【技术实现步骤摘要】
一种基于深度神经网络的靶心定位方法及系统
本专利技术涉及计算机视觉应用领域，具体地，涉及一种基于深度神经网络的靶心定位方法及系统。
技术介绍
在实际的生产过程中，存在着大量无法用接触式方式测量的目标。特别是在恶劣的工业环境中，一些运动目标是无法用常规传感器测量的，所以采用非接触式的方式实时测量运动目标是目前研究的热点之一。近年来CCD图像传感器已在航空航天，卫星侦察，遥感遥测，光学图像处理等领域得到广的应用。基于DIM硬件设备基础的靶心识别是当前图像识别领域亟待解决的问题之一。当前识别方法在低清晰度、复杂背景的图像上使用边缘检测算法难以精准地检测出目标的边缘，进而难以定位靶心。其次，由于拍摄角度的不同，目标形状会变化，难以通过单一规则判断。基于以上限制，目前难以做到全自动靶心识别，必须依赖人工处理，效率低且侦察结果一致性较差。随着深度学习技术的迅速发展，在语音识别、图像识别等领域已经有成熟应用案例。实时数字摄影测量的关键技术之一就是二维图像的实时处理。因此利用深度学习技术实现自动图像目标检测与识别成为可能。<...
【技术保护点】
1.一种基于深度神经网络的靶心定位方法，其特征在于，所述方法包括：/n建立与预设对象匹配的仿真模型，采集仿真模型的图像，得到仿真图像数据；/n采集预设对象的图像数据，标注预设对象的图像数据，对标注后的数据做预处理，得到预处理后的真实图像数据；/n对仿真图像数据和真实图像数据做数据增强处理得到数据集；/n基于数据集得到训练集，利用训练集训练深度神经网络，将数据集输入训练后的深度神经网络，得到目标类别判定与目标区域判定结果；/n筛选目标类别判定与目标区域判定结果得到圆孔目标；/n提取圆孔目标对应的区域内每个像素点的图像坐标，记作(x
【技术特征摘要】 【专利技术属性】
1.一种基于深度神经网络的靶心定位方法，其特征在于，所述方法包括：
建立与预设对象匹配的仿真模型，采集仿真模型的图像，得到仿真图像数据；
采集预设对象的图像数据，标注预设对象的图像数据，对标注后的数据做预处理，得到预处理后的真实图像数据；
对仿真图像数据和真实图像数据做数据增强处理得到数据集；
基于数据集得到训练集，利用训练集训练深度神经网络，将数据集输入训练后的深度神经网络，得到目标类别判定与目标区域判定结果；
筛选目标类别判定与目标区域判定结果得到圆孔目标；
提取圆孔目标对应的区域内每个像素点的图像坐标，记作(xi，yi)，其中i＝1，2，3…M；M为圆孔目标对应区域像素点个数；
计算圆孔目标区域像素点横纵坐标的平均值，得到预设对象靶心的图像位置坐标(X，Y)。
2.根据权利要求1所述的一种基于深度神经网络的靶心定位方法，其特征在于，所述步骤：建立与预设对象匹配的仿真模型，采集仿真模型的图像，得到仿真图像数据，具体包括：
创建仿真模型；
设置光源照向仿真模型；
设置不同视点观察仿真模型，并截取图像得到不同角度的二维图像；
在得到的二维图像中添加噪声，得到仿真图像数据。
3.根据权利要求2所述的一种基于深度神经网络的靶心定位方法，其特征在于，仿真模型为3D柱形靶模型，柱形靶模型上下底面均为椭圆形，且上下底面上均有圆孔，柱形靶模型的材质设置为金属材质。
4.根据权利要求2所述的一种基于深度神经网络的靶心定位方法，其特征在于，设置光源照向柱形靶模型模拟黑暗场景下所观测到的目标形状与特征，光源类型使用点光源或自然光源。
5.根据权利要求2所述的一种基于深度神经网络的靶心定位方法，其特征在于，在得到的二维图像中分别添加高斯噪声或泊松噪声或椒盐噪声或乘性噪声，得到仿真图像数据。
6.根据权利要求1所述的一种基于深度神经网络的靶心定位方法，其特征在于，对标注后的数据做预处理即对标注后的图像数据使用直方图均衡化。
7.根据权利要求1所述的一种基于深度神经网络的靶心定位方法，其特征在于，对仿真图像数据和真实图像数据做数据增强处理即通过将仿真图像数据和真实图像数据翻转及调节图片明暗度扩充数据集。
技术研发人员：不公告发明人，
申请(专利权)人：成都数之联科技有限公司，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。