CN112891907B - 一种具有台球号码识别功能的台球盒 - Google Patents
一种具有台球号码识别功能的台球盒 Download PDFInfo
- Publication number
- CN112891907B CN112891907B CN202110113330.1A CN202110113330A CN112891907B CN 112891907 B CN112891907 B CN 112891907B CN 202110113330 A CN202110113330 A CN 202110113330A CN 112891907 B CN112891907 B CN 112891907B
- Authority
- CN
- China
- Prior art keywords
- billiard
- unit
- image
- box
- data
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63D—BOWLING GAMES, e.g. SKITTLES, BOCCE OR BOWLS; INSTALLATIONS THEREFOR; BAGATELLE OR SIMILAR GAMES; BILLIARDS
- A63D15/00—Billiards, e.g. carom billiards or pocket billiards; Billiard tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种具有台球号码识别功能的台球盒,包括:识别模块,用于识别台球号码;校验模块,用于对所述台球号码进行校验,获取最终校验结果;提醒模块,用于基于所述最终校验结果,判断当台球号码出现缺失或收纳出错时,进行报警操作。通过对台球号码进行识别,并将识别到的台球号码与台球盒中预设的台球号码进行比对,并且在收纳盒收纳台球出错时进行报警提醒,确保了台球盒在根据识别的台球号码进行收纳时的准确性。
Description
技术领域
本发明涉及号码识别技术领域,特别涉及一种具有台球号码识别功能的台球盒。
背景技术
目前,台球盒是一种用来收纳台球的装置,是一种可以有效提高台球的存储以及保护台球不丢失的装置。
然而,现如今的台球盒仅仅是用来对台球进行收纳,没有实现台球盒的智能化,不可以自动识别台球盒中的台球是否发生收纳异常等的情况,更没有当出现收纳异常时进行报警的操作,使得使用效率低下,因此,本发明提高了一种具有台球号码识别功能的台球盒。
发明内容
本发明提供一种具有台球号码识别功能的台球盒,用以对台球号码进行识别,并根据识别结果实现台球盒对台球的正确收纳。
优选的,一种具有台球号码识别功能的台球盒,包括:
识别模块,用于识别台球号码;
校验模块,用于对所述台球号码进行校验,获取最终校验结果;
提醒模块,用于基于所述最终校验结果,判断当所述台球盒收纳出错时,进行报警操作。
优选的,一种具有台球号码识别功能的台球盒,所述识别模块,包括:
图像获取单元,用于获取台球图像;
字符获取单元,用于将所述台球图像中,包含号码部分的区域进行切出,获取字符图像;
第一图像处理单元,用于获取所述字符图像中与所述号码相关联的字符属性信息;
存储单元,用于将所述字符属性信息存储于与所述字符属性信息相关联的字符识别模板中;
字符识别单元,用于参照所述存储单元中的字符识别模板,对所述字符图像进行识别,获取识别结果;
第一计算单元,用于计算所述识别结果的评价值,并将所述评价值与标准评价值进行比较;
若所述评价值等于或大于所述标准评价值,则将所述识别结果作为最终识别结果;
否则,基于所述字符获取单元,重新获取字符图像。
优选的,一种具有台球号码识别功能的台球盒,所述字符获取单元,包括:
训练单元,用于将所述台球图像进行训练,获取所述台球图像的目标区域,并基于所述台球图像的目标区域,建立第一训练模型;
第二计算单元,用于计算所述台球图像中的像素点为所述目标区域边界的概率,并获取目标区域边界概率图;
所述训练单元,还用于基于所述目标区域边界概率图进行训练,并建立第二训练模型;
融合单元,用于将所述第一训练模型与所述第二训练模型进行融合,获取最终的图像切出模型;
图像切出单元,用于基于所述图像切出模型将所述台球图像的目标区域进行切出;
整合单元,用于对切出的目标区域进行整合处理,具体步骤包括:
S101、计算每个切出区域的像素值,并将所述像素值与超像素聚类中心的超像素进行关联;
S102、基于关联后的所述切出区域的像素值进行聚类迭代,获取图像目标区域的超像素;
S103、将获取的所述目标区域的超像素进行相似度学习,并进行超像素合并,获取最终的切出图像。
优选的,一种具有台球号码识别功能的台球盒,所述训练单元,包括:
第二图像处理单元,用于基于高斯模糊方式对所述台球图像进行处理,获取与所述目标区域相近似的模糊目标图像;
图像生成单元,用于将所述模糊目标图像与所述目标区域进行仿射变换,生成一组由多张子图像组成的训练图像集;
图像处理模块单元,还用于将所述子图像转换为灰度图像,并提取所述灰度图像的像素点;
第三计算单元,用于将所述灰度图像的像素点进行正态分布计算,获取高斯矩阵;
模型获取单元,用于将所述高斯矩阵进行卷积处理,并基于处理结果,建立第一训练模型。
优选的,一种具有台球号码识别功能的台球盒,所述识别模块,包括:
噪声处理单元,用于获取台球图像的噪声强度,并对所述台球图像添加高斯白噪声,通过所述高斯白噪声对所述台球图像的噪声强度进行抵消,获取去噪后的台球图像,记为纯净台球图像;
色彩分割单元,用于将所述纯净台球图像在笛卡尔坐标系中拆分成像素点,并对每个像素点中的色彩信息进行提取;
数据比对单元,用于将所述色彩信息与预设色彩资料数据库中的数据进行比对,获取所述色彩信息所对应的二进制色彩数据;
判断单元,用于判断所述二进制色彩数据中的数据是否符合数据一致规则,若符合,则判定所述台球的颜色为纯色,否则,则判定所述台球的颜色为花色。
优选的,一种具有台球号码识别功能的台球盒,所述校验模块,包括:
数据检测单元,用于检测当前所述台球盒中的台球总数;
校验单元,用于将当前所述台球盒中的台球总数与所述台球盒中的标准数目进行比较;
若所述台球盒中的台球总数小于或大于所述标准数目,则判定当前所述台球盒中的台球数目不准确;
号码整理单元,用于当所述台球盒的台球总数等于所述标准数目时,获取台球号码数据,同时,将所述台球号码数据存储于数据池中,并在所述数据池中设置对应于所述台球号码数据的排序标志位;
号码判断单元,用于判断所述排序标志位相对应的所述台球号码数据是否已排序;
所述号码整理单元,还用于当判断出所述排序标志位相对应的所述台球号码数据未排序时,对所述台球号码数据进行排序,并更新相应的排序标志位;
号码重复检测单元,用于检测经排序后的所述台球号码数据是否发生重复,若发生,则判定当前所述台球盒的台球收纳不准确;
颜色匹配单元,用于当所述台球盒中的台球号码数据没有重复时,获取当前所述台球盒中台球的颜色数据,并基于所述颜色数据与所述台球盒所存储的颜色数据库之间进行线性映射,并建立映射矩阵;
数据处理单元,用于获取所述映射矩阵的向量范数,并基于所述向量范数对所述颜色数据与所述颜色数据库的匹配系数;
所述颜色匹配单元,还用于根据所述匹配系数将所述颜色数据与所述颜色数据库中的指定颜色数据进行匹配,并判断所述颜色数据是否与指定颜色数据一致,若所述颜色数据与所述指定颜色数据一致时,所述台球盒将所述台球进行收纳;
否则,不对所述台球进行收纳。
优选的,一种具有台球号码识别功能的台球盒,所述提醒模块,包括:
声音提醒单元,用于当所述台球盒中的台球数目不准确时,进行声音报警操作;
振动提醒单元,用于当所述台球盒中的台球号码出现重复时,进行振动报警操作;
灯光提醒单元,用于当所述台球盒中的台球颜色不准确时,进行灯光闪烁报警操作;
其中,所述报警操作是声音提醒单元、振动提醒单元、灯光提醒单元中的一种或多种之间的排列组合。
优选的,一种具有台球号码识别功能的台球盒,所述校验模块,还包括:
分析单元,用于将所述台球盒中的台球号码进行整合,并获取整合好的所述台球号码的台球号码图像,对所述台球号码图像进行分析,获取分析结果;
第四计算单元,用于基于分析结果,计算所述台球盒中对台球号码的识别度;
其中,表示所述台球盒中对台球号码的识别度;表示所述台球号码图像的像素
点个数;表示在所述分析单元中对所述台球号码图像进行分析的分析速度;表示在所述
分析单元中对所述台球号码图像进行分析所需要的分析时间;表示所述台球号码图像的
图像模糊度;表示所述台球号码图像的图像灰度值;表示所述台球号码图像的号码轮廓
值;表示所述台球号码图像的图像分辨率;表示所述台球号码图像的像素均值;
第五计算单元,用于基于所述球盒中对台球号码的识别度,对台球号码进行校验,并计算校验准确率;
其中,表示所述校验准确率;表示台球号码识别数值与台球号码实际数值之间
的差异值;表示所述台球盒中对台球号码的识别度;表示校验效率;表示校验因子,其
取值范围为(1,1.9);表示对所述台球号码进行校验所需要的校验时间;表示对所述台
球号码进行校验所存在的误差系数,其取值范围为(0.2*10-3,0.01);
比较单元,用于将所述校验准确率与预设准确率进行比较;
报警单元,用于当所述校验准确率小于所述预设准确率时,进行报警操作,同时,将比较结果传输至识别单元;
所述识别单元,还用于基于所述比较结果,重新对所述台球号码进行识别;
结果输出单元,用于当所述校验准确率等于或大于所述预设准确率时,完成对所述台球号码的校验,并将所述校验结果传输至执行单元;
所述执行单元,用于基于所述校验结果,通过所述台球盒将台球进行收纳。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种具有台球号码识别功能的台球盒的结构图;
图2为本发明实施例中一种具有台球号码识别功能的台球盒中识别模块内部的结构图;
图3为本发明实施例中一种具有台球号码识别功能的台球盒中字符获取单元内部的结构图;
图4为本发明实施例中一种具有台球号码识别功能的台球盒中训练单元内部的结构图;
图5为本发明实施例中一种具有台球号码识别功能的台球盒中识别模块内部的结构图;
图6为本发明实施例中一种具有台球号码识别功能的台球盒中校验模块内部的第一结构图;
图7为本发明实施例中一种具有台球号码识别功能的台球盒中提醒模块内部的结构图;
图8为本发明实施例中一种具有台球号码识别功能的台球盒中校验模块内部的第二结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
本实施例提供了一种具有台球号码识别功能的台球盒,如图1所示,包括:
识别模块,用于识别台球号码;
校验模块,用于对所述台球号码进行校验,获取最终校验结果;
提醒模块,用于基于所述最终校验结果,判断当所述台球盒收纳出错时,进行报警操作。
上述技术方案的工作原理是:
通过识别台球号码,并基于识别的台球号码进行校验,将台球号码与台球盒中预先设定好的号码进行比较,其比较结果如果发生错误时,通过提醒模块进行报警操作。
该实施例中,收纳出错可以是整套台球不全或者号码错误。
该实施例中,对所述台球号码进行校验指的是根据识别到的号码与台球盒中提前设定好的号码进行比较,判断两者是否相同。
该实施例中,报警操作包括声音报警、振动报警和灯光报警中的任意一种或多种组合。
上述技术方案的有益效果是:通过对台球号码进行识别,并将识别到的台球号码与台球盒中预设的台球号码进行比对,并且在收纳盒收纳台球出错时进行报警提醒,确保了台球盒在根据识别的台球号码进行收纳时的准确性。
实施例2:
在实施例1的基础上,本实施例提供了一种具有台球号码识别功能的台球盒,如图2所示,所述识别模块,包括:
图像获取单元,用于获取台球图像;
字符获取单元,用于将所述台球图像中,包含号码部分的区域进行切出,获取字符图像;
第一图像处理单元,用于获取所述字符图像中与所述号码相关联的字符属性信息;
存储单元,用于将所述字符属性信息存储于与所述字符属性信息相关联的字符识别模板中;
字符识别单元,用于参照所述存储单元中的字符识别模板,对所述字符图像进行识别,获取识别结果;
第一计算单元,用于计算所述识别结果的评价值,并将所述评价值与标准评价值进行比较;
若所述评价值等于或大于所述标准评价值,则将所述识别结果作为最终识别结果;
否则,基于所述字符获取单元,重新获取字符图像。
该实施例中,字符图像指的是台球图像中包含阿拉伯数字的区域图像,例如包含数字“8”的区域图像。
该实施例中,字符属性信息指的是能够代表数字具体取值的参数。
该实施例中,识别结果的评价值指的是对识别的结果进行评定,评价值可以反应识别的准确度。
该实施例中,字符识别模板可以是对字符进行识别的参照,其识别结果可以时通过字符识别模板与字符间的匹配结果构成的。
上述技术方案的有益效果是:通过获取台球的整体图像,并从整体图像中分割出包含数字的区域图像,通过确定数字的属性信息,并根据字符识别模板对台球数字进行准确识别,确保了在对台球进行识别时的准确性,提高了识别的辨识度。
实施例3:
在实施例1的基础上,本实施例提供了一种具有台球号码识别功能的台球盒,如图3所示,所述字符获取单元,包括:
训练单元,用于将所述台球图像进行训练,获取所述台球图像的目标区域,并基于所述台球图像的目标区域,建立第一训练模型;
第二计算单元,用于计算所述台球图像中的像素点为所述目标区域边界的概率,并获取目标区域边界概率图;
所述训练单元,还用于基于所述目标区域边界概率图进行训练,并建立第二训练模型;
融合单元,用于将所述第一训练模型与所述第二训练模型进行融合,获取最终的图像切出模型;
图像切出单元,用于基于所述图像切出模型将所述台球图像的目标区域进行切出;
整合单元,用于对切出的目标区域进行整合处理,具体步骤包括:
S101、计算每个切出区域的像素值,并将所述像素值与超像素聚类中心的超像素进行关联;
S102、基于关联后的所述切出区域的像素值进行聚类迭代,获取图像目标区域的超像素;
S103、将获取的所述目标区域的超像素进行相似度学习,并进行超像素合并,获取最终的切出图像。
该实施例中,目标区域指的是包含台球数字的区域。
该实施例中,超像素指的是由一系列位置相邻且颜色、亮度、纹理等特征相似的像素点组成的小区域。
该实施例中,切出图像指的是最终得到的只包含台球数字部分的图像。
该实施例中,聚类迭代可以是将目标区域的像素值进行重复聚类,从而逼近目标区域的超像素。
上述技术方案的有益效果是:通过锁定台球图像中包含数字部分的图像,并通过确定包含数字部分图像的像素,得到数字部分图像的超像素,根据超像素完成对台球图像中包含数字部分的切割,确保对台球图像中数字部分切割的准确度,便于提高台球号码识别的准确度。
实施例4:
在实施例3的基础上,本实施例提供了一种具有台球号码识别功能的台球盒,如图4所示,所述训练单元,包括:
第二图像处理单元,用于基于高斯模糊方式对所述台球图像进行处理,获取与所述目标区域相近似的模糊目标图像;
图像生成单元,用于将所述模糊目标图像与所述目标区域进行仿射变换,生成一组由多张子图像组成的训练图像集;
图像处理模块单元,还用于将所述子图像转换为灰度图像,并提取所述灰度图像的像素点;
第三计算单元,用于将所述灰度图像的像素点进行正态分布计算,获取高斯矩阵;
模型获取单元,用于将所述高斯矩阵进行卷积处理,并基于处理结果,建立第一训练模型。
该实施例中,模糊目标图像指的是台球图像中对包含数字部分的图像进行大致圈定,例如包含数字部分图像为圆形,且半径为1厘米,模糊目标图像的半径则为2厘米。
该实施例中,仿射变换是在几何上定义为两个向量空间之间的一个仿射变换或者仿射映射,由一个非奇异的线性变换接上一个平移变换组成。
上述技术方案的有益效果是:通过对台球图像进行处理,得到模糊目标图像,并对模糊目标图像进行处理,并根据处理结果构建第一训练模型,为准确分割台球图像中包含数字部分图像提供了便利,提高了台球号码识别的准确度。
实施例5:
在实施例1的基础上,本实施例提供了一种具有台球号码识别功能的台球盒,如图5所示,所述识别模块,包括:
噪声处理单元,用于获取台球图像的噪声强度,并对所述台球图像添加高斯白噪声,通过所述高斯白噪声对所述台球图像的噪声强度进行抵消,获取去噪后的台球图像,记为纯净台球图像;
色彩分割单元,用于将所述纯净台球图像在笛卡尔坐标系中拆分成像素点,并对每个像素点中的色彩信息进行提取;
数据比对单元,用于将所述色彩信息与预设色彩资料数据库中的数据进行比对,获取所述色彩信息所对应的二进制色彩数据;
判断单元,用于判断所述二进制色彩数据中的数据是否符合数据一致规则,若符合,则判定所述台球的颜色为纯色,否则,则判定所述台球的颜色为花色。
该实施例中,高斯白噪声中的高斯是指概率分布是正态函数,而白噪声是指它的二阶矩不相关,一阶矩为常数,是指先后信号在时间上的相关性。
该实施例中,笛卡尔坐标系可以是将纯净台球图像以圆心位笛卡尔坐标系的中心平铺于坐标系中,将相交于纯净台球图像的圆心的两条数轴,构成了平面仿射坐标系,其中,若两条数轴上的度量单位相等,则称此仿射坐标系为笛卡尔坐标系且两条数轴互相垂直的笛卡尔坐标系。
该实施例中,数据一致规则例如可以是将二进制色彩数据中为00、11的数据定义为符合数据一致规则。
上述技术方案的有益效果是:通过对台球图像进行去噪处理,可以有效提高图像颜色的准确性,根据数据一致规则可以准确将台球的颜色进行区分,有利于提高台球盒收纳的精准度。
实施例6:
在实施例1的基础上,本实施例提供了一种具有台球号码识别功能的台球盒,如图6所示,所述校验模块,包括:
数据检测单元,用于检测当前所述台球盒中的台球总数;
校验单元,用于将当前所述台球盒中的台球总数与所述台球盒中的标准数目进行比较;
若所述台球盒中的台球总数小于或大于所述标准数目,则判定当前所述台球盒中的台球数目不准确;
号码整理单元,用于当所述台球盒的台球总数等于所述标准数目时,获取台球号码数据,同时,将所述台球号码数据存储于数据池中,并在所述数据池中设置对应于所述台球号码数据的排序标志位;
号码判断单元,用于判断所述排序标志位相对应的所述台球号码数据是否已排序;
所述号码整理单元,还用于当判断出所述排序标志位相对应的所述台球号码数据未排序时,对所述台球号码数据进行排序,并更新相应的排序标志位;
号码重复检测单元,用于检测经排序后的所述台球号码数据是否发生重复,若发生,则判定当前所述台球盒的台球收纳不准确;
颜色匹配单元,用于当所述台球盒中的台球号码数据没有重复时,获取当前所述台球盒中台球的颜色数据,并基于所述颜色数据与所述台球盒所存储的颜色数据库之间进行线性映射,并建立映射矩阵;
数据处理单元,用于获取所述映射矩阵的向量范数,并基于所述向量范数对所述颜色数据与所述颜色数据库的匹配系数;
所述颜色匹配单元,还用于根据所述匹配系数将所述颜色数据与所述颜色数据库中的指定颜色数据进行匹配,并判断所述颜色数据是否与指定颜色数据一致,若所述颜色数据与所述指定颜色数据一致时,所述台球盒将所述台球进行收纳;
否则,不对所述台球进行收纳。
该实施例中,标准数目可以是台球盒根据台球颜色进行收集,标准数目为9个。
该实施例中,台球在使用的时候,所有的球都要一起拿出来,收纳的时候,也要一起放回去,盒子的最大容量恰好可以把所有的球都容纳进去。
该实施例中,排序标志位可以是只针对标准数目进行排序。
该实施例中,匹配系数可以是对颜色进行匹配的系数值,其取值范围一般为[0.6,0.8]。
该实施例中,映射矩阵可以是将颜色数据于颜色数据库之间进行线性映射,例如将颜色数据为1,其1在颜色数据库中有相对应的数据段,其数据段中的数据构成的矩阵即为映射矩阵。
该实施例中,向量范数可以是用来界定映射矩阵的大小。
该实施例中,指定颜色数据可以是花色台球数据也可以是纯色台球数据。
上述技术方案的有益效果是:首先对台球盒中的数目进行检测,从而可以有效获取当前台球盒中所收纳的台球是否正常,当正常是,通过对台区号码进行排序,可以快速判别出台球号码是否出现重复,例如是两个号码一样的台球,一个是纯色,一个是花色,当没有重复号码出现时,再识别台球颜色,该系统可以准确确定台球盒收纳台球是否正确。
实施例7:
在实施例1的基础上,本实施例提供了一种具有台球号码识别功能的台球盒,如图7所示,所述提醒模块,包括:
声音提醒单元,用于当所述台球盒中的台球数目不准确时,进行声音报警操作;
振动提醒单元,用于当所述台球盒中的台球号码出现重复时,进行振动报警操作;
灯光提醒单元,用于当所述台球盒中的台球颜色不准确时,进行灯光闪烁报警操作;
其中,所述报警操作是声音提醒单元、振动提醒单元、灯光提醒单元中的一种或多种之间的排列组合。
上述技术方案的有益效果是:通过不同的提醒单元可以使使用者更加清晰的明白台球盒收集台球的状况。
实施例8:
在实施例1的基础上,本实施例提供了一种具有台球号码识别功能的台球盒,如图8所示,所述校验模块,还包括:
分析单元,用于将所述台球盒中的台球号码进行整合,并获取整合好的所述台球号码的台球号码图像,对所述台球号码图像进行分析,获取分析结果;
第四计算单元,用于基于分析结果,计算所述台球盒中对台球号码的识别度;
其中,表示所述台球盒中对台球号码的识别度;表示所述台球号码图像的像素
点个数;表示在所述分析单元中对所述台球号码图像进行分析的分析速度;表示在所述
分析单元中对所述台球号码图像进行分析所需要的分析时间;表示所述台球号码图像的
图像模糊度;表示所述台球号码图像的图像灰度值;表示所述台球号码图像的号码轮廓
值;表示所述台球号码图像的图像分辨率;表示所述台球号码图像的像素均值;
第五计算单元,用于基于所述球盒中对台球号码的识别度,对台球号码进行校验,并计算校验准确率;
其中,表示所述校验准确率;表示台球号码识别数值与台球号码实际数值之间
的差异值;表示所述台球盒中对台球号码的识别度;表示校验效率;表示校验因子,其
取值范围为(1,1.9);表示对所述台球号码进行校验所需要的校验时间;表示对所述台
球号码进行校验所存在的误差系数,其取值范围为(0.2*10-3,0.01);
比较单元,用于将所述校验准确率与预设准确率进行比较;
报警单元,用于当所述校验准确率小于所述预设准确率时,进行报警操作,同时,将比较结果传输至识别单元;
所述识别单元,还用于基于所述比较结果,重新对所述台球号码进行识别;
结果输出单元,用于当所述校验准确率等于或大于所述预设准确率时,完成对所述台球号码的校验,并将所述校验结果传输至执行单元;
所述执行单元,用于基于所述校验结果,通过所述台球盒将台球进行收纳。
该实施例中,号码轮廓值可以是对台球号码图像的号码边界进行界定,并且其边缘的像素点所对应的像素值的综合即为号码轮廓值。
该实施例中,误差系数可以是基于校验时存在的误差,且该误差系数会对校验结果有一定影响,但不可避免,通常将误差系数计算进校验结果中,可以考虑存在误差时,对校验准确率进行评估。
该实施例中,预设准确率由于存在误差系数,从而预设准确率不会达到100%,因此将预设准确率为80%。
上述技术方案的有益效果是:通过对台区号码图像进行分析,并基于分析结果,准确计算台球盒中对台球号码的识别度,从而通过台球号码的识别度可以精确获取对台球号码进行校验的校验准确率,当达不到预设准确率时,进行报警操作,从而提高了系统的严密性与数据校验的合理性,使得获取的台球号码更加精准,提高了效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种具有台球号码识别功能的台球盒,其特征在于,包括:
识别模块,用于识别台球号码;
校验模块,用于对所述台球号码进行校验,获取最终校验结果;
提醒模块,用于基于所述最终校验结果,判断当所述台球盒收纳出错时,进行报警操作;
所述校验模块,还包括:
分析单元,用于将所述台球盒中的台球号码进行整合,并获取整合好的所述台球号码的台球号码图像,对所述台球号码图像进行分析,获取分析结果;
第四计算单元,用于基于分析结果,计算所述台球盒中对台球号码的识别度;
其中,表示所述台球盒中对台球号码的识别度;表示所述台球号码图像的像素点个
数;表示在所述分析单元中对所述台球号码图像进行分析的分析速度;表示在所述分析
单元中对所述台球号码图像进行分析所需要的分析时间;表示所述台球号码图像的图像
模糊度;表示所述台球号码图像的图像灰度值;表示所述台球号码图像的号码轮廓值;表示所述台球号码图像的图像分辨率;表示所述台球号码图像的像素均值;
第五计算单元,用于基于所述球盒中对台球号码的识别度,对台球号码进行校验,并计算校验准确率;
其中,表示所述校验准确率;表示台球号码识别数值与台球号码实际数值之间的差
异值;表示所述台球盒中对台球号码的识别度;表示校验效率表示校验因子,其取
值范围为(1,1.9);表示对所述台球号码进行校验所需要的校验时间;表示对所述台球
号码进行校验所存在的误差系数,其取值范围为(0.2*10-3,0.01);
比较单元,用于将所述校验准确率与预设准确率进行比较;
报警单元,用于当所述校验准确率小于所述预设准确率时,进行报警操作,同时,将比较结果传输至识别单元;
所述识别单元,还用于基于所述比较结果,重新对所述台球号码进行识别;
结果输出单元,用于当所述校验准确率等于或大于所述预设准确率时,完成对所述台球号码的校验,并将所述校验结果传输至执行单元;
所述执行单元,用于基于所述校验结果,通过所述台球盒将台球进行收纳。
2.根据权利要求1所述的一种具有台球号码识别功能的台球盒,其特征在于,所述识别模块,包括:
图像获取单元,用于获取台球图像;
字符获取单元,用于将所述台球图像中,包含号码部分的区域进行切出,获取字符图像;
第一图像处理单元,用于获取所述字符图像中与所述号码相关联的字符属性信息;
存储单元,用于将所述字符属性信息存储于与所述字符属性信息相关联的字符识别模板中;
字符识别单元,用于参照所述存储单元中的字符识别模板,对所述字符图像进行识别,获取识别结果;
第一计算单元,用于计算所述识别结果的评价值,并将所述评价值与标准评价值进行比较;
若所述评价值等于或大于所述标准评价值,则将所述识别结果作为最终识别结果;
否则,基于所述字符获取单元,重新获取字符图像。
3.根据权利要求2所述的一种具有台球号码识别功能的台球盒,其特征在于,所述字符获取单元,包括:
训练单元,用于将所述台球图像进行训练,获取所述台球图像的目标区域,并基于所述台球图像的目标区域,建立第一训练模型;
第二计算单元,用于计算所述台球图像中的像素点为所述目标区域边界的概率,并获取目标区域边界概率图;
所述训练单元,还用于基于所述目标区域边界概率图进行训练,并建立第二训练模型;
融合单元,用于将所述第一训练模型与所述第二训练模型进行融合,获取最终的图像切出模型;
图像切出单元,用于基于所述图像切出模型将所述台球图像的目标区域进行切出;
整合单元,用于对切出的目标区域进行整合处理,具体步骤包括:
S101、计算每个切出区域的像素值,并将所述像素值与超像素聚类中心的超像素进行关联;
S102、基于关联后的所述切出区域的像素值进行聚类迭代,获取图像目标区域的超像素;
S103、将获取的所述目标区域的超像素进行相似度学习,并进行超像素合并,获取最终的切出图像。
4.根据权利要求3所述的一种具有台球号码识别功能的台球盒,其特征在于,所述训练单元,包括:
第二图像处理单元,用于基于高斯模糊方式对所述台球图像进行处理,获取与所述目标区域相近似的模糊目标图像;
图像生成单元,用于将所述模糊目标图像与所述目标区域进行仿射变换,生成一组由多张子图像组成的训练图像集;
图像处理模块单元,还用于将所述子图像转换为灰度图像,并提取所述灰度图像的像素点;
第三计算单元,用于将所述灰度图像的像素点进行正态分布计算,获取高斯矩阵;
模型获取单元,用于将所述高斯矩阵进行卷积处理,并基于处理结果,建立第一训练模型。
5.根据权利要求1所述的一种具有台球号码识别功能的台球盒,其特征在于,所述识别模块,包括:
噪声处理单元,用于获取台球图像的噪声强度,并对所述台球图像添加高斯白噪声,通过所述高斯白噪声对所述台球图像的噪声强度进行抵消,获取去噪后的台球图像,记为纯净台球图像;
色彩分割单元,用于将所述纯净台球图像在笛卡尔坐标系中拆分成像素点,并对每个像素点中的色彩信息进行提取;
数据比对单元,用于将所述色彩信息与预设色彩资料数据库中的数据进行比对,获取所述色彩信息所对应的二进制色彩数据;
判断单元,用于判断所述二进制色彩数据中的数据是否符合数据一致规则,若符合,则判定所述台球的颜色为纯色,否则,则判定所述台球的颜色为花色。
6.根据权利要求1所述的一种具有台球号码识别功能的台球盒,其特征在于,所述校验模块,包括:
数据检测单元,用于检测当前所述台球盒中的台球总数;
校验单元,用于将当前所述台球盒中的台球总数与所述台球盒中的标准数目进行比较;
若所述台球盒中的台球总数小于或大于所述标准数目,则判定当前所述台球盒中的台球数目不准确;
号码整理单元,用于当所述台球盒的台球总数等于所述标准数目时,获取台球号码数据,同时,将所述台球号码数据存储于数据池中,并在所述数据池中设置对应于所述台球号码数据的排序标志位;
号码判断单元,用于判断所述排序标志位相对应的所述台球号码数据是否已排序;
所述号码整理单元,还用于当判断出所述排序标志位相对应的所述台球号码数据未排序时,对所述台球号码数据进行排序,并更新相应的排序标志位;
号码重复检测单元,用于检测经排序后的所述台球号码数据是否发生重复,若发生,则判定当前所述台球盒的台球收纳不准确;
颜色匹配单元,用于当所述台球盒中的台球号码数据没有重复时,获取当前所述台球盒中台球的颜色数据,并基于所述颜色数据与所述台球盒所存储的颜色数据库之间进行线性映射,并建立映射矩阵;
数据处理单元,用于获取所述映射矩阵的向量范数,并基于所述向量范数对所述颜色数据与所述颜色数据库的匹配系数;
所述颜色匹配单元,还用于根据所述匹配系数将所述颜色数据与所述颜色数据库中的指定颜色数据进行匹配,并判断所述颜色数据是否与指定颜色数据一致,若所述颜色数据与所述指定颜色数据一致时,基于所述台球盒将所述台球进行收纳;
否则,不对所述台球进行收纳。
7.根据权利要求1所述的一种具有台球号码识别功能的台球盒,其特征在于,所述提醒模块,包括:
声音提醒单元,用于当所述台球盒中的台球数目不准确时,进行声音报警操作;
振动提醒单元,用于当所述台球盒中的台球号码出现重复时,进行振动报警操作;
灯光提醒单元,用于当所述台球盒中的台球颜色不准确时,进行灯光闪烁报警操作;
其中,所述报警操作是声音提醒单元、振动提醒单元、灯光提醒单元中的一种或多种之间的排列组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110113330.1A CN112891907B (zh) | 2021-01-28 | 2021-01-28 | 一种具有台球号码识别功能的台球盒 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110113330.1A CN112891907B (zh) | 2021-01-28 | 2021-01-28 | 一种具有台球号码识别功能的台球盒 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112891907A CN112891907A (zh) | 2021-06-04 |
CN112891907B true CN112891907B (zh) | 2023-01-13 |
Family
ID=76119044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110113330.1A Active CN112891907B (zh) | 2021-01-28 | 2021-01-28 | 一种具有台球号码识别功能的台球盒 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112891907B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103877721B (zh) * | 2013-07-12 | 2016-05-25 | 北京瑞盖科技有限公司 | 一种台球辅助训练系统及方法 |
CN205252488U (zh) * | 2015-09-24 | 2016-05-25 | 深圳市华星视讯科技有限公司 | 一种美式台球号码识别装置 |
CN206526497U (zh) * | 2016-11-04 | 2017-09-29 | 王�锋 | 台球号码识别装置及自动摆球机 |
CN107945521A (zh) * | 2017-11-20 | 2018-04-20 | 青岛比特信息技术有限公司 | 一种枪球联动路侧泊车检测系统及方法 |
CN110368664B (zh) * | 2019-06-04 | 2020-10-16 | 武汉理工大学 | 台球摆放机器人 |
-
2021
- 2021-01-28 CN CN202110113330.1A patent/CN112891907B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112891907A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229509B (zh) | 用于识别物体类别的方法及装置、电子设备 | |
CN110569878B (zh) | 一种基于卷积神经网络的照片背景相似度聚类方法及计算机 | |
US8391560B2 (en) | Method and system for image identification and identification result output | |
US9286533B2 (en) | Method for image recombination of a plurality of images and image identification and system for image acquiring and identification | |
US7415165B2 (en) | Red-eye detection device, red-eye detection method, and red-eye detection program | |
CN109977191B (zh) | 问题地图检测方法、装置、电子设备和介质 | |
CN106778737B (zh) | 一种车牌矫正方法、装置和一种视频采集装置 | |
CN105574550A (zh) | 一种车辆识别方法及装置 | |
US20020168097A1 (en) | System and method for recognizing markers on printed circuit boards | |
CN110866430A (zh) | 一种车牌识别方法及装置 | |
CN108491498A (zh) | 一种基于多特征检测的卡口图像目标搜索方法 | |
CN111126393A (zh) | 车辆外观改装判断方法、装置、计算机设备及存储介质 | |
CN116862910B (zh) | 基于自动化裁切生产的视觉检测方法 | |
CN112861785A (zh) | 一种基于实例分割和图像修复的带遮挡行人重识别方法 | |
CN110458019B (zh) | 稀缺认知样本条件下的排除倒影干扰的水面目标检测方法 | |
CN116740758A (zh) | 一种防止误判的鸟类图像识别方法及系统 | |
CN111539456A (zh) | 一种目标识别方法及设备 | |
CN114549513A (zh) | 零件识别方法、装置、质检方法、电子设备及存储介质 | |
CN108992033B (zh) | 一种视觉测试的评分装置、设备和存储介质 | |
CN113011285B (zh) | 车道线检测方法、装置、自动驾驶车辆及可读存储介质 | |
CN112891907B (zh) | 一种具有台球号码识别功能的台球盒 | |
US7783112B2 (en) | Method for measuring the proximity of two contours and system for automatic identification of targets | |
JP2002133413A (ja) | 画像処理を用いる3次元物体の識別方法および装置 | |
EP0651337A1 (en) | Object recognizing method, its apparatus, and image processing method and its apparatus | |
CN115937543A (zh) | 一种基于神经网络的骨盆影像关键点识别方法及系统 |
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 |