一种基于图像检测的棋局分析方法与流程

本发明涉及图像识别，具体涉及一种基于图像检测的棋局分析方法。

背景技术：

1、随着人工智能、计算机视觉及智能决策技术的发展，基于机器视觉的棋局自动识别与智能分析技术逐渐应用于棋类教学、竞技辅助、棋局复盘及智能博弈等场景。传统的棋局分析方式通常依赖人工记录棋盘状态，并结合棋类规则和经验进行局势判断，不仅效率较低，而且容易受到人为因素影响，难以满足自动化、智能化棋局分析需求。

2、现有部分棋局分析方法通过采集棋盘图像，并利用图像识别算法对棋盘和棋子进行检测，以实现棋局状态的自动获取。然而，现有基于图像识别的棋局分析方案通常仅关注棋子的检测结果，主要实现棋子位置识别和棋局复现，缺少对动态的棋局的分析，无法准确刻画棋子之间的攻击、防守、协同及限制关系，导致棋局态势分析能力不足。

技术实现思路

1、（一）发明目的

2、本发明的目的是提供一种基于图像检测的棋局分析方法，通过图像检测实现棋局状态自动获取，并结合棋类规则构建棋子拓扑关联关系，提取棋子特征向量，实现对棋子状态、潜在威胁及局势变化的智能分析。同时，通过多层搜索推演候选走法，并融合局势分析结果，提高了棋局分析的准确性和可靠性。

3、（二）技术方案

4、为解决上述问题，本发明提供了一种基于图像检测的棋局分析方法，包括：

5、获取目标棋局图像，识别棋盘区域并建立棋盘空间坐标系；

6、对所述目标棋局图像进行棋子检测与分类，结合坐标系映射关系，生成棋子信息；

7、根据所述棋子信息，构建棋局状态矩阵；

8、基于所述棋局状态矩阵和对应棋类的规则约束，计算棋子间的攻击关系、防守关系及可行动作关系，构建拓扑关联图；

9、根据所述拓扑关联图提取棋子关系特征，构建棋子特征向量；

10、基于所述棋子特征向量分析棋局控制力分布及潜在威胁，生成局势分析结果；

11、基于所述棋局状态矩阵、所述棋子特征向量及对应棋类规则，对候选走法进行多层搜索推演，生成走法分析结果；

12、将所述局势分析结果和所述走法分析结果进行融合，生成棋局分析结果；

13、其中，所述根据所述棋子信息，构建棋局状态矩阵，包括：

14、根据对应棋类的棋盘规格建立状态矩阵，所述状态矩阵中的每一矩阵元素对应棋盘空间坐标系中的一个棋盘棋位；

15、将各棋子的位置坐标映射至状态矩阵的对应矩阵位置，采用预设编码方式对棋子类型及所属阵营进行编码，生成对应矩阵元素的状态值，未存在棋子的位置赋值为空位状态；

16、将编码后的数值填充至所述状态矩阵中对应的位置，获得棋局状态矩阵。

17、本发明的另一方面，优选地，所述获取目标棋局图像，识别棋盘区域并建立棋盘空间坐标系，包括：

18、对所述目标棋局图像进行几何校正，获得校正后的图像；

19、对所述校正后的图像进行提取，获得棋盘区域、网格分布规律及棋盘角点；

20、根据所述棋盘区域、网格分布规律和棋盘角点，确定棋盘各交叉点的像素位置，建立以棋盘角点为原点的棋盘空间坐标系，并对棋盘棋位进行编号。

21、本发明的另一方面，优选地，所述对所述目标棋局图像进行棋子检测与分类，结合坐标系映射关系，生成棋子信息，包括：

22、利用预设的目标检测神经网络对所述校正后的图像进行检测，获取各棋子的边框及类别标签；

23、计算边框中心点的像素坐标，并将所述像素坐标映射至所述棋盘空间坐标系中；

24、确定各棋子所在的棋盘棋位编号，生成棋子信息，所述棋子信息包括棋子类型、所属阵营和位置坐标。

25、本发明的另一方面，优选地，所述基于所述棋局状态矩阵和对应棋类的规则约束，计算棋子间的攻击关系、防守关系及可行动作关系，构建拓扑关联图，包括：

26、遍历所述棋局状态矩阵中的所有棋子，根据所述规则约束计算各棋子在当前状态下的合法移动路进行径；

27、识别所述合法移动路径上的目标点，若目标点存在敌方棋子，建立攻击关系；

28、若目标点存在防守棋子，则建立防守关系；

29、对于合法移动路径中的空位置，建立可行动作关系；

30、以棋子为节点，以攻击关系、防守关系及可行动作关系为有向边，构建拓扑关联图。

31、本发明的另一方面，优选地，所述根据所述拓扑关联图提取棋子关系特征，构建棋子特征向量，包括：

32、根据所述拓扑关联图，统计各棋子的攻击边数量、防守边数量、可行动作数量及节点连接度，生成节点属性；

33、根据攻击关系、防守关系及可行动作关系，对各节点进行邻域信息聚合，获得各棋子的关系表示；

34、对各棋子的关系表示进行多层图特征传播，提取棋子之间的全局关联特征；

35、将所述节点属性、关系表示及全局关联特征进行拼接编码，生成对应棋子的棋子特征向量。

36、本发明的另一方面，优选地，所述基于所述棋子特征向量分析棋局控制力分布及潜在威胁，生成局势分析结果，包括：

37、根据所述棋子特征向量，确定各棋子的攻击状态、防守状态及活动状态；

38、根据对应棋类的规则约束，确定关键棋子及其状态；

39、根据各棋子的攻击状态、防守状态及活动状态，识别优势状态棋子、受限状态棋子和受威胁状态棋子；

40、根据所述优势状态棋子、受限状态棋子、受威胁状态棋子和关键棋子的状态，生成局势分析结果。

41、本发明的另一方面，优选地，所述基于所述棋局状态矩阵、所述棋子特征向量及对应棋类规则，对候选走法进行多层搜索推演，生成走法分析结果，包括：

42、基于所述规则约束生成所有合法的候选走法集合；

43、将所述棋子特征向量作为节点状态特征，利用蒙特卡洛树搜索法对各候选走法进行多层深度模拟，获得模拟结果，所述模拟结果为走法分析结果。

44、本发明的另一方面，优选地，所述将所述棋子特征向量作为节点状态特征，利用蒙特卡洛树搜索法对各候选走法进行多层深度模拟，获得模拟结果，包括：

45、将所述候选走法作为搜索树的根节点，根据所述棋子特征向量初始化各节点状态；

46、根据预设搜索策略，从根节点选择待扩展节点，并生成对应的子节点；

47、根据对应棋类的规则约束，对所述子节点进行模拟推演，直至达到预设终止条件，获得模拟终局状态；

48、根据所述模拟终局状态，生成模拟结果。

49、本发明的另一方面，优选地，所述将所述局势分析结果和所述走法分析结果进行融合，生成棋局分析结果，包括：

50、根据预设融合权重，对所述局势分析结果和所述走法分析结果进行融合，生成棋局分析结果。

51、（三）有益效果

52、本发明的上述技术方案具有如下有益的技术效果：

53、本发明通过对目标棋局图像进行棋盘区域识别、坐标系建立以及棋子检测分类，实现了由棋局图像到结构化棋局数据的自动转换，避免了传统人工录入棋局信息过程中存在的效率低、准确性受人为因素影响等问题，提高了棋局状态获取的自动化程度和准确性。构建棋子拓扑关联图，将棋子之间复杂的空间位置关系和相互作用关系进行结构化表达，从而能够更加全面地反映当前棋局中各棋子的关联状态。通过棋子特征向量分析棋子的状态，提高了棋局态势分析的准确性。进一步对候选走法进行多层搜索推演，并融合局势分析结果和走法分析结果，能够综合考虑当前棋局状态与未来走法变化，提高棋局分析的合理性和可靠性。