CN208635648U - 一种实时自动报靶系统 - Google Patents

Abstract

本实用新型公开了一种实时自动报靶系统，包括算法服务器和射击靶，所述算法服务器分别网络连接流媒体服务器、管理平台、PAD终端和TV终端，所述流媒体服务器通过路由器网络连接摄像头，所述射击靶设置在射击训练场的相关位置。本实用新型在结构上设计合理，不需要改造靶板；弹孔识别准确度高，对重孔，连孔等人工判断较难的情况，都有很高的识别率，可达到使用要求；系统报靶实时性高；训练人员速射情况，也能实时准确的上报环数；终端PAD实时显示并语音播报环数成绩，给训练人员直观的体验；终端TV实时显示整个靶厂每个射击靶的射击情况，便于观摩教学；打靶视频和图像实时保存到管理平台，便于后期对训练情况进行分析。

Description

一种实时自动报靶系统

技术领域

本实用新型涉及射击训练领域，特别提供了一种实时自动报靶系统。

背景技术

实弹射击是公安、武警、部队等部门的基础训练考核项目，而目前这些部门的报靶方式主要采用人工报靶，即射击完成后，目测靶面靶纸的弹着点，通过一个一个数弹着点的方式进行报靶。这种报靶方式比较影响射击训练的效率，对报靶人员素质要求较高，不能实时的上报环数信息。

针对自动报靶问题，存在基于各种传感器的自动报靶系统，如声电定位自动报靶系统，光电传感器自动报靶系统等，该类系统的靶面由一些尺寸较小的传感器组成，传感器与集成电路相连，集成电路系统对子弹撞击传感器时产生的信号进行处理，从而确定弹着点的位置。这种报靶系统一般能做到很高的准确度，但是靶面成本比较高，随着传感器被打坏等因素，每个靶面的使用寿命比较短，而且由于电子靶面，没有具像的弹着点数据，不利于对训练人员训练情况的分析。

现有基于视频分析的自动报靶方法，射击前，利用基准点几何校正去除靶面图像畸变，在校正的靶面图像上建立靶面参数模型，射击过程中，实时分析采集的靶面图像序列，确定是否发生了射击行为，当发生射击行为时，根据已经建立的靶面参数模型确定弹孔环数。这种方法采用帧差的方式判断是否进行了射击，对于射击靶抖动，光照变化，连孔等情况下，容易造成误报或漏报；采用射击前的建立的靶面参数模型来确定弹孔环数，对于射击过程靶面抖动情况下的环数确定会存在误差，特别是环线附近弹孔环数的确定可能存在较大误差。

针对现有自动报靶系统，传感器自动报靶系统成本高，现在有视频分析自动报靶系统精度不高的问题，本领域技术人员提供了一种实时自动报靶系统，以解决上述背景技术中提出的问题。

发明内容

本实用新型的目的在于提供一种实时自动报靶系统，以解决上述背景技术中提出的问题。

为实现上述目的，本实用新型提供如下技术方案：

一种实时自动报靶系统，包括算法服务器和射击靶，所述算法服务器分别网络连接流媒体服务器、管理平台、PAD终端和TV终端，所述流媒体服务器通过路由器网络连接摄像头，所述射击靶设置在射击训练场的相关位置。

作为改进：所述射击靶包括固定靶板的固定架、靶板以及贴在靶板上的靶纸，所述靶板为射击常用的胸环靶板，靶纸为与胸环靶板匹配的胸环靶纸。

作为进一步改进：所述摄像头为400万可变焦光学网络摄像头，用于实时采集射击靶画面视频。

作为进一步改进：所述流媒体服务器的型号为ZI1TS4-2536MJ；流媒体服务器支持多路视频的流媒体实时流传输，对从摄像头获得的原始视频进行靶面识别截取，将视频帧截取为1000×1000靶面居中的画面，并重新编码作为新视频流进行传输。

作为进一步改进：所述算法服务器是基于深度学习的检测算法和边缘检测算法的数据处理服务器，使用预先构建好的模型对从流媒体获得的视频帧进行多帧的检测识别弹孔，并基于实时检测到的环线确定弹孔环数，上报给终端设备和管理平台。

与现有技术相比，本实用新型的优点在于：

1.本实用新型设计合理，不需要改造靶板，一次部署完成，后期除了正常的靶纸消耗，无其他耗材。

2.弹孔识别准确度高，对重孔，连孔等人工判断较难的情况，有很高的识别率，整体识别率超过99％，达到使用要求。

3.系统报靶实时性高，从训练人员射击到环数上报延迟在0.5s以内。

4.训练人员速射情况，也能实时准确的上报环数。

5.终端PAD实时显示并语音播报环数成绩，给训练人员直观的体验。

6.终端TV实时显示整个靶厂每个射击靶的射击情况，便于观摩教学。

7.打靶视频和图像实时保存到管理平台，便于后期对训练情况进行分析。

附图说明

下面结合附图及实施方式对本实用新型作进一步详细的说明：

图1为实时自动报靶系统的结构示意图；

图2为管理平台控制自动报靶流程图；

图3为PAD终端控制自动报靶流程图。

图中：射击靶1、摄像头2、流媒体服务器3、算法服务器4、管理平台5、PAD终端6、TV终端7。

具体实施方式

下面将结合本实用新型实施例中的附图，对本实用新型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实用新型一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本实用新型保护的范围。

请参阅图1～3，本实用新型实施例中，一种实时自动报靶系统，包括算法服务器4和射击靶1，所述算法服务器4分别网络连接流媒体服务器3、管理平台5、PAD终端6和TV终端7，所述流媒体服务器3通过路由器网络连接摄像头2，所述射击靶1设置在射击训练场的相关位置。

所述射击靶1包括固定靶板的固定架、靶板以及贴在靶板上的靶纸，正常树立的固定架，在靶板贴胸环靶靶纸，靶纸尽量干净平整即可。

所述摄像头2为400万可变焦光学网络摄像头，摄像头2架设在射击靶1前方隐蔽位置，避免被子弹打到，架设完成后进行一次调焦，使得靶面在摄像头的视野内，设置摄像头2定焦，后续只要不出现射击靶被大位置移动而脱离摄像头2视野，都不需要进行二次调焦。

所述流媒体服务器3的型号为ZI1TS4-2536MJ，流媒体服务器3通过路由器获得摄像头2的原始视频，对视频进行解码，获得每一帧的画面；采用不变矩的方法处理视频帧获得胸环靶靶面在整个视频中的位置；根据射击靶1位置对视频帧进行截取，将视频剪裁为1000×1000的图像，保证图像包含全部射击靶1的信息；对截取后的图像进行H264的压缩编码形成新的射击靶1视频流。

所述算法服务器4是基于深度学习的检测算法和边缘检测算法功能的数据处理服务器；算法服务器4启动后从管理平台5获取射击靶1，流媒体服务器3等的配置信息；加载预训练模型，为每个射击靶1分配一个检测模组；算法服务器4实时从流媒体服务器3拉取射击靶1最新的视频流，采用模糊算法对视频帧进行检测，获得模糊度较低的视频帧作为检测帧；将图片输入到检测模型，得到模型的弹孔检测结果；使用边缘检测算法检测出靶纸中心点的坐标，根据记录的历史中心点坐标，修正弹孔位置；上报检测结果到各终端和管理平台5。

所述管理平台5的主要作用是记录射击靶1相关摄像头，PAD终端6，TV终端7，流媒体服务器3，算法服务器4相关的配置信息，提供查询接口，使得各个终端、服务器等能够获得对方的配置信息；提供人工控制整个训练打靶流程的功能，管理员可以通过给各个端发送射击准备，射击开始，射击结束等消息来控制本轮射击的进度；将算法服务器4上报的检测结果和打靶视频信息进行记录，以便后续查询。

所述PAD终端6从流媒体服务器3拉取射击靶1对应的视频流，实时的显示给训练人员查看；射击开始后，PAD终端6收到算法服务器4上报的检测结果，实时的在终端视频上进行标点显示，并显示当前成绩和射击总成绩；PAD终端6通过发送结束射击命令，可以主动结束此轮射击；PAD终端6还提供了一种自由射击模式，在不需要管理平台5控制的情况下，自己控制整个射击的开始和结束。通过给流媒体服务器3，算法服务器4，管理平台5，TV终端7发送射击开始的命令，开启整个视频流的记录和弹孔检测报靶流程；发送结束射击命令来停止本轮自动报靶。

所述TV终端7是为了教学观摩，TV终端7从流媒体服务器拉取射击靶1对应视频流进行显示，并接受算法服务器4的检测结果进行标点显示和成绩显示。

对于本领域技术人员而言，显然本实用新型不限于上述示范性实施例的细节，而且在不背离本实用新型的精神或基本特征的情况下，能够以其他的具体形式实现本实用新型。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本实用新型的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本实用新型内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.一种实时自动报靶系统，包括算法服务器(4)和射击靶(1)，其特征在于：所述算法服务器(4)分别网络连接流媒体服务器(3)、管理平台(5)、PAD终端(6)和TV终端(7)，所述流媒体服务器(3)通过路由器网络连接摄像头(2)，所述射击靶(1)设置在射击训练场的相关位置。

2.根据权利要求1所述实时自动报靶系统，其特征在于：所述射击靶(1)包括固定靶板的固定架、靶板以及贴在靶板上的靶纸。

3.根据权利要求1所述实时自动报靶系统，其特征在于：所述摄像头(2)为400万可变焦光学网络摄像头。

4.根据权利要求1所述实时自动报靶系统，其特征在于：所述流媒体服务器(3)的型号为ZI1TS4-2536MJ。

5.根据权利要求1所述实时自动报靶系统，其特征在于：所述算法服务器(4)是基于深度学习的检测算法和边缘检测算法功能的数据处理服务器。