[发明专利]一种基于卷积神经网络的靶面弹着点的检测和定位方法

说明书

本发明公开了一种基于卷积神经网络的靶面弹着点检测和定位方法，属于图像检测领域。旨在更精确定位靶面上弹着点的中心圆点坐标位置，提高报靶的分辨率和精度。所述检测和定位方法首先通过摄像头采集靶面图像，通过对靶面图像进行处理，得到像素点阵列表述的目标图像，然后对目标图像进行亮度色差判定，对通过判定的像素点构建矩形框，得到候选矩形框集；采用卷积神经网络全连接层处理该候选矩形框集得到一组特征向量，并通过分类器进行判定，最后利用回归器得到靶面弹着点的准确位置。

技术领域

本发明涉及图像检测与识别领域，具体涉及一种基于卷积神经网络的靶面上弹着点的检测和定位方法。

背景技术

随着科学技术的飞速发展，图像处理技术的发展也进入了快车道，更与人们的日常生活密不可分，在出行服务、消费服务、安保、医疗等领域已发挥着越来越重要的作用。对图像上某个目标的检测是图像处理领域不可或缺的部分，怎样快速有效的检测到预期目标并精准定位就是这一领域技术人员需要解决的问题。

基于深度学习的卷积神经网络目标检测算法具有自动学习和提取目标的关键特征的优点，它能为图像目标检测提供有效路径。目前常见的基于深度卷积神经网络的物体检测方法有基于区域建议的方法(Faster R-CNN等)和无区域建议的方法(例如YOLO、SSD等)，其中Faster R-CNN以其较高的精度备受关注(沈玉勤，严凡，孟夏兵，王帅.一种基于卷积神经网络的车载图像目标检测方法和系统)。随着深度卷积神经网络在图像分类和目标检测等领域的有效进展，已开始有技术人员将其应用在图像上不同尺寸的目标，尤其是微小目标进行检测和识别。现有的图像检测和识别技术方案里，对靶面上弹着点的定位不够精确，尚不能准确捕捉到射击点的中心圆点的坐标位置。

因此，使用什么样的神经网络模型能更精确定位靶面上弹着点的中心圆点坐标位置成为急需的技术手段。

发明内容

本发明所要解决的技术问题是如何微小目标进行检测和识别，以提高靶面弹着点的定位精度，准确捕捉射击点的中心圆点的坐标位置。方法是基于预先构建的包含池化层、全连接层、分类器、回归器的深度卷积神经网络，对靶面上弹着点的坐标位置进行定位。

本发明的目的是这样实现的。本发明提供了一种基于卷积神经网络的靶面弹着点的检测和定位方法，所述卷积神经网络包括依次连接的池化层、全连接层、分类器和回归器，其中，全连接层包括两层，分别记为H1层和H2层，H1层和H2层顺次连接，且每层都有1024个神经单元；所述检测和定位方法采用该卷积神经网络对靶面弹着点进行检测和定位，具体的，包括以下步骤：

步骤1，通过摄像头获得原始图像，然后对原始图像进行格式转换后得到用像素点阵列表述的目标图像，将该像素点阵列记为A，像素点阵列A的尺寸为M×N，M为长度，N为宽度；设像素点阵列A中包括n个像素点，将n个像素点中的任意一个像素点记为像素点A_j，j为像素点的序号，j＝1，2，…，n；

步骤2，设定一个预设亮度分界值B_ri，并以此为准，对像素点阵列A中n个像素点的亮度进行检测，得到一个候选矩形框集；

步骤2.1，检测像素点阵列A中n个像素点的亮度，得到n个像素点的亮度值，将像素点A_j的亮度值记为P_j，j＝1，2，…，n；

步骤2.2，将像素点A_j的亮度值P_j与预设亮度分界值B_ri进行对比，并作出以下判定：

若P_j≥B_ri，提取该像素点A_j为候选像素点；

若P_j＜B_ri，舍弃该像素点；