一种分队战术智能对抗训练系统及方法与流程

技术特征：
1.一种分队战术智能对抗训练系统，其特征在于：包括视频采集单元、云台、激光发射单元、中控系统、靶机单元、目标单元、障碍物单元；其中，所述视频采集单元、云台、激光发射单元、中控系统和靶机单元组合成联合系统，与目标单元构成模拟对抗方，所述目标单元为真人持枪者，靶机单元和目标单元各有多个靶机和目标；所述视频采集单元和激光发射单元设置于所述云台上；所述视频采集单元、激光发射单元、云台、靶机单元均与中控系统电连接，受控于所述中控系统。2.根据权利要求1所述的分队战术智能对抗训练系统，其特征在于：所述中控系统内设ssd目标跟踪检测算法模型，所述ssd目标跟踪检测算法模块中加入有ros系统发布器。3.根据权利要求1所述的分队战术智能对抗训练系统，其特征在于：所述云台360
°
旋转，所述视频采集单元和激光发射单元还自身旋转。4.一种利用权利要求1
‑
3之一所述系统的训练方法，其特征在于：包括目标识别与追踪、智能打击与防御过程；其中，在目标识别与追踪阶段，采用ssd目标跟踪检测算法模型对目标进行捕捉和坐标计算，计算出目标像素所占面积大小、目标移动速度和目标移动加速度信息，目标密度，然后得出目标综合威胁程度，表述如下：综合威胁程度计算公式如下：w＝w1s w2v w3a w4ρw表示目标综合威胁程度，s表示目标像素所占面积大小，v表示目标相对移动速度，a表示目标相对移动加速度，ρ表示特定面积下目标密度，特定面积指以该目标为圆心，百分之一像机像素为半径的圆覆盖范围，w1、w2、w3和w4分别表示对应的加权系数；按各个目标的w值大小排序，对威胁程度最大的目标最先予以打击；在智能打击与防御阶段，调动云台和激光发射器，对综合威胁程度最大的目标最先进行打击，激光发射后的设定时间内收到目标中弹信息，则认为攻击成功，按顺序打击下一目标，若设定时间内未收到目标中弹信息则认为该目标并未击中，继续跟踪并打击；同时，通过靶机在某时刻中弹环数和中弹总数，判断是否具有打击和防御能力：当靶机中弹环数大于设定值时，认为此靶机倒下模拟死亡，再行立起后是充当另外一名有生命的战士；当靶机中弹环数小于等于设定值，且中弹总数小于设定值时，认为靶机负轻伤，仍有作战能力；当靶机中弹环数小于等于设定值，且中弹总数大于等于设定值时，认为靶机负重伤，靶机虽然倒下，但仍有机会作战；当同一位置的靶机立起倒下的平均时间小于设定值时，则认为此处对方火力强，此处靶机立起的个数和靶机被击倒后再次立起的频率都相应增加，同时减少其他位置靶机立起的个数和倒把后再次立起的频率。5.根据权利要求4所述的训练方法，其特征在于：目标像素所占面积大小计算方法为：
s
10
为摄像头10米外身高170cm标准体重男性的正面图像所占像素面积，s
i
为当前目标所占像素面积，k为调整参数，k＝100s
200
/s
10
，s
200
为摄像头200米外身高170cm标准体重男性的正面图像所占像素面积。6.根据权利要求4所述的训练方法，其特征在于：目标相对移动速度计算方法为：v
max
取百米运动员的世界纪录速度，v
i
为当前目标的移动速度；目标相对移动加速度计算方法为：a
max
取百米运动员世界纪录起步时的加速度，a
i
为当前目标的移动加速度。7.根据权利要求4所述的训练方法，其特征在于：特定面积下目标密度的计算方法为：j为特定面积下所有目标数量。8.根据权利要求4所述的训练方法，其特征在于：判断靶机是否中弹的方法为：对比前后两个时刻两帧图像的所有像素的rgb值，都相同则没中弹，一旦有不同，且不同像素值所占面积在子弹直径的0.5～2倍之内，则认为中弹。9.根据权利要求4所述的训练方法，其特征在于：当计算目标综合威胁程度的同时，还对每帧图像捕捉到的目标数量进行计算，根据目标数量m，确定靶机立起数量n：标数量m，确定靶机立起数量n：是向上取整符号。
10.根据权利要求4所述的训练方法，其特征在于：设定从靶机立起到激光发射器发射之前的延迟时间t：t
i
＝t
i
‑1 (10
‑
b)(t
j
‑
t
i
‑1)/10t
i
为本次靶机立起后打击目标的延迟时间；当i＝1时为初始化延迟时间，b为当前靶机上弹孔的最高环数；t
j
为上一次靶机立起到被击倒所用时间，当j＝1时t
j
＝0。

技术总结
本发明公开一种分队战术智能对抗训练系统及方法，通过在一方采用真人真枪，另外一方采用靶机配合激光发射器，可以实现实弹演习，通过调配靶机起倒数量和时机以及激光发射器的发射时机，模拟真实对战场景，比现有技术更具有真实性，更具有作战指导意义，适用于军事指导。指导。指导。


技术研发人员：韩云武 林基灿 宋岩 刘旭
受保护的技术使用者：威海军之翼智能科技有限公司
技术研发日：2021.06.26
技术公布日：2021/10/23