一种弹孔识别方法、计算机设备以及计算机程序产品与流程

1.本技术涉及图像识别技术领域，特别是涉及一种弹孔识别方法、计算机设备以及计算机程序产品。


背景技术：

2.现有技术中，弹孔识别的方法大致可以分为两种，一种基于布置于靶面的传感系统，可根据传感信息反馈弹孔位置数据信息，但造价较贵，平均成本较高；另一种是基于图像处理技术，通过对靶面图像进行处理，通过提取出包括弹孔的位置坐标等信息来实现弹孔识别，具有设备成本低，可重复使用等优点，在自动报靶领域已经得到了越来越广泛的应用。
3.基于图像处理的弹孔识别技术中，目前大多采用对射击前后两帧图像进行联合分析处理的方法来识别新弹孔。例如，基于帧差减影的方法，将中弹前后的两帧图像做帧差，差值不为零的位置可认为是弹孔疑似区域，再进一步根据弹孔的特征排除噪声干扰确定弹孔。这类联合射击前后两帧图像进行分析处理以识别新弹孔的方法，当室外风摇动靶面或子弹中靶导致靶面大幅晃动时，弹孔检测效果不佳，容易将大量伪弹孔误识别新弹孔，在室外等复杂条件下抗干扰能力较差。


技术实现要素：

4.本技术提供一种弹孔识别方法，抗干扰能力较高，能够提高室外条件下的识别准确率。
5.一种弹孔识别方法，包括：
6.本次射击后获取包含有靶面部位的原始图像，从所述原始图像中分割出靶面图像；
7.从所述靶面图像中分割出弹孔图像；
8.从所述弹孔图像中提取弹孔轮廓，得到弹孔轮廓图；
9.将所述弹孔轮廓图与本次射击前的相关信息相比较，得到新弹孔信息。
10.可选的，从所述原始图像中分割出靶面图像，具体包括：
11.对所述原始图像灰度化处理，得到灰度图像；
12.提取所述灰度图像的lbp特征；
13.根据所述lbp特征，通过adaboost级联分类器从所述灰度图像中分割出靶面图像。
14.可选的，从所述靶面图像中分割出弹孔图像，具体包括：
15.通过自适应算法处理所述靶面图像，得到初步阈值；
16.将所述靶面图像中灰度值高于所述初步阈值的像素灰度清零，得到主体背景图像；
17.通过直方图统计所述主体背景图像的灰度均值；
18.将所述灰度均值减去第一预设灰度，得到最终阈值；
19.将所述主体背景图像中灰度值高于所述最终阈值的像素灰度替换为第二预设灰度，得到所述弹孔图像。
20.可选的，从所述弹孔图像中提取弹孔轮廓，具体包括：
21.对所述弹孔图像进行高斯滤波，得到第一图像，对所述弹孔图像进行中值滤波，得到第二图像；
22.将所述第一图像与所述第二图像做差并二值化，得到的第三图像；
23.通过形态学运算对所述第三图像进一步消除噪声，得到第四图像；
24.通过边缘检测算法处理所述第四图像，得到所述弹孔轮廓图。
25.可选的，将所述弹孔轮廓图与本次射击前的相关信息相比较，具体包括：
26.根据所述弹孔轮廓图得到当前弹孔数据集，所述当前弹孔数据集中包含若干个第一弹孔位置数据，
27.获得历史弹孔数据集，所述历史弹孔数据集中包含零个或若干个第二弹孔位置数据；
28.采用匹配算法将所述当前弹孔数据集与所述历史弹孔数据集配对，找出所述当前弹孔数据集中未被匹配的第一弹孔位置数据，即新弹孔信息。
29.可选的，根据所述弹孔轮廓图得到当前弹孔数据集，具体包括：
30.计算所述弹孔轮廓图中各弹孔的外接矩形，统计各外接矩形中的最大长度、最大宽度、最小长度、最小宽度；
31.将各弹孔中满足以下条件的判定为单孔：外接矩形长宽比小于第一预设长宽比、长度大于所述最小长度、宽度小于等于最大长度、且面积大于预设面积；将其余弹孔中满足以下条件的判定为重孔：长宽比大于所述第一预设长宽比、且小于第二预设长宽比；
32.对于所述单孔，按预设算法记录一个弹孔中心点，对于所述重孔，获得重孔的外接矩形的平行于长边的中轴线，获得所述中轴线的两个三等分点，两所述三等分点分别作为一个弹孔中心点；
33.统计各弹孔中心点的位置数据，得到所述当前弹孔数据集。
34.可选的，统计各弹孔中心点的位置数据，得到所述当前弹孔数据集，具体包括：
35.以靶面图像左上角为坐标原点，向右为横轴正方向，向下为纵轴正方向，一个像素为一个标准距离单位建立图像坐标系；
36.计算各所述弹孔中心点在所述图像坐标系下的坐标，得到所述当前弹孔数据集。
37.可选的，采用匹配算法将所述当前弹孔数据集与所述历史弹孔数据集配对，具体包括：
38.所述第一弹孔位置数据记为(x1,y1)，所述第二弹孔位置数据记为(x2,y2)，计算各第一弹孔位置数据与各第二弹孔位置数据两两之间的匹配权重-l，其中l＝|x1-x2| |y1-y2|；
39.通过km算法，将所述当前弹孔数据集中的所述第一弹孔位置数据与所述历史弹孔数据集中的所述第二弹孔位置数据配对，选出使所述匹配权重之和最大的配对方式作为配对结果。
40.本技术还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述方法的步骤。
41.本技术还提供计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现所述的方法的步骤。
42.本技术提供的弹孔识别方法，抗干扰能力较高，能够提高室外条件下的识别准确率。
附图说明
43.图1为本技术弹孔识别方法一实施例的流程图；
44.图2为图1中步骤s100的具体流程图；
45.图3为图2中步骤s130的具体流程图；
46.图4为图1中步骤s200的具体流程图；
47.图5为图1中步骤s300的具体流程图；
48.图6为图1中步骤s400的示意图；
49.图7为图1中步骤s410的具体流程图；
50.图8为本技术计算机设备一实施例的结构示意图；
51.图9为一实施例中经过步骤s110处理得到的灰度图像；
52.图10为一实施例中经过步骤s130处理得到的靶面图像；
53.图11为一实施例中经过步骤s220处理得到的分区图像；
54.图12为一实施例中经过步骤s240处理得到的主体背景图像；
55.图13为一实施例中经过步骤s310中高斯滤波处理得到的第一图像；
56.图14为一实施例中经过步骤s310中中值滤波处理得到的第二图像；
57.图15为一实施例中图13与图14做差得到的弹孔灰度图；
58.图16为一实施例中将图15二值化得到的第三图像；
59.图17为根据步骤s432的配对结构识别出的新弹孔图。
具体实施方式
60.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
61.本技术一实施例的弹孔识别方法如图1所示，弹孔识别方法包括：
62.靶面定位步骤s100，本次射击后获取包含有靶面部位的原始图像，从原始图像中分割出靶面图像；
63.阈值化步骤s200，从靶面图像中分割出弹孔图像；
64.轮廓提取步骤s300，从弹孔图像中提取弹孔轮廓，得到弹孔轮廓图，根据弹孔轮廓图可获得各弹孔轮廓相对于靶面图像的位置；
65.弹孔匹配步骤s400，将弹孔轮廓图与本次射击前的相关信息相比较，得到新弹孔信息。
66.应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分
步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
67.如图2所示，靶面定位步骤s100可采用现有技术，也可以包括如下具体步骤：
68.s110，对原始图像灰度化处理，得到如图9所示的灰度图像imggray；
69.s120，提取灰度图像imggray的lbp特征；
70.s130，根据lbp特征，通过adaboost级联分类器classifier从灰度图像中分割出如图10所示的靶面图像imgroi。靶面图像imgroi为灰度图像imggray中面积最大的一个匹配区域。
71.如图3所示，步骤s130中，adaboost级联分类器的训练方法包括：
72.s131，将多幅包含靶面的图像和多幅不含靶面的图像灰度化，包含靶位的图像作为正样本k1，不含靶面的图像作为负样本k2；
73.s132，提取正样本k1的lbp特征，得到正样本空间z1；提取负样本k2的lbp特征，得到负样本空间z2；
74.s133，利用正样本空间z1和负样本空间z2训练adaboost级联分类器。设定迭代次数为n，经过n次迭代后得到n个弱分类器，将n个弱分类器组合在一起，得到最终的强分类器classifier。
75.如图4所示，阈值化步骤s200具体包括：
76.s210，对靶面图像imgroi进行均值滤波操作得到imgblured；
77.s220，将imgblured沿水平方向分割为如图11所示的大小相同的6个局部区域，每个局部区域分别进行后续s230、s240、s250、s260的处理步骤；
78.s230，使用大津算法自动算出局部区域分割背景与前景的初步阈值。
79.s240，将靶面图像中灰度值高于初步阈值的像素灰度清零，得到如图12所示的主体背景图像partotsu。高于初步阈值的主要是白色部分，低于初步阈值的像素灰度保持不变。
80.s250，通过直方图统计主体背景图像partotsu的灰度均值。具体的，使用直方图统计的方法将partotsu分为0、1、2、
……
、255这256个灰度值进行统计，设定最小灰度值和最大灰度值分别为gray_min、gray_max，设定灰度统计间隔为gray_gap，从灰度值gray_min遍历gray_max，找出靶面绿色主体背景部分的灰度均值gray_val，使得灰度均值在[gray_val-gray_gap,gray_val gray_gap]范围内的直方图统计结果累加和最大。
[0081]
s260，将灰度均值减去第一预设灰度，得到最终阈值。具体的，设定调整参数margin，将gray_val与margin的差值作为自适应阈值threshold，将partotsu中灰度值为0以及灰度值大于threshold的像素灰度替换为第二预设灰度，其余区域灰度值不变，得到分区阈值化图像partthres。第二预设灰度即自适应阈值threshold。
[0082]
s270，将6个分区阈值化图像partthres合并为弹孔图像imgthres。
[0083]
弹孔图像imgthres中可能含有环线轮廓像素点、数字轮廓像素点等噪声，为提高识别准确度，在一实施例中，如图5所示，轮廓提取步骤s300包括：
[0084]
s310，对弹孔图像imgthres进行高斯滤波，得到如图13所示的第一图像，对弹孔图像imgthres进行中值滤波，得到如图14所示的第二图像。高斯滤波只滤除高斯噪声，中值滤
波可滤除弹孔所处的斑点状区域但保留环线、数字等大面积干扰区域。
[0085]
s320，将第一图像与第二图像做差，得到如图15所示的弹孔灰度图，再将弹孔灰度图二值化，得到如图16所示的第三图像imgdiff；
[0086]
s330，通过形态学运算对第三图像进一步消除噪声，得到第四图像。形态学运算可以为包括先腐蚀操作，后膨胀操作。
[0087]
s340，通过边缘检测算法处理第四图像，得到弹孔轮廓图。
[0088]
如图6所示，弹孔匹配步骤s400具体包括：
[0089]
s410，根据弹孔轮廓图得到当前弹孔数据集，当前弹孔数据集中包含若干个第一弹孔位置数据data1。
[0090]
s420，获得历史弹孔数据集，历史弹孔数据集中包含零个或若干个第二弹孔位置数据data2。
[0091]
s430，采用匹配算法将当前弹孔数据集与历史弹孔数据集配对，找出当前弹孔数据集中未被匹配的第一弹孔位置数据(例如图6中的data1_2)，即新弹孔信息。
[0092]
例如当本次射击为第一次射击时，历史弹孔数据集中的第二弹孔位置数据的数量为零，当前弹孔数据集中仅含一个第一弹孔位置数据，未成功配对。当本次射击为第n次射击时，成功匹配n-1对，根据剩下的一个第一弹孔位置数据得到新弹孔信息。
[0093]
如图7所示，s410具体包括：
[0094]
s411，计算弹孔轮廓图中各弹孔的外接矩形，统计各外接矩形中的最大长度hole_length_max、最大宽度hole_width_max、最小长度hole_length_min、最小宽度hole_width_min；
[0095]
s412，将各弹孔中满足以下条件的判定为单孔：外接矩形长宽比小于第一预设长宽比hole_ratio_1、长度大于最小长度hole_length_min、宽度小于等于最大长度hole_length_max、且面积大于预设面积；将其余弹孔中满足以下条件的判定为重孔：长宽比大于第一预设长宽比hole_ratio_1、且小于第二预设长宽比hole_ratio_2。具体的，第一预设长宽比hole_ratio_1为1.4，第二预设长宽比hole_ratio_2为3，预设面积为最小弹孔轮廓面积area_min。
[0096]
s413，对于单孔，按预设算法记录一个弹孔中心点，对于重孔，获得重孔的外接矩形的平行于长边的中轴线，获得中轴线的两个三等分点，两三等分点分别作为一个弹孔中心点；
[0097]
s414，统计各弹孔中心点的位置数据，得到当前弹孔数据集。
[0098]
具体的，s430包括：
[0099]
s431，第一弹孔位置数据记为(x1,y1)，第二弹孔位置数据记为(x2,y2)，计算各第一弹孔位置数据与各第二弹孔位置数据两两之间的匹配权重-l，其中l＝|x1-x2| |y1-y2|；
[0100]
s432，通过km算法，将当前弹孔数据集中的第一弹孔位置数据与历史弹孔数据集中的第二弹孔位置数据配对，选出使匹配权重之和最大的配对方式作为图6所示的配对结果，如图17所示，根据配对结果选出的新弹孔位置用白色圆圈标示。
[0101]
本技术的弹孔识别方法具有以下优点之一：基于单帧的图像处理和弹孔匹配，首先将靶位分割出来，经过滤波后利用大津算法与直方图统计等方法，将靶图分割为小面积
区域分别进行自适应阈值化，较为有效地解决了靶面晃动导致图像明暗不均、弹孔区域提取困难的问题。再将分区域阈值化后的靶图分别做高斯滤波和中值滤波，滤波后的两幅图像做差，与阈值化后直接提取的轮廓通过与运算结合，较好地保留弹孔区域轮廓并去除干扰噪声。通过设定弹孔标准将打靶前后的所有弹孔全部检测出来，然后基于km算法进行弹孔匹配，将新的弹孔识别出来，从而避免了当靶面晃动时容易将大量伪弹孔误识别新弹孔的问题，具有更高的识别准确率、更好的环境适应性，在精度和实时性上能基本满足日常射击训练的报靶要求。
[0102]
如图8所示，本技术还一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以上任一弹孔识别方法的步骤。
[0103]
该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现以上弹孔识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0104]
本领域技术人员可以理解，图8中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0105]
本技术还提供一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现以上任一弹孔识别方法的步骤。
[0106]
本实施例中，计算机程序产品包括程序代码部分，以用于当计算机程序产品由一个或多个计算装置执行时，执行本技术各实施例中主动磁补偿方法的步骤。计算机程序产品可被存储在计算机可读记录介质上。还可经由数据网络(例如，通过ran、经由因特网和/或通过rbs)提供计算机程序产品以便下载。备选地或附加地，该方法可被编码在现场可编程门阵列(fpga)和/或专用集成电路(asic)中，或者功能性可借助于硬件描述语言被提供以便下载。
[0107]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。不同实施例中的技术特征体现在同一附图中时，可视为该附图也同时披露了所涉及的各个实施例的组合例。
[0108]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。