【技术实现步骤摘要】
本专利技术涉及模拟对抗训练，尤其涉及一种基于人机交互的实境化对抗训练系统。
技术介绍
1、传统的军事模拟训练一般采用基于主观判断和动作标准检验的战术基础训练考核模式，其存在的主要问题有：主观性和实际情况不一致性：传统的考核系统依赖于教官或评估员的主观判断，这会导致不一致性和个体差异。不同的教官可能会对同一项任务或技能评估出不同的结果，这可能影响了对训练者的公平评估；难以量化：基于主观判断的考核难以量化和测量，这使得很难确定训练者在特定任务上的准确表现水平；高人力成本：传统考核需要大量人力资源，包括教官和评估员，以及时间，这增加了培训成本和效率；缺乏实时性：基于主观判断的考核通常是离线或间歇性的，无法提供实时反馈或动态调整培训计划的机会，因此，难以制定明确的培训和改进计划。
技术实现思路
1、为此本专利技术提供了一种基于人机交互的实境化对抗训练系统，能够很好的解决上述问题。
2、为实现本专利技术之目的，采用以下技术方案予以实现：
3、一种人机交互的实境化对抗训练系统，其中：包括数据采集单元、目标检测单元、目标定位单元、身份匹配单元和综合判断单元；其中数据采集单元包括视频采集设备和定位标签采集器，分别用于实时拍摄训练场并输出视频信号和采集训练人员携带的标签上的信息；目标检测单元用于接收数据采集单元的视频信号，并进行人员目标检测；目标定位单元用于将人员目标在图像中的二维坐标转换为人员目标相对于视频采集设备的三维坐标并进行输出；身份匹配单元用于接收定位标签采集器的发
4、所述的人机交互的实境化对抗训练系统，其中：视频采集设备包括相机。
5、所述的人机交互的实境化对抗训练系统，其中：视频信号在发送给目标检测单元之前进行图像去噪和数据去重处理。
6、所述的人机交互的实境化对抗训练系统，其中：目标检测单元使用基于yolov3算法的卷积神经网络，对场地相机可视范围内采集的目标进行实时检测并输出预测到的目标框，所述预测目标框中的图像为识别的人体目标。
7、所述的人机交互的实境化对抗训练系统，其中：对于基于yolov3算法的卷积神经网络使用如下损失函数：
8、loss＝lossobj+lossrect+lossclc+lossped，
9、其中lossobj、lossrect、lossclc分别代表置信度损失、矩形框损失、分类损失，与原模型保持一致，训练过程中可调节相应权重；lossped是额外的惩罚项，用来鼓励模型预测更多的人体。
10、所述的人机交互的实境化对抗训练系统，其中：
11、
12、其中s2是格子数量，b是每个格子预测的边界框数量，λpedestrian是人体惩罚项的权重；是一个二进制指示函数，表示第i个格子的第j个边界框是否负责检测到目标；lk也是二进制指示函数，表示目标类别是否是人体。
13、所述的人机交互的实境化对抗训练系统，其中：
14、设a设为相机的内参，b为相机的外参，则像素坐标系下二维像素坐标和世界坐标系下三维世界坐标之间的关系表示为：
15、(x,y,z)＝g(a,b,(x,y))
16、其中(x,y,z)为三维坐标点，a，b分别表示相机的内、外参矩阵，(x,y)为像素坐标，函数g表示坐标运算步骤；
17、
18、
19、其中zc是相机坐标系中的z轴坐标，表示了目标相对于相机的深度或距离。
20、所述的人机交互的实境化对抗训练系统，其中按如下方式计算相机的内、外参矩阵a，b：
21、(a，b)＝f(pici)，其中pic表示棋盘格图片，下标i表示有很多张棋盘格，f为相机标定步骤，运算结果a，b分别表示相机的内、外参矩阵。
22、(1)设内参与外参矩阵的乘积此处m表示相机内外参矩阵的乘积，后续可以分离出a和b矩阵。
23、
24、其中m矩阵是齐次矩阵，有8个未知元素，每一个标定板上的角点，将提供两个约束方程。一张图片上只需4个角点即可求出矩阵m，一张图片上的角点多于4个时，可以使用最小二乘法求解最佳m。
25、(2)求解内参矩阵a
26、利用m＝ab求解内参矩阵a
27、
28、每张标定板图片可以提供一个约束关系，该约束关系含有两个约束方程。用最小二乘法拟合得到矩阵d,设进而求出内参矩阵a。
29、
30、
31、
32、
33、u0≡-d13α2
34、内参矩阵求解结果为：
35、
36、(3)求解外参矩阵b
37、对于不同的图片，标定板和相机的位置关系已经改变，此时每一张图片对应的外参矩阵都是不同的。由m＝ab且m和a矩阵已知即可求出外参矩阵b。
38、所述的人机交互的实境化对抗训练系统，其中身份匹配单元进行身份识别包括：
39、先将两点联测得到的wgs84经纬度(bo，lo)84，(ba，la)84投影为wgs84平面坐标(xo，yo)84，(xa，ya)84；再按照静态测量方法分别求出的wgs84平面坐标(xo，yo)84，(xa，ya)84和已知世界坐标(xo，yo)l，(xa，ya)l下的基线边长s84、sl和方位角α84、αl；其中世界坐标系下标用l，wgs84坐标系下标用84表示，其中：
40、边长：
41、方位角:α84＝arctan(δy/δx)84；αl＝arctan(δy/δx)l
42、其中：
43、求出wgs84坐标向世界坐标转换的平移参数旋转参数α和比例因子m：
44、平移参数：
45、旋转参数：α＝α84-αl
46、比例因子：m＝(s84-sl)/s84
47、将测量点(例如点b)wgs84经纬度(bb，lb)84投影为wgs84平面坐标(xb，yb)84，求出测量点相对于基准点在wgs84平面上的坐标增量转换成世界坐标下的坐标增量最后求出测量点在当地坐标系中的坐标；
48、其中：坐标增量：
49、
50、坐标：
51、所述的人机交互的实境化对抗训练系统，其中综合判断单元对锁定目标进行模拟射击操作包括：
52、如果坐标点(x,y)和(xj,yj)之间的距离小于规定阈值，则判定二者为同一，且进行身份匹配；
53、如果在连续帧t0、t1...tn内均检测到目标，并且相邻帧目标位置差小于规定阈值，则认为他们是同一目标，且在连续帧内该目标的位置信息即为目标的行动路线；统计本文档来自技高网...
【技术保护点】
1.一种人机交互的实境化对抗训练系统，其特征在于：包括数据采集单元、目标检测单元、目标定位单元、身份匹配单元和综合判断单元；其中数据采集单元包括视频采集设备和定位标签采集器，分别用于实时拍摄训练场并输出视频信号和采集训练人员携带的标签上的信息；目标检测单元用于接收数据采集单元的视频信号，并进行人员目标检测；目标定位单元用于将人员目标在图像中的二维坐标转换为人员目标相对于视频采集设备的三维坐标并进行输出；身份匹配单元用于接收定位标签采集器的发送的信息，获取到训练人员的定位信息，并将定位信息与目标定位模块中得到的目标三维位置进行匹配，从而进行身份识别；综合判断单元用于根据视频采集设备锁定到的单兵暴露时间及锁定次数，对锁定目标进行模拟射击操作。
2.根据权利要求1所述的人机交互的实境化对抗训练系统，其特征在于：视频采集设备包括相机。
3.根据权利要求1所述的人机交互的实境化对抗训练系统，其特征在于：视频信号在发送给目标检测单元之前进行图像去噪和数据去重处理。
4.根据权利要求1所述的人机交互的实境化对抗训练系统，其特征在于：目标检测单元对场地相机可视
5.根据权利要求1所述的人机交互的实境化对抗训练系统，其特征在于身份匹配单元进行身份识别包括将训练人员的北斗定位信息经过变换矩阵的计算，从而将坐标系映射到相机坐标系中。
6.根据权利要求1所述的人机交互的实境化对抗训练系统，其特征在于：如果坐标点(x,y)和(xj,yj)之间的距离小于规定阈值，则判定二者为同一目标，且进行身份匹配。
...【技术特征摘要】
1.一种人机交互的实境化对抗训练系统，其特征在于：包括数据采集单元、目标检测单元、目标定位单元、身份匹配单元和综合判断单元；其中数据采集单元包括视频采集设备和定位标签采集器，分别用于实时拍摄训练场并输出视频信号和采集训练人员携带的标签上的信息；目标检测单元用于接收数据采集单元的视频信号，并进行人员目标检测；目标定位单元用于将人员目标在图像中的二维坐标转换为人员目标相对于视频采集设备的三维坐标并进行输出；身份匹配单元用于接收定位标签采集器的发送的信息，获取到训练人员的定位信息，并将定位信息与目标定位模块中得到的目标三维位置进行匹配，从而进行身份识别；综合判断单元用于根据视频采集设备锁定到的单兵暴露时间及锁定次数，对锁定目标进行模拟射击操作。
2.根据权利要求1所述的人机交互的实境化对抗训练系统，其特征在...
【专利技术属性】
技术研发人员：杨仕军，王方兵，贾英新，苏虹源，宁吉军，吕鹏，张峻，黄臣东，
申请(专利权)人：中国人民解放军陆军装甲兵学院，
类型：发明
国别省市：
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。