶位识别结果的可信度较低。

针对上述问题，本申请实施例提供的基于FPGA的靶位识别方法、装置及电子设备，通过获取待识别图像；其中，待识别图像中至少包括弹孔和多个环线；根据待识别图像，确定待识别图像中的靶心；基于预设的边缘检测算法，对待识别图像进行边缘检测，以得到对应的边缘图像；其中，边缘图像中至少包括弹孔边缘和各环线边缘；根据边缘图像，确定弹孔与靶心之间包含的环线边缘的数量；根据弹孔边缘与靶心之间包含的环线边缘的数量，确定弹孔对应的靶位识别结果。上述方案提供的基于FPGA的靶位识别方法，通过检测弹孔与靶心之间所间隔的环线数量，确定该弹孔对应的靶位，提高了靶位识别结果的准确性。

下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明实施例进行描述。

首先，对本申请所基于的靶位识别系统的结构进行说明：

本申请实施例提供的基于FPGA的靶位识别方法、装置、电子设备及存储介质，适用于在射击训练中对弹孔对应的靶位进行实时识别。如图1所示，为本申请实施例基于的靶位识别系统的结构示意图，主要包括图像采集设备和用于进行靶位识别的电子设备。具体地，图像采集设备用于采集待识别图像，并将采集到的待识别图像发送至电子设备，其中，待识别图像具体指靶纸图像，电子设备根据得到的待识别图像，确定弹孔对应的靶位，其中，该电子设备可以为FPGA。

本申请实施例提供了一种基于FPGA的靶位识别方法，用于识别弹孔对应的靶位。本申请实施例的执行主体为电子设备，比如服务器、台式电脑、笔记本电脑、平板电脑及其他可用于进行弹孔识别的电子设备，例如，为了提高该基于FPGA的靶位识别方法的便捷性和运行速度，同时节约资源消耗，可以采用FPGA作为其执行主体。

如图2所示，为本申请实施例提供的一种基于FPGA的靶位识别方法的流程示意图，该方法包括：

步骤201，获取待识别图像。

其中，待识别图像中至少包括弹孔和多个环线。

具体地，待识别图像具体可以利用图像采集设备进行采集，如摄像机等，然后将采集到的待识别图像发送至用于执行该基于FPGA的靶位识别方法的电子设备，以使电子设备可以实时地获取待识别图像。

步骤202，根据待识别图像，确定待识别图像中的靶心。

其中，靶心即为该待识别图像对应的靶纸上的靶心，也称10环等，具体可以根据各环线对应的同心圆的大小来确定，同心圆最小的环线则为靶心对应的环线。

步骤203，基于预设的边缘检测算法，对待识别图像进行边缘检测，以得到对应的边缘图像。

其中，边缘图像中至少包括弹孔边缘和各环线边缘。

需要解释的是，可以采用形态学边缘检测算法，对待识别图像进行边缘检测，也可以采用其他类型的边缘检测算法进行边缘检测，具体本申请实施例不做限定。

步骤204，根据边缘图像，确定弹孔与靶心之间包含的环线边缘的数量。

具体地，在边缘图像中，根据该边缘图像中的弹孔边缘和各环线边缘，以及所确定的靶心，确定弹孔与靶心之间的环线边缘的数量。

步骤205，根据弹孔边缘与靶心之间包含的环线边缘的数量，确定弹孔对应的靶位识别结果。

示例性的，若靶心为10环，越靠近靶心的环线对应的靶位越高，当确定弹孔与靶心之间间隔的环线边缘数量为2时，则确定当前弹孔位于靶心的2环之外，进而可以确定当前弹孔对应的靶位识别结果为8环。

具体地，在一实施例中，在确定弹孔对应的靶位识别结果之后，可以对靶位识别结果进行报出，具体可以采用语音报出或文字报出等方式进行报出，以实现自动报靶的效果。

在上述实施例的基础上，在实际应用中，由于靶纸的格式并不唯一，所得到的待识别图像除了包含弹孔和环线外，还可能会包含有各环线对应的环线编号，也称为靶位编号。导致在检测弹孔与靶心之间包含的环线边缘的数量时，可能会将环线编号对应的环线编号边缘误认为是环线边缘，从而导致靶位识别结果出现偏差。

为了解决上述问题，如图3所示，为本申请实施例提供的另一种基于FPGA的靶位识别方法的流程示意图，作为一种可实施的方式，在上述实施例的基础上，在一实施例中，在根据边缘图像，确定弹孔与靶心之间包含环线边缘的数量之前，该方法还包括：

步骤301，基于预设的边缘特征消除算法，消除边缘图像中与各环线边缘对应的环线编号边缘，以得到不包括环线编号边缘的边缘图像。

需要解释的是，若实际应用的靶纸中还包括其他元素，如历史弹孔和靶纸型号名称等，也可以采用上述边缘特征消除算法进行消除，以避免对靶位识别结果造成影响。其中，历史弹孔具体可以根据所得到的采集时间相邻的的两个待处理图像中的弹孔重复情况来确定，也可以采用其他方式确定其中的历史弹孔，具体本申请实施例不做限定。

具体地，在一实施例中，由于图像采集设备所采集到的待识别图像通常为彩色的图像，包含了较多的冗余数据，为了进一步提高靶位识别结果的准确性，在基于预设的边缘检测算法，对待识别图像进行边缘检测，以得到对应的边缘图像之前，还可以对待识别图像进行灰度处理，以得到灰度处理后的待识别图像；基于预设的双边滤波算法，对灰度处理后的待识别图像进行滤波处理，以消除灰度处理后的待识别图像中的噪声干扰，得到滤波处理后的待识别图像；基于预设的阈值分割算法，将滤波处理后的待识别图像转化为二值化的待识别图像。

需要解释的是，为了消除待识别图像中的噪声干扰，在现有技术中，通常采用高斯滤波和中值滤波等滤波算法进行去噪，但是这两种滤波算法在消除噪声干扰的同时，还会使待识别图像中的边缘出现模糊，降低了待识别图像的图像质量，不利于保证后续的图像处理的可靠性。因此，在本申请实施例中，采用了双边滤波算法，结合待识别图像的空间邻近度和像素值相似度进行滤波处理，同时考虑了空域信息和灰度相似性，达到保边去噪的效果，保障了待识别图像的图像质量。

具体地，为了避免在消除噪声干扰的同时，把弹孔当作噪点进行过滤，可以根据弹孔的特征大小设置滤波窗口。其中，由于弹孔通常大于7像素，因此可以将7像素作为滤波窗口，以在保证弹孔不被过滤的同时，达到较好的滤波效果。

进一步的，在一实施例中，为了进一步提高靶位识别结果的准确性，在根据边缘图像，确定弹孔与靶心之间包含的环线边缘的数量之前，可以基于预设的矩形结构因子的形态学滤波算法，消除二值化的待识别图像中的各弹孔边缘、各环线边缘和各环线边缘对应的环线编号边缘，得到靶心图像；对靶心图像进行像素扫描，得到像素扫描结果；根据像素扫描结果，确定待识别图像中的靶心的圆心。

需要解释的是，形态学滤波算法的结构因子包括矩形、十字形和椭圆形，由于弹孔边缘、环线边缘和环线编号边缘在边缘图像中所覆盖的图像范围较大，为了提高图像处理效率，在本申请实施例中采用了矩形结构因子的形态学滤波算法。

具体地，如图4所示，为本申请实施例提供的示例性的靶心图像的结构示意图，通过对靶心图像逐行地进行从左往右、从上往下的像素扫描，当开始扫描到暗色像素时，判断扫描到靶心图像的顶边。当扫描到明-暗-明-暗像素规律时，判断扫描到靶心位置，并记录第二段明亮像素的长度，并将第二段明亮像素记为明亮段，将长度最长的明亮段的中点位置确定为靶心的圆心。

具体地，在实施例中，为了提高靶位识别效率，可以以在进行像素扫描时所扫描到的首个像素点为原点、待识别图像的竖直方向为纵轴和待识别图像的水平方向为横轴，建立靶位坐标系。

其中，像素扫描是从左往右、从上往下进行的，扫描到的首个像素点即为该靶心图像的左上角对应的像素点，也就是以靶心图像的左上角作为靶位坐标系的原点。

进一步的，在一实施例中，可以根据像素扫描结果，确定靶心的靶心半径；根据靶心半径和预设的环线间距与靶心半径之间的关系，确定环线间距；根据边缘图像和环线间距，确定各环线编号边缘在靶位坐标系中的环线编号坐标；基于边缘特征消除算法，根据各环线编号边缘在靶位坐标系中的环线编号坐标，消除边缘图像中的各环线编号边缘，以得到不包括各环线编号边缘特征的边缘图像。

其中，如图5所示，为本申请实施例提供的示例性的边缘图像的结构示意图，环线间距是指相邻环线之间的间距，环线间距与靶心半径之间的关系具体是指环线间距与靶心半径之间的长度关系，其中，在大多数的靶纸中，环线间距与靶心半径二者的长度通常是相等的。

具体地，考虑在图像采集过程中，所采集到的待识别图像可能发生了一定的变形，导致各明亮段对应的长度和实际长度存在一定的误差。因此，为了提高所确定的靶心半径的准确性，可以计算多个长度较长的明亮段的平均长度，根据所得到的平均长度确定靶心直径，进而确定靶心半径。

具体地，环线编号通常位于两个相邻环线之间的位置，可以根据边缘图像中的靶心的圆心和环线间距，估计环线编号可能处于的区域，从而确定各环线编号在靶位坐标系中的环线编号坐标。进一步的，根据各环线编号坐标的规律性，判断环线编号的分布规律，例如水平分布和垂直分布等，进而根据其分布规律，确定边缘特征消除算法的扫描方向。

示例性的，若环线编号是水平分布的，可以利用边缘特征消除算法逐行地从左往右扫描环线编号所在的区域，扫描到第一个明亮像素判为环线边缘，扫描到的其它明亮像素都判为环线编号边缘，并将其消除，直到扫描到的明亮像素与第一个明亮像素之间的距离达到了环线间距时，确定当前所扫描到明亮像素为相邻的下一条环线边缘，以此类推，直至消除掉所有环线编号边缘，以得到不包括各环线编号边缘特征的边缘图像。

具体地，在一实施例中，为了进一步提高靶位识别效率，可以在边缘图像中，建立弹孔与靶心的圆心之间的连接线段；获取连接线段中的各像素点的灰度值；根据连接线段中的各像素点的灰度值阶跃次数，确定弹孔与靶心之间包含的环线边缘的数量。

具体地，由于环线边缘对应的像素点的灰度值与底色不同，导致针对穿过环线的连接线段与环线相交的像素点的灰度值与连接线段上的其他像素点的灰度值的区别较大，因此，可以根据连接线段中的各像素点的灰度值阶跃次数，确定该线段穿过的环线的数量，即确定弹孔与靶心之间包含的环线边缘的数量。

具体地，在一实施例中，为了提高弹孔识别效率和弹孔识别的准确性，可以利用卷积神经网络，结合与弹孔形状相似的结构因子，对边缘图像进行卷积计算，根据卷积计算结果和上述靶位坐标系，确定弹孔的位置坐标。也可以采用其他现有技术识别待处理图像中的弹孔，具体本申请实施例不做限定。

进一步的，由于边缘图像是二值化处理后的图像，所以明亮边缘的像素值是最大值255。如果直接对其进行卷积计算，会导致卷积计算结果溢出，所以在对其进行卷积计算之前，还需要对该边缘图像进行弱化处理，具体是把明亮边缘的像素值降下来，以保证卷积计算结果最大值在255以内，从而根据卷积计算结果和靶位坐标系，确定弹孔的位置坐标。

本申请实施例提供的基于FPGA的靶位识别方法通过获取待识别图像；其中，待识别图像中至少包括弹孔和多个环线；根据待识别图像，确定待识别图像中的靶心；基于预设的边缘检测算法，对待识别图像进行边缘检测，以得到对应的边缘图像；其中，边缘图像中至少包括弹孔边缘和各环线边缘；根据边缘图像，确定弹孔与靶心之间包含的环线边缘的数量；根据弹孔边缘与靶心之间包含的环线边缘的数量，确定弹孔对应的靶位识别结果。上述方案提供的基于FPGA的靶位识别方法，通过检测弹孔与靶心之间所间隔的环线数量，确定该弹孔对应的靶位，提高了靶位识别结果的准确性。并且，在进行靶位识别的过程中，消除了边缘图像中的各环线边缘对应的环线编号边缘，避免了环线编号边缘对靶位识别结果造成影响，从而进一步提高了靶位识别结果的准确性。

本申请实施例提供了一种基于FPGA的靶位识别装置，用于执行上述实施例提供的基于FPGA的靶位识别方法。

如图6所示，为本申请实施例提供的基于FPGA的靶位识别装置的结构示意图。该基于FPGA的靶位识别装置60包括获取模块601、第一确定模块602、边缘检测模块603、第二确定模块604和识别模块605。

其中，获取模块601，用于获取待识别图像；其中，待识别图像中至少包括弹孔和多个环线；第一确定模块602，用于根据待识别图像，确定待识别图像中的靶心；边缘检测模块603，用于基于预设的边缘检测算法，对待识别图像进行边缘检测，以得到对应的边缘图像；其中，边缘图像中至少包括弹孔边缘和各环线边缘；第二确定模块604，用于根据边缘图像，确定弹孔与靶心之间包含的环线边缘的数量；识别模块605，用于根据弹孔边缘与靶心之间包含的环线边缘的数量，确定弹孔对应的靶位识别结果。

具体地，在一实施例中，还包括边缘消除模块606。

其中，边缘消除模块606，用于基于预设的边缘特征消除算法，消除边缘图像中与各环线边缘对应的环线编号边缘，以得到不包括环线编号边缘的边缘图像。

具体地，在一实施例中，边缘检测模块603，还用于：

对待识别图像进行灰度处理，以得到灰度处理后的待识别图像；

基于预设的双边滤波算法，对灰度处理后的待识别图像进行滤波处理，以消除灰度处理后的待识别图像中的噪声干扰，得到滤波处理后的待识别图像；

基于预设的阈值分割算法，将滤波处理后的待识别图像转化为二值化的待识别图像。

具体地，在一实施例中，第二确定模块604，还用于：

基于预设的矩形结构因子的形态学滤波算法，消除二值化的待识别图像中的各弹孔边缘、各环线边缘和各环线边缘对应的环线编号边缘，得到靶心图像；

对靶心图像进行像素扫描，得到像素扫描结果；

根据像素扫描结果，确定待识别图像中的靶心的圆心。

具体地，在一实施例中，第二确定模块604，还用于：

以在进行像素扫描时所扫描到的首个像素点为原点、待识别图像的竖直方向为纵轴和待识别图像的水平方向为横轴，建立靶位坐标系。

具体地，在一实施例中，边缘消除模块606，具体用于：

根据像素扫描结果，确定靶心的靶心半径；

根据靶心半径和预设的环线间距与靶心半径之间的关系，确定环线间距；

根据边缘图像和环线间距，确定各环线编号边缘在靶位坐标系中的环线编号坐标；

基于边缘特征消除算法，根据各环线编号边缘在靶位坐标系中的环线编号坐标，消除边缘图像中的各环线编号边缘，以得到不包括各环线编号边缘特征的边缘图像。

具体地，在一实施例中，第二确定模块604，具体用于：

在边缘图像中，建立弹孔与靶心的圆心之间的连接线段；

获取连接线段中的各像素点的灰度值；

根据连接线段中的各像素点的灰度值阶跃次数，确定弹孔与靶心之间包含的环线边缘的数量。

关于本实施例中的基于FPGA的靶位识别装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本申请实施例提供的基于FPGA的靶位识别装置，用于执行上述实施例提供的基于FPGA的靶位识别方法，其实现方式与原理相同，不再赘述。

本申请实施例提供了一种电子设备，用于执行上述实施例提供的基于FPGA的靶位识别方法。

如图7所示，为本申请实施例提供的电子设备的结构示意图。该电子设备70包括：至少一个处理器71和存储器72；

所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上实施例提供的基于FPGA的靶位识别方法。

本申请实施例提供的一种电子设备，用于执行上述实施例提供的基于FPGA的靶位识别方法，其实现方式与原理相同，不再赘述。

本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上任一实施例提供的基于FPGA的靶位识别方法。

本申请实施例的包含计算机可执行指令的存储介质，可用于存储前述实施例中提供的基于FPGA的靶位识别方法的计算机执行指令，其实现方式与原理相同，不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims

1.一种基于FPGA的靶位识别方法，其特征在于，包括：

根据所述待识别图像，确定所述待识别图像中的靶心；

基于预设的边缘特征消除算法，消除所述边缘图像中与所述各环线边缘对应的环线编号边缘，以得到不包括所述环线编号边缘的边缘图像；

根据所述弹孔边缘与所述靶心之间包含的环线边缘的数量，确定所述弹孔对应的靶位识别结果；

所述基于预设的边缘特征消除算法，消除所述边缘图像中与所述各环线边缘对应的环线编号边缘，以得到不包括所述环线编号边缘的边缘图像，包括：

根据像素扫描结果，确定靶心的靶心半径；

根据所述边缘图像和所述环线间距，确定各环线编号边缘在靶位坐标系中的环线编号坐标；

基于所述边缘特征消除算法，根据各环线编号边缘在所述靶位坐标系中的环线编号坐标，消除所述边缘图像中的各环线编号边缘，以得到不包括所述各环线编号边缘特征的边缘图像；

所述根据所述边缘图像，确定所述弹孔与所述靶心之间包含的环线边缘的数量，包括：

获取连接线段中的各像素点的灰度值；

2.根据权利要求1所述的基于FPGA的靶位识别方法，其特征在于，在基于预设的边缘检测算法，对所述待识别图像进行边缘检测，以得到对应的边缘图像之前，所述方法还包括：

3.根据权利要求2所述的基于FPGA的靶位识别方法，其特征在于，在根据所述边缘图像，确定所述弹孔与所述靶心之间包含的环线边缘的数量之前，包括：

对所述靶心图像进行像素扫描，得到像素扫描结果；

4.根据权利要求3所述的基于FPGA的靶位识别方法，其特征在于，还包括：

5.一种基于FPGA的靶位识别装置，其特征在于，包括：

识别模块，用于根据所述弹孔边缘与所述靶心之间包含的环线边缘的数量，确定所述弹孔对应的靶位识别结果；

还包括边缘消除模块，用于基于预设的边缘特征消除算法，消除所述边缘图像中与所述各环线边缘对应的环线编号边缘，以得到不包括所述环线编号边缘的边缘图像；

所述边缘消除模块，具体用于：

根据像素扫描结果，确定靶心的靶心半径；

所述第二确定模块，具体用于：

获取连接线段中的各像素点的灰度值；

6.一种电子设备，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至4任一项所述的方法。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至4任一项所述的方法。