CN113048844B - 基于音频信号控制的低功耗智能打靶识别方法及系统 - Google Patents
基于音频信号控制的低功耗智能打靶识别方法及系统 Download PDFInfo
- Publication number
- CN113048844B CN113048844B CN202110254564.8A CN202110254564A CN113048844B CN 113048844 B CN113048844 B CN 113048844B CN 202110254564 A CN202110254564 A CN 202110254564A CN 113048844 B CN113048844 B CN 113048844B
- Authority
- CN
- China
- Prior art keywords
- shooting
- target
- image
- miss
- target surface
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F41—WEAPONS
- F41J—TARGETS; TARGET RANGES; BULLET CATCHERS
- F41J5/00—Target indicating systems; Target-hit or score detecting systems
- F41J5/10—Cinematographic hit-indicating systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本公开提供了一种基于音频信号控制的低功耗智能打靶识别方法及系统,获取枪声信号;根据获取的枪声信号,在每次射击后向拍摄装置发送一次图像采集指令,获取每次射击的后的图像数据;根据射击完成后获取的所有图像数据,进行打靶结果的判断;本公开利用音频检测模块采集枪声信号,控制图像采集装置在打靶人员每次射击后采集一次图像,避免了实时图像采集造成的数据冗余,减轻了上位机处理靶面图像的工作量,降低了系统功耗,使设备能长时间工作;通过引入概率论中正态分布函数,结合打靶人员以前的打靶成绩来判断打靶结果是弹孔重叠还是脱靶,不在靶位单元上添加任何传感器,无需特制靶位单元,成本低,适用范围广。
Description
技术领域
本公开涉及射击装备技术领域,特别涉及一种基于音频信号控制的低功耗智能打靶识别方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术,并不必然构成现有技术。
射击打靶无论作为战士的日常训练,还是作为面向大众的体育竞技,都是必不可少的项目。随着技术的发展,打靶系统不断升级。传统射击训练中的打靶人员身份确认、报靶、成绩统计环节大多由人工复核完成。在每次射击训练开始时,需要工作人员先依次核实打靶人员的身份信息,核实无误后打靶人员开始进行打靶训练,然后再由专业的报靶人员近距离观察靶面,或利用望远镜等设备远程判断靶面弹孔情况,统计并记录打靶成绩。近年来,现有的技术虽然已经实现了自动报靶功能,但是无法区分弹孔重叠(即两发弹丸击中同一弹孔)和脱靶的情况,并且存在需要人工核实打靶人员身份和统计打靶成绩的问题。
目前实现自动报靶功能的方法主要有以下两种:一种是采用半导体电子靶,当子弹射击打到靶子上时可以检测出射击环数,该方法需要定期更换电子靶纸,且每张电子靶纸成本较高,不适合日常训练;另一种就是在靶体对面安装摄像头实时采集靶面图像,然后提取图像中的弹孔,这种方式的缺点是摄像头实时采集图像,计算量大且数据冗余,增加系统的功耗,降低装备使用寿命,且不能识别弹孔重叠或是脱靶的情况。
此外,打靶训练中的打靶人员身份确认、信息核实和成绩统计环节大多还由人工完成。目前统计打靶成绩的方法有两种:一种是将摄像头采集到的靶纸图像送入计算机,计算机内的图像就是实际的靶纸图像,然后由工作人员观看计算机屏幕统计成绩;另一种是计算机对采集的靶纸图像进行处理,以数字的形式输出打靶成绩,由工作人员查询此成绩对应的打靶人员姓名,然后进行对应的成绩记录。这两种方法均不能实现全自动的成绩统计,需要人工将成绩和打靶人员进行对应统计,效率低,并且可能会出现统计错误等情况。
发明人发现,现有打靶系统没有提供可以控制摄像头采集靶面图像频次的信号,因此目前已有方案中摄像头只能实时不断地采集图像,导致上位机的计算量大,系统功耗高,对设备要求高。并且现有打靶系统无法智能管理打靶人员信息和快速统计成绩,只能实现简单的报靶,同时也无法有效区分弹孔重叠和脱靶的问题。
发明内容
为了解决现有技术的不足,本公开提供了一种基于音频信号控制的低功耗智能打靶识别方法及系统,利用音频检测模块采集枪声信号,控制图像采集装置在打靶人员每次射击后采集一次图像,避免了实时图像采集造成的数据冗余,减轻了上位机处理靶面图像的工作量,降低了系统功耗,使设备能长时间工作;通过引入概率论中正态分布函数,结合打靶人员以前的打靶成绩来判断打靶结果是弹孔重叠还是脱靶,不在靶位单元上添加任何传感器,无需特制靶位单元,成本低,适用范围广。
为了实现上述目的,本公开采用如下技术方案:
本公开第一方面提供了一种基于音频信号控制的低功耗智能打靶识别方法。
一种基于音频信号控制的低功耗智能打靶识别方法,包括以下步骤:
获取枪声信号;
根据获取的枪声信号,在每次射击后向拍摄装置发送一次图像采集指令,获取每次射击的后的图像数据;
根据射击完成后获取的所有图像数据,进行打靶结果的判断。
作为可选的一些实现方式,枪声信号经过放大、滤波和电压比较后转化为矩形波信号,通过检测矩形波信号高低电平的跳变向拍摄装置发送一次图像采集指令。
作为可选的一些实现方式,对采集到的当前靶面图像和前一次的靶面图像对比处理后,如果没有发现新的弹孔产生,延时0.5s(减少因子弹飞行到靶子需要时间造成的影响,子弹速度约为500m/s,打靶距离为100m左右)后向拍摄装置再次发送图像采集指令,再次获取靶面图像;
将再次采集的靶面图像再与前一次靶面图像进行对比处理,如果仍然没有发现新弹孔产生,则判断出现脱靶或弹孔重叠的情况。
进一步的,当出现脱靶或弹孔重叠的情况时,自动查询数据库,调取打靶人员所有的打靶成绩记录组成数据集,引入正态分布函数分析该数据集,求出数学期望和方差,预测脱靶概率,结合脱靶概率判断本次射击是脱靶还是弹孔重叠;如果判断为脱靶,则本次打靶得零分;如果判断为弹孔重叠,则取前三次打靶成绩的平均分作为本次打靶得分。
进一步的,当出现脱靶或弹孔重叠的情况时,将再次采集的靶面图像和前一次靶面图像进行配对保存,方便工作人员进一步复核。
作为可选的一些实现方式,打靶人员训练前通过人脸识别确认身份,人脸识别成功后输出姓名和ID号,根据ID号自主查询数据库中与之相对应身份信息,打靶人员每打一次靶,成绩会自动更新到与对应的数据库中。
本公开第二方面提供了一种基于音频信号控制的低功耗智能打靶识别系统。
一种基于音频信号控制的低功耗智能打靶识别系统,包括:
数据获取模块,被配置为:获取枪声信号;
图像采集模块,被配置为:根据获取的枪声信号,在每次射击后向拍摄装置发送一次图像采集指令,获取每次射击的后的图像数据;
打靶识别模块,被配置为:根据射击完成后获取的所有图像数据,进行打靶结果的判断。
本公开第三方面提供了一种基于音频信号控制的低功耗智能打靶识别系统。
一种基于音频信号控制的低功耗智能打靶识别系统,包括:音频检测模块、图像采集模块和控制终端;
所述音频检测模块包括依次连接的咪头、放大电路、选频电路和电压比较器,用于实现枪声信号的采集实时发送给控制终端;
所述图像采集模块与控制终端通信,用于接收控制终端发来的拍摄指令并将采集到的图像数据实时发送给控制终端;
所述控制终端根据获取的枪声信号,在每次射击后向图像采集模块发送一次图像采集指令给图像采集模块,获取图像采集模块发来的每次射击的后的图像数据,根据射击完成后获取的所有图像数据,进行打靶结果的判断。
本公开第四方面提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如本公开第一方面所述的基于音频信号控制的低功耗智能打靶识别方法中的步骤。
本公开第五方面提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本公开第一方面所述的基于音频信号控制的低功耗智能打靶识别方法中的步骤。
与现有技术相比,本公开的有益效果是:
本公开利用音频检测的方法,可以有效捕捉每个打靶人员打靶发出的枪声,由此产生摄像头采集靶纸图像信号,控制摄像头拍摄打靶人员每次打靶完毕后的靶面图像,降低了上位机的工作量和功耗,减少了数据冗余,同时也降低了对设备要求,提高了装备的使用寿命。
本公开提出了一种无需在靶位单元上添加任何传感器就可以有效解决弹孔重叠和脱靶问题的方法,通过引入概率论思想,分析打靶人员的历史打靶成绩,计算出该成绩的数学期望和方差,进一步预测出打靶人员此次脱靶的概率,最终判断本次射击的结果是弹孔重叠还是脱靶,此方法解决了传统打靶系统无法区分弹孔重叠还是脱靶的问题,进一步提高了打靶成绩的可靠性。
本公开提出了智能打靶人员管理方式,首次在打靶系统中引入人脸识别和数据库相结合的技术,打靶人员在打靶之前通过人脸识别核对身份,核对成功后系统会自动将本次打靶成绩记录到对应的数据库中,保存打靶数据,提高了训练的效率和训练效能。
本公开无需特制靶位单元,可直接使用现有的靶位单元,有效降低更换装备的成本,适用范围广。
本公开在现有打靶系统中加入了打靶人员的身份核对、打靶成绩统计等模块设计,通过分析打靶人员打靶历史数据解决了弹孔重叠和脱靶问题,真正实现了打靶系统的全自动化;节省了大量时间,降低了人力成本,同时进一步提高了打靶成绩的准确性。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例1提供的整体系统的组成框图。
图2为本公开实施例1提供的整体系统的流程图。
图3为本公开实施例1提供的音频检测模块原理图。
图4为本公开实施例1提供的引入概率论思想来判断弹孔重叠或脱靶的流程图。
图5为本公开实施例1提供的人脸图像采集和训练流程图。
图6为本公开实施例1提供的LBPH算法流程图。
图7为本公开实施例1提供的人脸识别算法结构图。
其中,1、摄像头;2、显示屏;3、三脚架。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
实施例1:
本公开实施例1提供了一种基于音频信号控制的低功耗智能打靶识别方法,包括以下步骤:
获取枪声信号;
根据获取的枪声信号,在每次射击后向拍摄装置发送一次图像采集指令,获取每次射击的后的图像数据;
根据射击完成后获取的所有图像数据,进行打靶结果的判断。
实施例2:
本公开实施例2提供了一种基于音频信号控制的低功耗智能打靶识别系统,包括:音频检测模块、图像采集模块和控制终端;
所述音频检测模块包括依次连接的咪头、放大电路、选频电路和电压比较器,用于实现枪声信号的采集实时发送给控制终端;
所述图像采集模块与控制终端通信,用于接收控制终端发来的拍摄指令并将采集到的图像数据实时发送给控制终端;
所述控制终端根据获取的枪声信号,在每次射击后向图像采集模块发送一次图像采集指令给图像采集模块,获取图像采集模块发来的每次射击的后的图像数据,根据射击完成后获取的所有图像数据,进行打靶结果的判断。
具体的:
本公开整个系统的结构如图1所示,包括摄像头1、显示屏2和三脚架3,整个系统的工作流程如图2所示。
本实施例通过设计的音频检测模块自动采集打靶人员每次射击完成后的枪声信号,信号经过放大电路、滤波电路和电压比较器电路,最后转化为矩形波信号。矩形波信号通过无线传输模块传送到上位机,上位机通过检测矩形波信号高低电平的跳变来控制摄像机抓拍靶面图像,避免摄像头实时采集图像,本实施例可大大减轻上位机处理靶面图像的工作量,减少冗余数据存储,降低系统功耗。
本实施例引入了概率论的正态分布函数来有效解决弹孔重叠和脱靶的区分问题。当上位机对采集到的本次靶面图像和前一次的靶面图像对比处理后,如果没有发现新的弹孔产生,延时0.5s(减少因子弹飞行到靶子需要时间造成的影响)后上位机控制摄像头重新采集一次靶面图像,然后将重新采集的图像再与前一次靶面图像进行对比处理。如果仍然没有发现新弹孔产生,则可能出现脱靶或弹孔重叠的情况;此时系统会查询数据库,调取打靶人员所有的打靶成绩记录组成数据集,然后引入正态分布函数分析该数据集,求出它的数学期望和方差,预测出脱靶概率,进一步判断本次射击是脱靶还是弹孔重叠。如果判断为脱靶,则本次打靶得零分;如果判断为弹孔重叠,则取前三次打靶成绩的平均分作为本次打靶得分。同时还会保存这两次采集的图像,方便工作人员进一步复核。
本实施例进一步解决了传统的人工统计成绩和核对打靶人员身份效率低下的问题,本实施例将人脸识别系统与存储打靶成绩的数据库相互关联。打靶人员训练前通过人脸识别系统确认身份,人脸识别成功后系统会输出姓名和ID号,然后系统会根据ID号自主查询数据库中与之相对应身份信息。随后打靶人员每打一次靶,成绩会自动更新到与他对应的数据库中。
采用上述改进方案后,本实施例降低了摄像头采集靶面图像的频次,降低了上位机等设备的功耗,也有效解决了弹孔重叠和脱靶问题,提高了打靶成绩的准确性。同时本实施例也能够实现智能管理打靶人员信息(自动确认打靶人员身份并把成绩存储到对应打靶人员的信息中)。
本实施例中的音频检测模块由咪头、放大电路、选频电路及电压比较器组成,具体原理图如图3所示。音频检测器可以安装在射击垫带旁边,也可以让打靶人员随身携带。打靶人员每次打靶开枪的声音通过咪头将声信号转变为电信号,经过两级放大电路对信号进行放大,然后通过选频电路滤除杂波,再经过电压比较器将正弦信号转化为上位机可以检测的矩形波信号。
放大电路采用NE5532设计的两级反向运算放大电路,根据运算放大器虚断和虚短的原理可求得反向运算放大电路输出电压Vo与输入电压Vi之间关系为:
Vn为输入端Vi经过R1作用于运放的反相端电压,Vp为运放的同向端电压。
故前级反向放大电路增益为:Rf1和R1为前级放大电路的电阻,选取Rf1=15KΩ,R1=1.5KΩ
后级反向放大电路增益为:Rf2和R2为前级放大电路的电阻,选取Rf2=15KΩ,R2=1.5KΩ
故两级反向运算放大电路的增益为:
Av=Av1·Av2=-10×(-10)=100 (5)
由于采集的声音信号中除了枪声以外,还会夹杂着环境噪声以及现场工作人员的说话声,对音频信号分析很不利,因此需要对其进行滤波去噪处理。一般人声频率在300~3400Hz之间,滤除3400Hz以下的声音。普通的RLC滤波电路,虽然通过计算可以较方便的通过匹配电阻电容得出所需要的通频带,但是谐波滤除率比较低,对基波的无功补偿也是一定的,在滤波过程中还会出现一些不必要的放大。本实施例使用UAF42有源滤波器,不仅电路简单,而且滤波效果也比无源滤波和普通的有源滤波电路好。
滤波频率的公式为:
C1,C2,R3,R4,R5,R6为芯片内部元件,C1=C2=1000pF,R3=R4=R5=R6=50KΩ
增大RF1×RF2可以减小中心频率,减小RF1×RF2可以增大中心频率。通常情况下,取RF1=RF2,以保证得到较高的品质因数Q值,综上所述即可计算出RF1和RF2的值。
经过两级反向放大电路和滤波电路得到的信号中还夹杂着其他打靶人员的枪声,可能会造成误判。但是每一位打靶人员都会距离自己的音频检测模块距离最小,并且音频传感器采集信号的振幅会随着声源距离增大而减小,所以需要经过电压比较电路,选取信号中振幅较高的作为打靶人员打靶时的枪声。电压比较器采用LM393型号,当输入电压大于限定值时,输出高电平,当输入电压小于限定值时,输出低电平。可以根据现场实际情况通过调节可变电阻器的阻值来改变限定值,从而适应不同的环境和不同类型的枪械。
音频模块采集的信号经过两级反向放大电路、滤波电路和电压比较器电路,最终转化为矩形波信号,然后将矩形波信号通过无线通讯模块传输到上位机。上位机检测到矩形波信号的上升沿后给摄像头发送命令开始采集靶面图像,采集的靶面图像再次通过无线通讯模块上传到上位机进行处理,进一步得到打靶成绩。
本实施例提出通过概率论思想来判断脱靶还是弹孔重叠,流程如图4所示,具体实施如下:
(1)上位机通过对拍摄的图像处理获得帧差图像,然后观察帧差图像寻找新弹孔。如果发现新弹孔,则使用现有的图像处理技术计算出打靶环数。如果没有发现新弹孔,上位机给摄像头发送命令,让摄像头立即重新采集一次靶面图像,然后再与前一次靶面图像进行对比分析。
(2)经过图像对比依然没有发现新弹孔,上位机保存这两次采集的图像,方便以后工作人员查证,并且从后台数据库中调取此打靶人员以前的打靶成绩。
(3)引入正态分布函数X~N(μ,σ2)来分析此打靶人员的成绩。首先计算出此打靶人员以往打中每个环数的概率,进一步地求出打靶人员的数学期望。
打靶人员打中k环的概率:
mk是打靶人员总共打中k环的次数,m是打靶人员总共的打靶次数。
打靶人员的数学期望:
xk为打靶环数。
(4)对此打靶人员的打靶数据再进行方差计算,得到与数学期望E(X)的偏差程度,进一步判定打靶人员打靶成绩的好坏,计算公式如下:
D(X)=E(X2)-[E(X)]2 (9)
(5)预测训练人员此次射击训练脱靶的概率。正态分布函数中的两个参数μ和σ分别就是该分布的数学期望和均方差。
故:
通过公式(11)预测训练人员此次射击训练脱靶的概率。
即中靶的概率为:
脱靶的概率为:
P{X≤0∪X>10}=1-P (0<X≤10)
(6)根据打靶人员的脱靶概率、均值和方差值,来判断这一次训练是脱靶还是弹孔重叠,如果判断为脱靶,则本次打靶得零分;如果判断为弹孔重叠,则本次打靶得分计算公式如下:
Xn=(Xn-1+Xn-2+Xn-3)/3 (12)
Xn为第n次打靶成绩,Xn-1为第n-1次打靶成绩,Xn-2为第n-2次打靶成绩,Xn-3为第n-3次打靶成绩。
最后就将成绩上传到数据库。
作为实例,本实施例人脸识别系统主要基于OpenCV库,包括采集人脸图像、训练图像和识别图像。打靶人员人脸识别成功后系统会输出其姓名和ID号,进一步在数据库中自动搜索此ID号并保存其打靶成绩等信息。
第一步采集人脸图像包括对人脸的检测、将检测到的人脸数据写入文件保存和整理人脸数据,具体过程如图5所示。当打靶人员在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄打靶人员的人脸图像。本实施例使用OpenCV的VideoCapture类从摄像头中读取视频。然后使用HAAR级联检测器实现人脸检测,级联检测器对不同表情的人脸有较好的检测效果,并用红色方框将识别到的人脸圈出。进一步的,将采集的人脸图片大小设定为90*100,每采集10个图像中保存一幅采集的人脸图片。采集的图片不能直接作为训练模型的数据集,必须对它进行筛选。筛选出具有不同表情的人脸图像共15张,然后通过数据预处理得到训练数据集(将筛选后的人脸图片生成.csv文件,文件包含人脸图片的路径和人脸对应的标签)。
第二步训练模型。本实施例采用基于局部二值模式的人脸识别(LBPHFaceRecognizer)方法,具体流程如图6所示。将采集的90*100的人脸图片划分为9*10=90个子区域,每个子区域大小为10*10,对每个子区域内的每个像素点都提取LBP特征,然后在每个子区域内建立LBP特征的统计直方图,整个图片就由90个统计直方图组成。此算法可以避免阳光的干扰,同时也会在一定范围内减小图像没完全对准而产生的误差。
将训练数据集的文件和标签读取到训练函数对应容器中,完成训练数据读取之后开始数据训练。为了避免每次识别时都进行训练,需要把训练得到的分类器model保存成xml文件存储下来。
第三步识别人脸图像,具体过程如图7所示。打靶人员站在摄像头前面,然后拍摄截取待识别的打靶人员人脸图像,加载上一步训练好的数据集。通过比较不同人脸图像LBP编码直方图进行人脸识别,如果小于设定的阈值,输出对应的标签和打靶人员的姓名。
第四步将人脸识别系统与数据库相关联。在数据库中查询上一步人脸识别成功后输出的ID号,查询成功后系统会将本次打靶人员的成绩存储到此ID下。通过将人脸识别系统与数据库相关联,大大提高了打靶人员身份确认和统计打靶成绩的工作效率。
实施例3:
本公开实施例3提供了一种基于音频信号控制的低功耗智能打靶识别系统,包括:
数据获取模块,被配置为:获取枪声信号;
图像采集模块,被配置为:根据获取的枪声信号,在每次射击后向拍摄装置发送一次图像采集指令,获取每次射击的后的图像数据;
打靶识别模块,被配置为:根据射击完成后获取的所有图像数据,进行打靶结果的判断。
实施例4:
本公开实施例4提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如本公开实施例1所述的基于音频信号控制的低功耗智能打靶识别方法中的步骤。
实施例5:
本公开实施例5提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本公开实施例1所述的基于音频信号控制的低功耗智能打靶识别方法中的步骤。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (6)
1.一种基于音频信号控制的低功耗智能打靶识别方法,其特征在于:包括以下步骤:
获取枪声信号;
根据获取的枪声信号,在每次射击后向拍摄装置发送一次图像采集指令,获取每次射击后的图像数据;
根据射击完成后获取的所有图像数据,进行打靶结果的判断;
枪声信号经过放大、滤波和电压比较后转化为矩形波信号,通过检测矩形波信号高低电平的跳变向拍摄装置发送一次图像采集指令;
放大电路采用NE5532设计的两级反向运算放大电路,根据运算放大器虚断和虚短的原理可求得反向运算放大电路输出电压Vo与输入电压Vi之间关系为:
Vn为输入端Vi经过R1作用于运放的反相端电压,Vp为运放的同向端电压,Rf1和R1为前级放大电路的电阻;
故前级反向放大电路增益为:选取Rf1=15KΩ,R1=1.5KΩ
Rf2和R2为前级放大电路的电阻,选取Rf2=15KΩ,R2=1.5KΩ,后级反向放大电路增益为:
故两级反向运算放大电路的增益为:
Av=Av1·Av2=-10×(-10)=100 (5)
使用UAF42有源滤波器进行滤波去噪处理,滤波频率的公式为:
C1,C2,R3,R4,R5,R6为芯片内部元件,C1=C2=1000pF,R3=R4=R5=R6=50KΩ
增大RF1×RF2可以减小中心频率,减小RF1×RF2可以增大中心频率,取RF1=RF2,以保证得到较高的品质因数Q值,综上所述即可计算出RF1和RF2的值;
电压比较器采用LM393型号,当输入电压大于限定值时,输出高电平,当输入电压小于限定值时,输出低电平;
音频模块采集的信号经过两级反向运算放大电路、滤波电路和电压比较器电路,最终转化为矩形波信号,然后将矩形波信号通过无线通讯模块传输到上位机,上位机检测到矩形波信号的上升沿后给摄像头发送命令开始采集靶面图像,采集的靶面图像再次通过无线通讯模块上传到上位机进行处理;
对采集到的当前靶面图像和前一次的靶面图像对比处理后,如果没有发现新的弹孔产生,则向拍摄装置再次发送图像采集指令,再次获取靶面图像;
将再次采集的靶面图像再与前一次靶面图像进行对比处理,如果仍然没有发现新弹孔产生,则判断出现脱靶或弹孔重叠的情况;
当出现脱靶或弹孔重叠的情况时,自动查询数据库,调取打靶人员所有的打靶成绩记录组成数据集,引入正态分布函数分析该数据集,求出数学期望和方差,预测脱靶概率,结合脱靶概率判断本次射击是脱靶还是弹孔重叠;
如果判断为脱靶,则本次打靶得零分;如果判断为弹孔重叠,则取前三次打靶成绩的平均分作为本次打靶得分;
打靶人员训练前通过人脸识别确认身份,人脸识别成功后输出姓名和身份识别号,根据身份识别号自主查询数据库中与之相对应身份信息,打靶人员每打一次靶,成绩会自动更新到与之对应的数据库中。
2.如权利要求1所述的基于音频信号控制的低功耗智能打靶识别方法,其特征在于:
当出现脱靶或弹孔重叠的情况时,将再次采集的靶面图像和前一次靶面图像进行配对保存。
3.一种基于音频信号控制的低功耗智能打靶识别系统,其特征在于:包括:
数据获取模块,被配置为:获取枪声信号;
图像采集模块,被配置为:根据获取的枪声信号,在每次射击后向拍摄装置发送一次图像采集指令,获取每次射击后的图像数据;
打靶识别模块,被配置为:根据射击完成后获取的所有图像数据,进行打靶结果的判断;
放大电路采用NE5532设计的两级反向运算放大电路,根据运算放大器虚断和虚短的原理可求得反向运算放大电路输出电压Vo与输入电压Vi之间关系为:
Vn为输入端Vi经过R1作用于运放的反相端电压,Vp为运放的同向端电压,Rf1和R1为前级放大电路的电阻;
故前级反向放大电路增益为:选取Rf1=15KΩ,R1=1.5KΩ
Rf2和R2为前级放大电路的电阻,选取Rf2=15KΩ,R2=1.5KΩ,后级反向放大电路增益为:
故两级反向运算放大电路的增益为:
Av=Av1·Av2=-10×(-10)=100 (5)
使用UAF42有源滤波器进行滤波去噪处理,滤波频率的公式为:
C1,C2,R3,R4,R5,R6为芯片内部元件,C1=C2=1000pF,R3=R4=R5=R6=50KΩ
增大RF1×RF2可以减小中心频率,减小RF1×RF2可以增大中心频率,取RF1=RF2,以保证得到较高的品质因数Q值,综上所述即可计算出RF1和RF2的值;
电压比较器采用LM393型号,当输入电压大于限定值时,输出高电平,当输入电压小于限定值时,输出低电平;
音频模块采集的信号经过两级反向运算放大电路、滤波电路和电压比较器电路,最终转化为矩形波信号,然后将矩形波信号通过无线通讯模块传输到上位机,上位机检测到矩形波信号的上升沿后给摄像头发送命令开始采集靶面图像,采集的靶面图像再次通过无线通讯模块上传到上位机进行处理;
对采集到的当前靶面图像和前一次的靶面图像对比处理后,如果没有发现新的弹孔产生,则向拍摄装置再次发送图像采集指令,再次获取靶面图像;
将再次采集的靶面图像再与前一次靶面图像进行对比处理,如果仍然没有发现新弹孔产生,则判断出现脱靶或弹孔重叠的情况;
当出现脱靶或弹孔重叠的情况时,自动查询数据库,调取打靶人员所有的打靶成绩记录组成数据集,引入正态分布函数分析该数据集,求出数学期望和方差,预测脱靶概率,结合脱靶概率判断本次射击是脱靶还是弹孔重叠;
如果判断为脱靶,则本次打靶得零分;如果判断为弹孔重叠,则取前三次打靶成绩的平均分作为本次打靶得分;
打靶人员训练前通过人脸识别确认身份,人脸识别成功后输出姓名和身份识别号,根据身份识别号自主查询数据库中与之相对应身份信息,打靶人员每打一次靶,成绩会自动更新到与之对应的数据库中。
4.一种基于音频信号控制的低功耗智能打靶识别系统,其特征在于:
包括:音频检测模块、图像采集模块和控制终端;
所述音频检测模块包括依次连接的咪头、放大电路、选频电路和电压比较器,用于实现枪声信号的采集实时发送给控制终端;
所述图像采集模块与控制终端通信,用于接收控制终端发来的拍摄指令并将采集到的图像数据实时发送给控制终端;
所述控制终端根据获取的枪声信号,在每次射击后向图像采集模块发送一次图像采集指令给图像采集模块,获取图像采集模块发来的每次射击后的图像数据,根据射击完成后获取的所有图像数据,进行打靶结果的判断;
放大电路采用NE5532设计的两级反向运算放大电路,根据运算放大器虚断和虚短的原理可求得反向运算放大电路输出电压Vo与输入电压Vi之间关系为:
Vn为输入端Vi经过R1作用于运放的反相端电压,Vp为运放的同向端电压,Rf1和R1为前级放大电路的电阻;
故前级反向放大电路增益为:选取Rf1=15KΩ,R1=1.5KΩ
Rf2和R2为前级放大电路的电阻,选取Rf2=15KΩ,R2=1.5KΩ,后级反向放大电路增益为:
故两级反向运算放大电路的增益为:
Av=Av1·Av2=-10×(-10)=100 (5)
使用UAF42有源滤波器进行滤波去噪处理,滤波频率的公式为:
C1,C2,R3,R4,R5,R6为芯片内部元件,C1=C2=1000pF,R3=R4=R5=R6=50KΩ
增大RF1×RF2可以减小中心频率,减小RF1×RF2可以增大中心频率,取RF1=RF2,以保证得到较高的品质因数Q值,综上所述即可计算出RF1和RF2的值;
电压比较器采用LM393型号,当输入电压大于限定值时,输出高电平,当输入电压小于限定值时,输出低电平;
音频模块采集的信号经过两级反向运算放大电路、滤波电路和电压比较器电路,最终转化为矩形波信号,然后将矩形波信号通过无线通讯模块传输到上位机,上位机检测到矩形波信号的上升沿后给摄像头发送命令开始采集靶面图像,采集的靶面图像再次通过无线通讯模块上传到上位机进行处理;
对采集到的当前靶面图像和前一次的靶面图像对比处理后,如果没有发现新的弹孔产生,则向拍摄装置再次发送图像采集指令,再次获取靶面图像;
将再次采集的靶面图像再与前一次靶面图像进行对比处理,如果仍然没有发现新弹孔产生,则判断出现脱靶或弹孔重叠的情况;
当出现脱靶或弹孔重叠的情况时,自动查询数据库,调取打靶人员所有的打靶成绩记录组成数据集,引入正态分布函数分析该数据集,求出数学期望和方差,预测脱靶概率,结合脱靶概率判断本次射击是脱靶还是弹孔重叠;
如果判断为脱靶,则本次打靶得零分;如果判断为弹孔重叠,则取前三次打靶成绩的平均分作为本次打靶得分;
打靶人员训练前通过人脸识别确认身份,人脸识别成功后输出姓名和身份识别号,根据身份识别号自主查询数据库中与之相对应身份信息,打靶人员每打一次靶,成绩会自动更新到与之对应的数据库中。
5.一种计算机可读存储介质,其上存储有程序,其特征在于,该程序被处理器执行时实现如权利要求1-2任一项所述的基于音频信号控制的低功耗智能打靶识别方法中的步骤。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-2任一项所述的基于音频信号控制的低功耗智能打靶识别方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110254564.8A CN113048844B (zh) | 2021-03-09 | 2021-03-09 | 基于音频信号控制的低功耗智能打靶识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110254564.8A CN113048844B (zh) | 2021-03-09 | 2021-03-09 | 基于音频信号控制的低功耗智能打靶识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113048844A CN113048844A (zh) | 2021-06-29 |
CN113048844B true CN113048844B (zh) | 2022-03-08 |
Family
ID=76510412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110254564.8A Active CN113048844B (zh) | 2021-03-09 | 2021-03-09 | 基于音频信号控制的低功耗智能打靶识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113048844B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114001588B (zh) * | 2021-09-16 | 2023-11-10 | 上海歌尔泰克机器人有限公司 | 无人机激光射击系统和靶标识别系统 |
CN114858006B (zh) * | 2022-04-14 | 2023-11-17 | 四川米特睿慧创科技有限责任公司 | 一种自动报靶系统和方法 |
CN114818836B (zh) * | 2022-06-29 | 2022-09-20 | 电科疆泰(深圳)科技发展有限公司 | 一种射击计数方法、装置、电子设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120258432A1 (en) * | 2011-04-07 | 2012-10-11 | Outwest Systems, Inc. | Target Shooting System |
GB2533377B (en) * | 2014-12-18 | 2018-06-13 | Cosmonio Ltd | Wearable automatic marking system for shooting ranges |
CN106802113B (zh) * | 2016-12-23 | 2017-10-20 | 西安交通大学 | 基于多弹孔模式识别算法的智能报靶系统和方法 |
US11079204B2 (en) * | 2017-11-27 | 2021-08-03 | Huntercraft Limited | Integrated shooting management system based on streaming media |
CN110360877B (zh) * | 2019-06-12 | 2021-08-31 | 漳州泰里斯体育器材有限公司 | 一种射击训练智能辅助系统及方法 |
-
2021
- 2021-03-09 CN CN202110254564.8A patent/CN113048844B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113048844A (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113048844B (zh) | 基于音频信号控制的低功耗智能打靶识别方法及系统 | |
CN109389161B (zh) | 基于深度学习的垃圾识别进化学习方法、装置、系统及介质 | |
CN107016322B (zh) | 一种尾随人员分析的方法及装置 | |
CN110189769A (zh) | 基于多个卷积神经网络模型结合的异常声音检测方法 | |
CN109446942A (zh) | 目标跟踪方法、装置和系统 | |
CN109990662B (zh) | 自动报靶方法、装置、设备及计算机可读存储介质 | |
US10509988B2 (en) | Crime scene analysis using machine learning | |
CN105512348A (zh) | 用于处理视频和相关音频的方法和装置及检索方法和装置 | |
CN110990633B (zh) | 基于图像检索及公示系统的垃圾分类定点管理系统及方法 | |
CN107038449B (zh) | 一种欺诈用户的识别方法及装置 | |
CN110675395A (zh) | 输电线路智能在线监测方法 | |
CN110335611B (zh) | 一种基于质量维度的声纹识别算法评估方法 | |
CN112307868A (zh) | 图像识别方法、电子设备和计算机可读介质 | |
CN110443181A (zh) | 人脸识别方法及装置 | |
Djeddou et al. | Classification and modeling of acoustic gunshot signatures | |
CN111476160A (zh) | 损失函数优化方法、模型训练方法、目标检测方法及介质 | |
CN108805210A (zh) | 一种基于深度学习的弹孔识别方法 | |
CN113627334A (zh) | 对象的行为识别方法及装置 | |
CN113255554B (zh) | 一种射击训练瞬时击发动作识别及标准性辅助评价方法 | |
CN114413686B (zh) | 一种射击成绩分析方法、装置、设备和存储介质 | |
CN117133057A (zh) | 基于人体姿态识别的体育运动计数和违规动作判别方法 | |
CN109146913B (zh) | 一种人脸跟踪方法及装置 | |
CN117387419A (zh) | 一种基于轻武器射击训练数据智能采集分析方法 | |
CN111370000A (zh) | 声纹识别算法评估方法、系统、移动终端及存储介质 | |
CN111179520B (zh) | 一种电信诈骗预警方法、系统及存储介质 |
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 |