基于机器视觉的自动报靶射击训练系统及实现方法技术方案

本申请公开了基于机器视觉的自动报靶射击训练系统及其实现方法，包括靶体、压力传感模块、靶纸更换模块、图像采集处理模块、数据分析处理模块、语音播报模块、用户终端和数据服务器，图像采集处理模块、压力传感模块、数据服务器、语音播报模块和用户终端皆与数据分析处理模块连接，压力传感模块与图像采集处理模块连接，用户终端与靶纸更换模块连接。具有以下优点：通过图像处理技术加入自学习思想使检测更加精准，解决了人工报靶更换靶纸存在的效率低，安全性差和公平性低的问题，极大提高军事射击训练效率。射击训练效率。射击训练效率。

【技术实现步骤摘要】
基于机器视觉的自动报靶射击训练系统及实现方法


[0001]本专利技术是基于机器视觉的自动报靶射击训练系统及实现方法，属于图像数据处理


技术介绍

[0002]传统射击训练中报靶和更换靶纸皆依靠人工实现，存在效率低，安全性差和公平性低的问题，现已出现了一些实弹射击报靶更换靶纸的产品，但半导体电子靶高报废率无法支持军事日常训练，胶粘法更换靶纸易受天气环境影响。

技术实现思路

[0003]本专利技术要解决的技术问题是针对以上不足，提供基于机器视觉的自动报靶射击训练系统及实现方法，通过图像处理技术加入自学习思想使检测更加精准，解决了人工报靶更换靶纸存在的效率低，安全性差和公平性低的问题，极大提高军事射击训练效率。
[0004]为解决以上技术问题，本专利技术采用以下技术方案：
[0005]基于机器视觉的自动报靶射击训练系统，包括靶体、压力传感模块、靶纸更换模块、图像采集处理模块、数据分析处理模块、语音播报模块、用户终端和数据服务器，图像采集处理模块、压力传感模块、数据服务器、语音播报模块和用户终端皆与数据分析处理模块连接，压力传感模块与图像采集处理模块连接，用户终端与靶纸更换模块连接；
[0006]所述压力传感模块和靶纸更换模块均安装在靶体上；
[0007]所述图像采集处理模块包括采集单元、光照感应单元、图像预处理单元和图像传输单元；
[0008]所述数据分析处理模块包括分析单元、自学习单元和通讯单元；
[0009]所述用户终端用于显示该轮射击靶纸图像、各次环值、射击成绩和该射击人员以往射击平均成绩，用户终端中角色包括射击人员和管理员。
[0010]基于机器视觉的自动报靶射击训练系统的实现方法，包括图像预处理流程、图像数据分析处理流程、自动报靶换靶纸流程和自学习流程，图像预处理流程用于对图像采集处理模块采集的图像进行预处理，图像数据分析处理流程用于将数据分析处理模块接收到的预处理后的图像进行分析处理，自动报靶换靶纸流程用于控制实现全自动的报靶及更换靶纸，自学习流程利用自学习算法处理数据服务器中数据，使后期系统判断更为精准。
[0011]进一步的，所述图像预处理流程用于对采集图像预处理，包括以下步骤：
[0012]首先需要去除图像背景将图片中的靶面分离出来，之后对图像进行灰度化，中值滤波去除噪点，图像二值化处理凸显弹孔和靶面轮廓，根据完整靶面区域得到外接矩形参数坐标进行靶面剪裁，最后对剪裁下的靶面图像进行几何校正操作；若光照感应单元采集光照数据低于预设值I，则图像预处理模块首先利用限制对比度自适应直方图均衡法对原始图像进行夜间图像增强处理，增强后再对图像进行预处理。
[0013]进一步的，所述图像预处理单元中去除图像背景将图片中的靶面分离具体算法流
程如下：
[0014]首先将原图像由RGB颜色空间转换为HSV颜色空间，提取出靶纸对应颜色像素，将提取出的像素按原位置复制进一张新创建的空白图像，最后将该图像转换为RGB颜色空间得到一张只有靶面的图像；
[0015]中值滤波是图像处理中一种常用的滤波手段，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，起到明显图像去噪的作用，其滤波模型如下：
[0016]g
x，y
＝Med[F
x+i，y+j，
i，j＝
‑
L，....，0，....，+L]；
[0017]其中，x，y表示像素点的位置信息，模型选择滤波窗口大小(2L+1)*(2L+1)的矩形，F
x+i，y+j
为该点窗口的像素点灰度值序列，g
x，y
为灰度值序列中值，用该中值替换原像素点灰度值完成中值滤波。
[0018]进一步的，所述图像二值化处理通过阈值分割凸显弹孔和靶面轮廓，具体算法如下：
[0019][0020]其中，x，y表示像素点的位置信息，f(x，y)表示原图像该像素点的灰度值，g(x，y)表示阈值分割更新后该像素点的灰度值，遍历整张图像的像素点，当灰度值小于等于阈值T更新像素点灰度值为0，当灰度值大于阈值T则保留原始灰度值不变。
[0021]进一步的，所述几何校正首先定位靶纸图像四个顶点，根据四个顶点坐标，按照区域最大原则生成一个矩形，矩形四个顶点作为基准点，利用四个顶点和四个基准点求解变换系数，利用变换系数进行坐标转换，最后进行灰度差值完成几何校正；在算法实现中本专利技术采用地址映射公式为：
[0022]x＝a
0，0
+a
0，1
v+a
1，0
u+a
1，1
vu；
[0023]y＝b
0，0
+b
0，1
v+b
1，0
u+b
1，1
vu；
[0024]通过矩阵方式对应的线性最小二乘解为：
[0025]A＝X
′
W
T
(WW
T
)
‑1；
[0026]B＝Y
′
W
T
(WW
T
)
‑1；
[0027]采用三次卷积插值函数作为插值函数，公式为：
[0028][0029]其中，算法实现中a取
‑
1。
[0030]进一步的，所述图像数据分析处理流程包括以下步骤：
[0031]首先靶心提取，再环线半径提取，采用图像差影法获得弹着点信息，最后质心定位和环值判定；
[0032]靶心提取方式为：对预处理后的二值化图像进行形态化滤波消除图像中的数字和靶环线，再对齐进行圆形边缘检测获取10环圆形区域，该区域圆心即为靶心；
[0033]图像环线半径提取方式为：提取二值化图像边缘，做一条过靶心的竖直线，该直线与各环线交点到靶心距离即为环线半径；
[0034]采用图像差影法比对前后两张图像获得弹着点信息，所述分析单元在做图像差影法处理时，首先获取压力传感数据和光照数据，将获取数据对比数据服务器中预存储的不
同压力、光照与图像差影法动态容差值t对应库，选择对应的图像差影法动态容差值t进行图像差影法。
[0035]进一步的，所述图像差影法进行运算时，设置图像差影法动态容差值t，若前后图像某点像素相减大于0小于等于t则认为差影后为0，通过这种方法可以减小图像差影法受靶体抖动和光照强弱的影响；图像弹孔质心定位即计算目标区域各坐标点在x,y方向上的算数平均值；图像环值判定首先根据弹孔坐标判断是否在有效区域，若不在有效区域记为0环，若在有效区域计算到靶心距离比较各环线半径确定环数。
[0036]进一步的，所述自动报靶换靶纸流程包括以下步骤：
[0037]当管理员从用户终端人脸验证成功后选择开始射击，靶纸更换模块启动更换靶纸，待射击人员从用户终端人脸验证成功，射击人员可以进行射击；
[0038]当压力感应模块感应到子弹本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器视觉的自动报靶射击训练系统，其特征在于：包括靶体、压力传感模块、靶纸更换模块、图像采集处理模块、数据分析处理模块、语音播报模块、用户终端和数据服务器，图像采集处理模块、压力传感模块、数据服务器、语音播报模块和用户终端皆与数据分析处理模块连接，压力传感模块与图像采集处理模块连接，用户终端与靶纸更换模块连接；所述压力传感模块和靶纸更换模块均安装在靶体上；所述图像采集处理模块包括采集单元、光照感应单元、图像预处理单元和图像传输单元；所述数据分析处理模块包括分析单元、自学习单元和通讯单元；所述用户终端用于显示该轮射击靶纸图像、各次环值、射击成绩和该射击人员以往射击平均成绩，用户终端中角色包括射击人员和管理员。2.基于机器视觉的自动报靶射击训练系统的实现方法，其特征在于：所述实现方法应用于如权利要求1所述的于机器视觉的自动报靶射击训练系统中，包括图像预处理流程、图像数据分析处理流程、自动报靶换靶纸流程和自学习流程，图像预处理流程用于对图像采集处理模块采集的图像进行预处理，图像数据分析处理流程用于将数据分析处理模块接收到的预处理后的图像进行分析处理，自动报靶换靶纸流程用于控制实现全自动的报靶及更换靶纸，自学习流程利用自学习算法处理数据服务器中数据，使后期系统判断更为精准。3.如权利要求2所述的基于机器视觉的自动报靶射击训练系统的实现方法，其特征在于：所述图像预处理流程用于对采集图像预处理，包括以下步骤：首先需要去除图像背景将图片中的靶面分离出来，之后对图像进行灰度化，中值滤波去除噪点，图像二值化处理凸显弹孔和靶面轮廓，根据完整靶面区域得到外接矩形参数坐标进行靶面剪裁，最后对剪裁下的靶面图像进行几何校正操作；若光照感应单元采集光照数据低于预设值I，则图像预处理模块首先利用限制对比度自适应直方图均衡法对原始图像进行夜间图像增强处理，增强后再对图像进行预处理。4.如权利要求3所述的基于机器视觉的自动报靶射击训练系统的实现方法，其特征在于：所述图像预处理单元中去除图像背景将图片中的靶面分离具体算法流程如下：首先将原图像由RGB颜色空间转换为HSV颜色空间，提取出靶纸对应颜色像素，将提取出的像素按原位置复制进一张新创建的空白图像，最后将该图像转换为RGB颜色空间得到一张只有靶面的图像；中值滤波是图像处理中一种常用的滤波手段，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，起到明显图像去噪的作用，其滤波模型如下：g
x,y
＝Med[F
x+i，y+j
,i，j＝
‑
L，....，0，....，+L]；其中，x，y表示像素点的位置信息，模型选择滤波窗口大小(2L+1)*(2L+1)的矩形，F
x+i,y+j
为该点窗口的像素点灰度值序列，g
x,y
为灰度值序列中值，用该中值替换原像素点灰度值完成中值滤波。5.如权利要求3所述的基于机器视觉的自动报靶射击训练系统的实现方法，其特征在于：所述图像二值化处理通过阈值分割凸显弹孔和靶面轮廓，具体算法如下：
其中，x，y表示像素点的位置信息，f(x，y)表示原图像该像素点的灰度值，g(x，y)表示阈值分割更新后该像素点的灰度值，遍历整张图像的像素点，当灰度值小于等于阈值T更新像素点灰度值为0，当灰度值大于阈值T则保留原始灰度值不变。6.如权利要求3所述的基于机器视觉的自动报靶射击训练系统的实现方法，其特征在于：所述几何校正首先定位靶纸图像四个顶点，根据四个顶点坐标，按照区域最大原则生成一个矩形，矩形四个顶点作为基准点，利用四个顶点和四个基准点求解变换系数，利用变换系数进行坐标转换，最后进行灰度差值完成几何校正；在算法实现中本发明采用地址映射公式为：x＝a
0，0
+a
0，1
v+a
1，0
u+a
1，1
vu；y＝b
0，0
+b
0，1
v+b
1，0
u+b
1，1
vu；通过矩阵方式对应的线性最小二乘解为：A＝X
′
W
T
(WW

【专利技术属性】
技术研发人员：冯晓，李宝花，符爱香，刘钟涛，徐献增，何为凯，谭丽丽，
申请(专利权)人：山东交通学院，
类型：发明
国别省市：