一种棋盘识别方法和识别系统技术方案

本发明专利技术涉及一种棋盘识别方法和识别系统，棋盘识别方法包括以下步骤：获取棋盘图像；在获取的棋盘图像中对棋盘面进行识别，其具体过程为：对棋盘图像进行预处理，得到棋盘的边沿图和角点图，找出棋盘图像中的两组平行线族；对整个棋盘进行拟合，并对拟合结果进行评分，将分值最高的拟合结果作为棋盘水平方向和竖直方向上的棋盘线，将棋盘线进行相交，确定棋盘线的交点坐标；在棋盘面中对棋子进行识别，其具体过程为：对拟合得到的棋盘面进行矫正；训练卷积神经网络，采用训练得到的卷积神经网络对棋盘面中的每个交叉点进行识别。本发明专利技术能够对不同光照条件下的不同棋盘和棋子进行识别，且能够识别有效识别异物干扰和棋子位置不正等异常情况。

A chessboard recognition method and recognition system

The invention relates to a board recognition method and recognition system, board recognition method comprises the following steps: obtaining the chessboard image; to identify the chessboard surface on the chessboard image acquisition, the specific process is: on the chessboard image preprocessing, edge map and get the chessboard corner map, find the chessboard image in the two groups parallel; fitting on the chessboard, and scored the highest score of the fitting results, the fitting results of the chessboard chessboard line as the horizontal direction and the vertical direction on the chessboard line will intersect, determine the coordinates of the intersection line of the board; to identify the pieces on the chessboard surface, the specific process for fitting the chessboard surface correction; training convolutional neural network, using convolutional neural network trained on the chessboard surface of each cross point recognition. The invention can identify different chessboards and chessmen in different lighting conditions, and can identify abnormal situations effectively recognizing foreign matter interference and chessmen's position is not right.

【技术实现步骤摘要】
一种棋盘识别方法和识别系统
本专利技术属于图像识别
，具体涉及一种棋盘识别方法和识别系统。
技术介绍
围棋和象棋作为中国最具代表性的棋类游戏是中国古人文化的结晶，也是当下流行的娱乐游戏。随着机器人技术的发展，机器人的功能越来越丰富，娱乐机器人的研究已经成为一个重要的方向。象棋机器人和围棋机器人都是娱乐机器人中的一种，在摄像机的监视下，使人机之间的下棋过程非常相似于人与人之间的对弈。基于图像处理的棋盘识别是象棋机器人和围棋机器人软件的重要组成部分。早期人们大多采用传统机器视觉算法来识别棋盘。然而，受限于传统算法的性能极限，传统机器视觉算法在抗干扰性和适应不同棋盘等方面的问题一直未能得到很好的解决。
技术实现思路
为了解决现有技术存在的上述问题，本专利技术提供了一种棋盘识别方法和识别系统。本专利技术所采用的技术方案为：一种棋盘识别方法包括以下步骤：获取棋盘图像；在获取的棋盘图像中对棋盘面进行识别；在棋盘面中对棋子进行识别。进一步地，所述棋盘图像采用数码相机拍摄获得或从网络上获得。进一步地，所述步骤在获取的棋盘图像中对棋盘面进行识别的具体过程为：将获取的棋盘图像切分成若干区域，得到每个区域的灰度统计特性；在每个区域上进行高斯模糊处理，得到平滑的灰度特性；根据得到的平滑灰度特性对原灰度图进行均衡处理；采用传统算法得到棋盘的边沿图和角点图；采用霍夫变换找出棋盘图像中的两组平行线族；对于每组平行线族中的每条线，根据该线与角点的吻合程度以及该线与边沿图的吻合程度，对该线进行量化评分；对整个棋盘进行拟合，并对拟合结果进行评分，将分值最高的拟合结果作为棋盘水平方向和竖直方向上的棋盘线；将确定的两个方向上的棋盘线进行相交，确定棋盘线的交点坐标；根据棋盘线和交点坐标对棋盘面进行识别。进一步地，所述步骤在棋盘面中对棋子进行识别的具体过程为：对拟合得到的棋盘面进行矫正；以棋盘面中的每个交叉点为中心，截取1.2～1.8倍棋子大小的区域图像，将截取的区域图像作为卷积神经网络识别的输入图像，对卷积神经网络进行训练；利用训练得到的卷积神经网络对棋盘面中的每个交叉点进行识别。更进一步地，所述对棋盘面中的每个交叉点进行识别的结果包括空点、白色棋子、黑色棋子、异物或棋子位置不正。一种棋盘识别系统包括图像获取模块、棋盘面识别模块和棋子识别模块；所述图像获取模块用于获取棋盘图像；所述棋盘面识别模块用于从获取的棋盘图像中识别出棋盘面；所述棋子识别模块用于从识别出的棋盘面中识别出棋子。进一步地，所述棋盘面识别模块包括预处理模块、边沿图和角点图获取模块、样本线生成模块、拟合模块、评价模块和棋盘确定模块；所述预处理模块用于对获取的棋盘图像进行灰度处理、高斯模糊处理和均衡处理；所述边沿图和角点图获取模块用于获取棋盘的边沿图和角点图；所述样本线生成模块用于识别出棋盘图像中所有可识别的线；所述拟合模块用于对所有可识别的线进行拟合处理，确定棋盘水平方向和竖直方向上的棋盘线；所述评价模块用于对确定的棋盘线进行量化评分；所述棋盘确定模块用于将评分最高的棋盘线进行相交，得到棋盘线的交点坐标，识别棋盘面。进一步地，所述棋盘图像采用拍摄的棋盘照片或网络获取的棋盘图片。进一步地，所述棋子识别模块包括矫正模块、卷积神经网络训练模块和棋子检测模块；所述矫正模块用于对拟合得到的棋盘面进行矫正，所述卷积神经网络训练模块用于将截取的1.2～1.8倍棋子大小的区域图像作为卷积神经网络识别的输入图像对卷积神经网络进行训练，所述棋子检测模块采用训练得到的卷积神经网络对棋子进行检测。进一步地，所述棋子检测模块的检测结果包括空点、白色棋子、黑色棋子、异物或棋子位置不正。由于采用以上技术方案，本专利技术的有益效果为：本专利技术结合传统机器视觉算法的部分优势，再融合卷积神经网络在识别方面的长处，能够对不同光照条件下的不同棋盘和棋子进行识别，且能够识别有效识别异物干扰和棋子位置不正等异常情况。附图说明为了更清楚地说明本专利技术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简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例提供的一种棋盘识别方法的流程图；图2是本专利技术一实施例提供一种棋盘识别方法中棋盘面识别的流程图；图3是本专利技术一实施例提供一种棋盘识别方法中棋子识别的流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行详细的描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本专利技术所保护的范围。如图1所示，本专利技术提供了一种棋盘识别方法，其包括以下步骤：S1、获取棋盘图像。可以采用常见的各种数字图像获取方式获取棋盘图像。例如，利用数码相机对某一棋盘进行拍摄，得到棋盘图像。也可以通过从网络上获取棋盘的图片。S2、在获取的棋盘图像中对棋盘面进行识别，其具体包括以下步骤：S21、将获取的棋盘图像切分成若干区域，得到每个区域的灰度统计特性。S22、在每个区域上进行高斯模糊处理，得到平滑的灰度特性。S23、根据得到的平滑灰度特性对原灰度图进行均衡处理。S24、采用传统算法得到棋盘的边沿图和角点图。S25、采用霍夫变换找出棋盘图像中的两组平行线族。原始棋盘图像中的每一条线对应霍夫空间中的一个点。当原始棋盘图像中的一条线有细微的弯曲或误差时，在霍夫空间中对应的点就会分散。原始棋盘图像中的一组平行线在霍夫空间中对应为均匀排布的一系列点。捕捉到这些有规律的点后，就能够得到两组平行线族。本专利技术也能够检测出角度均匀变化的，介于扇形和平行线之间的线族。S26、对于每组平行线族中的每条线，根据该线与角点的吻合程度以及该线与边沿图的吻合程度，对该线进行量化评分。S27、对整个棋盘进行拟合，并对拟合结果进行评分，将分值最高的拟合结果作为棋盘水平方向和竖直方向上的棋盘线。S28、将确定的两个方向上的棋盘线进行相交，确定棋盘线的交点坐标。S29、根据棋盘线和交点坐标对棋盘面进行识别。S3、在棋盘面中对棋子进行识别，其具体包括以下步骤：S31、对拟合得到的棋盘面进行矫正。由于采用相机对棋盘进行拍摄时，摄像头的位置并不是正对棋盘，往往会有倾斜。此处，首先将棋盘拉伸为正方形。通过此方法能够为后续的卷积神经网络提供必要的一致性，使得不同采集角度下获得的棋子图像归一为特定大小和比例的图像数据，成为有效的神经网络训练数据格式，同时也是后续棋子识别时的数据输入格式。S32、以棋盘面中的每个交叉点为中心，截取1.2～1.8倍棋子大小的区域图像，将截取的区域图像作为卷积神经网络识别的输入图像，对卷积神经网络进行训练。具体地，截取1.5倍棋子大小的区域图像，将该区域图像作为卷积神经网络识别的输入图像。S33、利用训练得到的卷积神经网络对棋盘面中的每个交叉点进行识别，识别结果包括空点、白色棋子、黑色棋子、异物、棋子位置不正等五种类型。相较于以往的基于传统算法的棋盘识别方法，本专利技术棋盘识别方法只需要采集有限的棋子图像信息，利用卷积神经网络，能够充分利用整体图本文档来自技高网...

【技术保护点】
一种棋盘识别方法，其特征在于，它包括以下步骤：获取棋盘图像；在获取的棋盘图像中对棋盘面进行识别；在棋盘面中对棋子进行识别。

【技术特征摘要】
1.一种棋盘识别方法，其特征在于，它包括以下步骤：获取棋盘图像；在获取的棋盘图像中对棋盘面进行识别；在棋盘面中对棋子进行识别。2.如权利要求1所述的一种棋盘识别方法，其特征在于，所述棋盘图像采用数码相机拍摄获得或从网络上获得。3.如权利要求1所述的一种棋盘识别方法，其特征在于，所述步骤在获取的棋盘图像中对棋盘面进行识别的具体过程为：将获取的棋盘图像切分成若干区域，得到每个区域的灰度统计特性；在每个区域上进行高斯模糊处理，得到平滑的灰度特性；根据得到的平滑灰度特性对原灰度图进行均衡处理；采用传统算法得到棋盘的边沿图和角点图；采用霍夫变换找出棋盘图像中的两组平行线族；对于每组平行线族中的每条线，根据该线与角点的吻合程度以及该线与边沿图的吻合程度，对该线进行量化评分；对整个棋盘进行拟合，并对拟合结果进行评分，将分值最高的拟合结果作为棋盘水平方向和竖直方向上的棋盘线；将确定的两个方向上的棋盘线进行相交，确定棋盘线的交点坐标；根据棋盘线和交点坐标对棋盘面进行识别。4.如权利要求1所述的一种棋盘识别方法，其特征在于，所述步骤在棋盘面中对棋子进行识别的具体过程为：对拟合得到的棋盘面进行矫正；以棋盘面中的每个交叉点为中心，截取1.2～1.8倍棋子大小的区域图像，将截取的区域图像作为卷积神经网络识别的输入图像，对卷积神经网络进行训练；利用训练得到的卷积神经网络对棋盘面中的每个交叉点进行识别。5.如权利要求4所述的一种棋盘识别方法，其特征在于，所述对棋盘面中的每个交叉点进行识别的结果包括空点、白色棋子、黑色棋子、异物或棋子位置不正。6.一种...

【专利技术属性】
技术研发人员：方勇，戚骁亚，
申请(专利权)人：北京深度奇点科技有限公司，
类型：发明
国别省市：北京,11