[发明专利]一种靶子环数的图像识别方法有效

专利信息
申请号: 201911100835.3 申请日: 2019-11-12
公开(公告)号: CN110853059B 公开(公告)日: 2023-04-07
发明(设计)人: 卢军;雷旺雄;孙姝丽;李浩;梁波;刘有福;曹阳;王言 申请(专利权)人: 陕西科技大学
主分类号: G06T7/11 分类号: G06T7/11;G06T7/136;G06T7/60;G06T7/62;G06T7/66;G06V10/762
代理公司: 西安铭泽知识产权代理事务所(普通合伙) 61223 代理人: 梁静
地址: 710021 陕西省*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 靶子 图像 识别 方法
【说明书】:

本发明公开了一种靶子环数的图像识别方法,包括:获取距离质心最远和距离圆心最近的角点;计算距离质心最远和距离圆心最近的角点所在圆的面积,记作角点面积,并计算弹孔质心所在圆的面积,记作质心面积;当角点面积、质点面积在所在环数的面积范围内时,确定靶子环数为角点面积、质点面积所属的环数;当角点面积、质点面积不在所在环数的面积范围内时,确定靶子环数为质心面积所属的环数加1。本发明通过计算距离质心最远和距离圆心最近的角点所在面积范围、和弹孔质心所在面积范围,对靶子环数进行了准确地识别,并且当弹孔在两个环数的交界线上时,可以计算出弹孔的质心坐标具体偏向哪个环数区域,最终对弹孔所在环数进行了准确地识别。

技术领域

本发明涉及图像识别技术领域,更具体的涉及一种靶子环数的图像识别方法。

背景技术

传统的靶子环数识别主要依靠人工实现,存在精确度不高、安全隐患比较大以及人力资源分配不足问题。现在市场上一些关于靶子环数识别的产品普遍成本高、系统比较复杂,并且占用场地等一些缺陷。同时,当弹孔在两个环数的交界线上时,人眼会存在识别错误的情况。

当前基于图像处理技术的报靶系统研究,主要分为两个方面,一是自动报靶装置的研究,主要是将图像处理与图像采集、图像传输、嵌入式技术等相结合,形成自动报靶装置,其主要依赖于双层电极短路采样系统、声电定位自动报靶系统、光电电子靶系统等机械式测定系统,这类系统具有复杂的硬件结构,要求制定专用靶标且不可重复利用,成本高、适应性差;二是图像处理方法的研究,例如刘秋燕等在《基于视频图像分析的自动报靶方法研究》中采用霍夫变换检测靶心,分析差分图像确定弹孔位置;刘瑞香等在《面向纸质胸环靶的自动识别报靶系统研究》中采用灰度双向肖波投影确定靶心位置;陆祥翠等在《一种基于图像处理技术的自动报靶方案》中利用轮廓跟踪法进行环线识别。虽然基于图像处理技术的自动报靶系统已经取得了一定的成果,但是当前方法大多只是根据环线和弹孔的明亮来进行识别判断。郑晓势等在中国专利公开号CN2831033Y《自动识别报靶装置》中认为射击过程中前后图像完全重叠,只采用简单的阈值法进行弹着点判断;就目前来说,弹丸中靶的坐标测量普遍都采用弹丸穿过实心靶留下弹痕,射击者使用望远镜或借助于闭环电视系统估算出每一弹丸的中靶坐标,但其不能对弹孔所在环数进行准确识别。

发明内容

本发明实施例提供一种靶子环数的图像识别方法,用以解决上述背景技术中提出的对弹孔所在环数识别不准确的问题。

本发明实施例提供一种靶子环数的图像识别方法,包括:

获取靶盘各环区域的面积范围和靶盘的圆心坐标;

获取靶盘上弹孔的角点坐标,并通过Kmeans聚类算法,获取靶盘上弹孔的质心坐标;

计算弹孔的角点坐标与质点坐标的距离,并计算弹孔的角点坐标与靶的圆心坐标的距离,获取距离质心最远和距离圆心最近的角点;

计算距离质心最远和距离圆心最近的角点所在圆的面积,记作角点面积,并计算弹孔质心所在圆的面积,记作质心面积;当角点面积、质点面积在所在环数的面积范围内时,确定靶子环数为角点面积、质点面积所属的环数;当角点面积、质点面积不在所在环数的面积范围内时,确定靶子环数为质心面积所属的环数加1。

进一步地,本发明实施例提供一种靶子环数的图像识别方法,还包括:对采集的图像进行阈值分割,对靶盘的环数进行分割;其中,所述对采集的图片进行图像阈值分割,具体包括:

将采集的图像转换为灰度图像;

对灰度图像,采用大津法进行阈值分割。

进一步地,所述获取靶盘各环区域的面积范围和靶盘的圆心坐标,具体包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于陕西科技大学,未经陕西科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911100835.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top