[发明专利]基于深度学习的低功耗智能枪瞄图像处理系统及处理方法

说明书

本发明属于瞄准器具技术领域，公开了一种基于深度学习的低功耗智能枪瞄图像处理系统及处理方法，基于深度学习的低功耗智能枪瞄图像处理系统包括：采集接口模块、核心处理模块和算法软件模块。本发明采用深度学习算法和低功耗处理器可以实现高效智能枪瞄的目标检测、跟踪和自动击发控制，具有检测识别能力强、智能化程度高、工作效率高、扩展能力强的特点，能够有效解决传统枪瞄图像处理芯片功耗高、无智能化图像处理功能的问题；将深度学习和低功耗处理器引入智能枪瞄设计中，可有效提升智能枪瞄开发中的高效目标检测、跟踪和自动击发水平，智能化进行目标检测、识别和跟踪，有效提升狙击步枪瞄准具的智能化水平，便于推广使用。

技术领域

本发明属于瞄准器具技术领域，尤其涉及一种基于深度学习的低功耗智能枪瞄图像处理系统及处理方法。

背景技术

目前，随着现代战争中对作战武器自动化和智能化的迫切需求，传统的步枪光学瞄准具及光电瞄准具已经开始向智能瞄准具转变。所谓智能瞄准具就是在传统光学瞄准具基础上，增加图像传感器和智能图像处理模块，在光电瞄准具基础上增加智能图像处理模块，使得瞄准具能进行智能化场景图像处理。能够自动或者辅助狙击手快速发现图像中的目标，进行目标识别和跟踪测量，实时计算目标与子弹弹着点的位置误差，辅助狙击手进行步枪的辅助击发或者自动击发，可以极大提高狙击手对目标的发现概率和射击命中率。

因为狙击步枪使用环境多变，外界背景复杂，发现目标难度大，所以对狙击手要求很高，通常需要进行长时间训练培养才能正式执行任务。如果能够采用本发明中的智能图像处理模组，实现自动或者辅助发现目标，跟踪目标，则对狙击手的要求就会降低很多，而且攻击效率会极大提高。智能图像处理模组主要是解决以下问题：

解决发现目标困难的问题。在执行任务时，因为不同环境，不同时间段时外界光照变化大，目标背景复杂，要快速发现目标需要较多的时间积累和精力高度集中。如果能够采用智能目标检测和跟踪技术，对目标的出现进行提示和跟踪，则可有效降低狙击手的负担。

解决精确跟踪目标和测量的问题。攻击时在知道风速、大气压力，湿度等环境因素的前提下，对攻击目标的当前位置、运动速度等的精确判断是决定攻击成功的关键，需要长期的经验积累和反复试验调整。如果采用智能目标跟踪测量算法，则可以对目标进行精确跟踪，并精确测量目标位置与弹着点的偏差，在确定攻击提前量的前提下有效提高对目标攻击的准确性。

解决低功耗和长时间工作的问题。因为步枪主要应用于野外，所以减少功耗确保长时间工作，减小体积确保携带方便是一个重要问题。传统的DSP， FPGA，GPU等图像处理芯片功耗大，体积大严重影响智能图像处理技术在枪瞄上的应用。如果能采用低功耗，微型化的图像处理芯片实现智能枪瞄的图像处理功能，则可极大推动步枪瞄准具的推广和应用。

通过上述分析，现有技术存在的问题及缺陷为：(1)发现目标困难。在执行任务时，因为不同环境，不同时间段时外界光照变化大，目标背景复杂，要快速发现目标需要较多的时间积累和精力高度集中。(2)缺乏精确跟踪目标和测量。攻击时在知道风速、大气压力，湿度等环境因素的前提下，对攻击目标的当前位置、运动速度等的精确判断是决定攻击成功的关键，需要长期的经验积累和反复试验调整。(3)不同狙击手在使用步枪时的校准问题。每个狙击手因为身体和经验不同，所以在使用狙击步枪发现和攻击目标各自需要校准的参数也不同，例如某些狙击手习惯瞄准时偏向上方，而有些则习惯偏向下方，此时对步枪的校准就要求不同，为此，需要建立一个智能数据库，对不同的射手选择不同的校准方案。(4)低功耗和长时间工作。因为步枪主要应用于野外，所以减少功耗确保长时间工作，减小体积确保携带方便是一个重要问题。传统的DSP，FPGA，GPU等图像处理芯片功耗大，体积大严重影响智能图像处理技术在枪瞄上的应用。