基于人工智能视觉分析的射击报靶方法及系统

技术领域

本发明涉及枪械训练技术领域，特别是涉及基于人工智能视觉分析的射击报靶方法及系统。

背景技术

靶场训练是最基础的射击训练方法，通过在靶场上进行射击，可以提高射手的瞄准和射击精度；

在传统的射击训练中，报靶通常是由人工进行的，这种方式存在一些问题，首先，人工报靶需要耗费大量的人力和时间，对于大规模的射击训练来说，这无疑是一个巨大的负担，其次，人工报靶的准确性受到人为因素的影响，可能会存在误差和偏见，从而影响训练效果，此外，人工报靶还需要一定的经验和技能，对于一些初学者来说，难以掌握准确的报靶技巧；为此，我们提出基于人工智能视觉分析的射击报靶方法及系统。

发明内容

本发明的目的在于提供基于人工智能视觉分析的射击报靶方法及系统，以解决技术背景中提出的问题。

本发明是通过以下技术方案实现的：

本发明为基于人工智能视觉分析的射击报靶方法，包括如下步骤：

S1：利用靶场上的摄像头设备，对射击后的靶子进行图像采集，获取射击后的靶图像；

S2：对采集到的靶图像进行预处理，包括图像去噪、图像增强、图像二值化操作，以突出弹孔部分的特征；

S3：利用人工智能算法对预处理后的靶图像进行弹孔检测和定位，通过图像分割、边缘检测技术，将弹孔部分的图像从整个靶图像中分离出来；

S4：对弹孔部分的图像进行特征提取，包括形状、大小、位置信息，以判断射击的环数和得分；

S5：预设评分规则，根据弹孔的位置和形状信息，结合预设的评分规则，计算出射击成绩；

S6：将计算出的成绩通过显示屏或网络途径展示给射击者和监督者，并将成绩数据存储在数据库或云端，以供后续查询和使用；

S7：将上述各环节集成到一起，并进行调试和优化，确保系统的稳定性和准确性，通过设计用户界面，包括图形化界面、输入输出功能，方便用户进行操作和使用；

S8：对运行环节进行日常维护和更新，包括软件升级、数据备份、故障排除，确保各环节的正常运行和使用效果。

优选地，所述S2中对采集到的靶图像进行预处理，首先将彩色图像转化为灰度图像，减少处理的数据量，然后进行图像的几何变换，包括图像旋转、平移和缩放，以纠正图像的位置和姿态，并进行图像增强，通过对比度调整、锐化和平滑操作，增强图像的清晰度和细节信息。

优选地，所述S3中利用人工智能算法对预处理后的靶图像进行弹孔检测和定位，基于深度学习模型，包括卷积神经网络实现，操作方式包括进行基于边缘检测的弹孔检测、基于目标检测的弹孔检测和基于图像分割的弹孔检测。

优选地，所述S4中通过对弹孔部分的图像进行特征提取，并判断射击的环数和得分，首先基于形状特征的环数和得分判断、然后基于边缘特征的环数和得分判断、最后基于纹理特征的环数和得分判断，还包括基于深度学习模型的环数和得分判断。

优选地，所述S5中根据弹孔的位置和形状信息计算出射击成绩，结合预设的评分规则，将弹孔的位置和形状信息转换成相应的得分。

优选地，所述S6中将成绩数据存储在数据库或云端，包括使用计算机和存储器，所述存储器与计算机通信连接，所述存储器的存储容量为1T，所述显示屏与计算机电性连接。

基于人工智能视觉分析的射击报靶系统，包括图像采集模块、弹孔检测模块、特征提取模块、成绩计算模块和系统终端模块，所述弹孔检测模块分别与图像采集模块和特征提取模块通信连接，所述特征提取模块与成绩计算模块通信连接，所述系统终端模块分别与图像采集模块、弹孔检测模块、特征提取模块和成绩计算模块通信连接，所述图像采集模块对射击后的靶子进行图像采集，还包括利用图像技术对采集到的图像进行预处理，所述弹孔检测模块利用人工智能算法对预处理后的靶图像进行弹孔检测和定位，所述特征提取模块对弹孔部分的图像进行特征提取，所述成绩计算模块根据弹孔的位置和形状信息，结合预设的评分规则，利用人工智能算法自动计算出射击成绩，所述系统终端模块用于进行全流程控制。

优选地，所述系统终端模块包括显示与存储单元、系统集成与调试单元、用户界面设计单元和运维单元，所述显示与存储单元将计算出的成绩通过显示屏或网络途径展示给射击者和监督者，并将成绩数据存储在数据库或云端，所述系统集成与调试单元将各模块集成到一起，并进行调试和优化，所述用户界面设计单元通过设计用户界面方便用户进行操作和使用，所述运维单元对运行模块进行日常维护和更新。

本发明具有以下有益效果：

本发明基于人工智能视觉分析的射击报靶方法，通过计算机视觉技术和人工智能算法，可以自动对射击后的靶子进行图像处理和分析，从而得到射击成绩，该种报靶方式不仅可以大大节省人力和时间成本，而且可以避免人为因素对成绩的影响，提高报靶的准确性和公正性。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基于人工智能视觉分析的射击报靶方法流程图；

图2为本发明基于人工智能视觉分析的射击报靶系统架构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参照图1所示，本发明为基于人工智能视觉分析的射击报靶方法，包括如下步骤：

S1：利用靶场上的摄像头设备，对射击后的靶子进行图像采集，获取射击后的靶图像；

S2：对采集到的靶图像进行预处理，包括图像去噪、图像增强、图像二值化操作，以突出弹孔部分的特征；

其中，对采集到的靶图像进行预处理，首先将彩色图像转化为灰度图像，减少处理的数据量，然后进行图像的几何变换，包括图像旋转、平移和缩放，以纠正图像的位置和姿态，并进行图像增强，通过对比度调整、锐化和平滑操作，增强图像的清晰度和细节信息；

S3：利用人工智能算法对预处理后的靶图像进行弹孔检测和定位，通过图像分割、边缘检测技术，将弹孔部分的图像从整个靶图像中分离出来；

其中，利用人工智能算法对预处理后的靶图像进行弹孔检测和定位，基于深度学习模型，包括卷积神经网络实现，操作方式包括进行基于边缘检测的弹孔检测、基于目标检测的弹孔检测和基于图像分割的弹孔检测；其中，基于边缘检测的弹孔检测：通过应用边缘检测算法，如Sobel、Canny等，可以检测出图像中的边缘信息，从而找到弹孔部分的边缘，通过对这些边缘进行进一步处理，如轮廓检测、形态学操作等，可以更精确地定位弹孔的位置；基于目标检测的弹孔检测：通过应用目标检测算法，如YOLO、SSD、Faster R-CN N等，可以在图像中识别并定位出特定的目标，如弹孔，这些算法通常会使用预设的模型来识别特定形状或大小的目标，从而实现对弹孔的检测和定位；基于图像分割的弹孔检测：通过应用图像分割算法，如K均值聚类、区域生长、水平集方法等，可以将图像中的不同区域进行分割，从而将弹孔部分的图像从整个靶图像中分离出来，通过对分割后的图像进行进一步处理，如形态学操作、区域特征提取等，可以更精确地定位弹孔的位置和大小；

S4：对弹孔部分的图像进行特征提取，包括形状、大小、位置信息，以判断射击的环数和得分；

其中，通过对弹孔部分的图像进行特征提取，并判断射击的环数和得分，首先基于形状特征的环数和得分判断、然后基于边缘特征的环数和得分判断、最后基于纹理特征的环数和得分判断，还包括基于深度学习模型的环数和得分判断；其中，基于形状特征的环数和得分判断：通过对弹孔部分的图像进行形状特征提取，如圆形度、面积、周长等，可以判断出射击的环数和得分，例如，可以根据预设的评分规则，将不同形状的弹孔归类到不同的环数和得分区间，从而实现对射击成绩的判断；基于边缘特征的环数和得分判断：通过对弹孔部分的图像进行边缘特征提取，如边缘线、边缘角等，可以判断出射击的环数和得分，例如，可以根据预设的评分规则，将不同边缘特征的弹孔归类到不同的环数和得分区间，从而实现对射击成绩的判断；基于纹理特征的环数和得分判断：通过对弹孔部分的图像进行纹理特征提取，如粗糙度、颗粒度等，可以判断出射击的环数和得分，例如，可以根据预设的评分规则，将不同纹理特征的弹孔归类到不同的环数和得分区间，从而实现对射击成绩的判断；基于深度学习模型的环数和得分判断：通过应用深度学习模型，如卷积神经网络(CNN)等，可以对弹孔部分的图像进行自动的特征提取和分类，从而判断出射击的环数和得分；

S5：预设评分规则，根据弹孔的位置和形状信息，结合预设的评分规则，计算出射击成绩；

其中，根据弹孔的位置和形状信息计算出射击成绩，结合预设的评分规则，将弹孔的位置和形状信息转换成相应的得分，例如，可以根据弹孔距离靶心的距离和弹孔的形状来计算得分，从而得到射击成绩，这种方法需要预先设定好评分规则，并确保规则的合理性和公平性；

S6：将计算出的成绩通过显示屏或网络途径展示给射击者和监督者，并将成绩数据存储在数据库或云端，以供后续查询和使用；

其中，将成绩数据存储在数据库或云端，包括使用计算机和存储器，存储器与计算机通信连接，存储器的存储容量为1T，显示屏与计算机电性连接；

S7：将上述各环节集成到一起，并进行调试和优化，确保系统的稳定性和准确性，通过设计用户界面，包括图形化界面、输入输出功能，方便用户进行操作和使用；

S8：对运行环节进行日常维护和更新，包括软件升级、数据备份、故障排除，确保各环节的正常运行和使用效果。

请参照图2所示，基于人工智能视觉分析的射击报靶系统，包括图像采集模块、弹孔检测模块、特征提取模块、成绩计算模块和系统终端模块，弹孔检测模块分别与图像采集模块和特征提取模块通信连接，特征提取模块与成绩计算模块通信连接，系统终端模块分别与图像采集模块、弹孔检测模块、特征提取模块和成绩计算模块通信连接，图像采集模块对射击后的靶子进行图像采集，还包括利用图像技术对采集到的图像进行预处理，弹孔检测模块利用人工智能算法对预处理后的靶图像进行弹孔检测和定位，特征提取模块对弹孔部分的图像进行特征提取，成绩计算模块根据弹孔的位置和形状信息，结合预设的评分规则，利用人工智能算法自动计算出射击成绩，系统终端模块用于进行全流程控制。

其中，系统终端模块包括显示与存储单元、系统集成与调试单元、用户界面设计单元和运维单元，显示与存储单元将计算出的成绩通过显示屏或网络途径展示给射击者和监督者，并将成绩数据存储在数据库或云端，系统集成与调试单元将各模块集成到一起，并进行调试和优化，用户界面设计单元通过设计用户界面方便用户进行操作和使用，运维单元对运行模块进行日常维护和更新。

本方案中，基于人工智能视觉分析的射击报靶技术在一些军事训练中可以用于自动评估士兵的射击技能和战斗能力，而在一些民用领域，这种技术也可以用于射击比赛、狩猎等活动中，提高射击的准确性和效率。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。