[发明专利]靶环识别方法及系统

说明书

本发明提供一种靶环识别方法及系统，属于计算机视觉技术领域，利用训练好的判别模型，筛选出箭靶视频帧中有新增箭支的图片；其中，所述训练好的判别模型由训练集训练得到，所述训练集包括多张箭靶的图片以及标注箭靶的图片上有箭支的标签；结合颜色分割和椭圆拟合，确定有新增箭支的图片的靶环拟合线；对目标箭支进行检测定位，确定箭着点坐标；结合靶环拟合线和箭着点坐标，确定环数。本发明将深度学习与图像处理结合起来，有效的提升了报靶效率并且提高了射箭比赛的直观性和可观赏性；克服人工报靶存在的耗时长，实时性差，安全性低等问题，提高了射箭项目的可观赏性以及效率。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于图像处理和深度学习网络的射箭靶环识别方法及系统。

背景技术

在射箭比赛以及日常训练中，报靶是其中的重要环节，传统的报靶方式，由人工肉眼观察靶环并进行报靶，该方式存在耗费时间长，安全性差，成本高，实时性差等缺点。射箭自动报靶系统能有效克服人工报靶的缺点，并且还能提高射箭项目的可观赏性。随着数字图像处理技术的不断发展，射箭自动报靶系统逐渐成为业内研究和开发的重点方向。

目前，对射箭自动报靶的研究，主要有如下几种类型：(1)基于电路的自动计算射箭环数的箭靶装置，该装置零件较多，安装复杂，成本较高。(2)基于电磁波的自动识别弓箭即时报靶系统，该系统精度较高，但是容易受到干扰。(3)超声传感器自动报靶系统，该系统精度高且对环境要求低，但是对传感器的要求高，其识别精度主要依赖高质量的声波传感器，成本很高，不易于推广。

使用平面图像扫描技术进行靶环检测的方法，如射箭计分系统，其利用图像分析计分，即利用摄像头拍摄箭靶，该方法对靶纸的印刷也有要求。例如必须额外印刷四个黑色正方形校准图标，该系统需要特别印刷的靶纸，且不适合复杂多变的环境。

计算机深度学习技术，利用大量的数据能够自动学习反映数据差别的特征。目前，通过卷积神经网络(CNN)构建的图像处理系统能够有效的减小过拟合、对大像素数图像内容能很好的识别，在融合GPU加速技术后，使得神经网络在实际中能够更好的拟合训练数据，更快更准确的识别大部分的图片。比起传统的算法，深度学习技术和图像处理技术相结合，不仅能够提高图像识别的准确率，提高运行效率，减少人力成本。

发明内容

本发明的目的在于提供一种结合深度学习与图像处理、提高了报靶效率的基于图像处理和深度学习的射箭靶环识别方法及系统，以解决上述背景技术中存在的至少一项技术问题。

为了实现上述目的，本发明采取了如下技术方案：

一方面，本发明提供一种靶环识别方法，包括：

利用训练好的判别模型，筛选出箭靶视频帧中有新增箭支的图片；其中，所述训练好的判别模型由训练集训练得到，所述训练集包括多张箭靶的图片以及标注箭靶的图片上有箭支的标签；

结合颜色分割和椭圆拟合，确定有新增箭支的图片的靶环拟合线；

对目标箭支进行检测定位，确定箭着点坐标；

结合靶环拟合线和箭着点坐标，确定环数。

优选的，训练所述判别模型包括：

按照固定频率截取箭靶的视频帧并进行图像预处理，截取箭靶关键区域，得到正向靶面图；

将正向靶面图进行扩充，按照箭支的数量对每张图进行不同的标记；

使用Keras框架搭建VGG16网络，整个网络都使用了同样大小的卷积核尺寸和最大池化尺寸，图片中箭支的数量为网络的输出结果，对网络进行迭代优化训练，得到最终训练好的判别模型。

优选的，利用训练好的判别模型，筛选出箭靶视频帧中有新增箭支的图片，包括：