[发明专利]一种基于MLP神经网络和计算机视觉的围棋裁判系统

权利要求书

1.一种基于MLP神经网络和计算机视觉的围棋裁判系统，其包括图像归一化处理模块、MLP神经网络模块和围棋裁判算法模块；图像归一化是通过通道变换、图像裁剪、均光处理、角点检测在内的步骤对图像进行预处理，使得所有输入图像的饱和度及整体亮度趋于正常化，初步筛选出棋盘；MLP神经网络模块：用于对棋盘、背景的分类以及黑白棋的分类；

MLP神经网络模块具体包括有两个分类模型：

（1）棋盘识别模型，是在图像归一化处理的基础上对棋盘和背景实现精确的分类；

（2）棋子识别模型，在已经识别到的棋盘上进行特征匹配，查找出黑棋、白棋和空点，并将其信息写入TXT文件内，写入TXT文件的信息包括有棋局黑子、白子、空点的状态及其位置；训练过程为：在输入图片上分别标记黑棋、白棋、空点的多通道像素值使用特征生成函数来构建特征向量，将训练样本及特征向量输入MLP分类器中进行迭代训练生成模型；

后期围棋棋局裁判模块，用于读取TXT文件中棋局的基本信息，生成19*19的数组，模拟棋盘的形状，按照从左到右，从上到下的顺序扫描整体棋盘，根据棋子所剩余的棋子将死子剔除掉并且计算出棋局中某一块棋活眼的个数，围棋中某一块棋的活眼个数大于等于2时可认为其一定存活，判断其状态的死活，而后识别棋盘上未落子的交叉点周围棋子的颜色，判断出此处交叉点是属于黑棋还是白棋又或是公棋，最后将黑棋和白棋按照气的范围填充到棋局中，计算出黑白子的个数，按照围棋规则对黑子进行贴目，从而得出结果，最终生成围棋通用的SGF文件，显示给用户；

具体实现分为以下十个步骤：

第一步，首先用移动端打开可视化操作界面，对终局进行拍摄，拍摄完成后照片发送至服务器端进行统一像素大小、均光、通道转化、阈值分割预处理，实现对棋盘的初步简单筛选；服务器包括数字图像处理系统和MLP神经网络模型，数字图像处理系统用于实现数据预处理、裁剪、畸形矫正处理、均光处理以及生成SGF文件；MLP神经网络模型包括棋盘识别模型和棋子识别模型；

第二步，将初步筛选后的图像输入含有棋盘识别模型的MLP神经网络中，实现对棋盘与其它杂物的分类，从而准确定位图像中棋盘的范围；

第三步，对已识别的棋盘区域进行开闭运算，消除region区域中因棋子遮挡而产生的空洞；

第四步，通过边缘检测，检测出棋盘的轮廓，而后通过滤波、计算轮廓近似回归线，对线条的筛选处理，最终寻找出棋盘的四条外轮廓，从而计算出棋盘的四个角点坐标；

第五步，通过四个角点将棋盘从原图像中截取出来，并由角点建立透视变换矩阵，通过映射变换将截取的棋盘校正；

第六步，将校正后的棋盘图像进行均光处理，减小图像光照不均匀的程度；而后将此图像输入含有棋子识别模型的MLP神经网络中，实现对黑棋、白棋、和空点的分类；

第七步，识别出的棋子可能会有数个棋子连通为一个region的现象，通过距离变换以及分水岭算法实现对连通区域的打散，使棋子与棋子之间是无连接的；

第八步，按照从上到下，从左到右的顺序依次记录棋盘每个交叉点上棋子的存在情况，并且将信息按照19*19数组的形式存入TXT文件中；

第九步，读取TXT文件内信息，将TXT文件转换为SGF图片，并显示给用户，由用户确认识别是否有误，有误则重新拍照，无误则继续以下步骤；

第十步，读取TXT文件中棋局的基本信息，生成19*19的数组，模拟棋盘的形状；按照围棋裁判步骤得出结果。

2.根据权利要求1所述的一种基于MLP神经网络和计算机视觉的围棋裁判系统，其特征在于，所述MLP神经网络的棋盘和棋子识别模型的训练需要在每一张训练图片上对已知目标即黑白棋和空点打上标记，并按照图像的色彩饱和度及光照强度将图像分组，便于训练。

3.根据权利要求1-2之一所述的一种基于MLP神经网络和计算机视觉的围棋裁判系统，其特征在于，所述棋盘识别模型和棋子识别模型的神经网络由三层组成：具有3个输入变量的输入层即神经元；具有七个神经元的隐藏层；具有3个输出变量的输出层；且层与层之间是全连接的，MLP根据输入数据即特征向量计算隐藏单元的激活情况。

4.根据权利要求3所述的一种基于MLP神经网络和计算机视觉的围棋裁判系统，其特征在于，所述MLP神经网络的输入为由样本图片上黑棋、白棋和空点位置的多通道像素值所生成的特征向量，然后输入隐藏层进行计算；MLP的隐藏层包含有数据权重和激活函数：

使用MLP进行分类训练时，就必须调整网络权重，通过使用已知类别的图像即照片中的棋盘和棋子去训练MLP网络形成处理单元；数据插入输入层经过隐藏单元处理，输出与期望的结果比对，若不匹配则需要调整网络权重；

激活函数则使用softmax， softmax用于像素数据的分类，输入数据则是由像素组成的特征向量，与softmax激活函数完美契合；

最终输出层输出分类结果。