一种基于卷积神经网络的靶面弹着点的检测和定位方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114119720A(43)申请公布日2022.03.01(21)申请号202111487733.9G06K9/62(2022.01)(22)申请日2021.12.07(71)申请人工学智能科技（合肥）有限公司地址230051安徽省合肥市包河经济开发区花园大道369号D308(72)发明人孙伟(74)专利代理机构合肥和瑞知识产权代理事务所(普通合伙)34118代理人王挺(51)Int.Cl.G06T7/66(2017.01)G06T7/73(2017.01)G06V10/82(2022.01)G06N3/04(2006.01)G06V10/764(2022.01)权利要求书2页说明书5页附图1页(54)发明名称一种基于卷积神经网络的靶面弹着点的检测和定位方法(57)摘要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。CN114119720ACN114119720A权利要求书1/2页1.一种基于卷积神经网络的靶面弹着点的检测和定位方法，其特征在于，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Aj，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Bri，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Aj的亮度值记为Pj，j＝1，2，...，n；步骤2.2，将像素点Aj的亮度值Pj与预设亮度分界值Bri进行对比，并作出以下判定：若Pj≥Bri，提取该像素点Aj为候选像素点；若Pj＜Bri，舍弃该像素点；步骤2.3，按照步骤2.2的方法对像素点阵列A中n个像素点的亮度逐一进行判定，得到一个候选像素点阵列B，该候选像素点阵列B中包括m个候选像素点，m≤n；步骤2.4，在候选像素点阵列B中的每一个候选像素点的外围构建矩形框，并将该矩形框记为候选矩形框，则得到一个候选矩形框集C，该候选矩形框集C中包括m个候选矩形框，将m个候选矩形框中的任意一个记为候选矩形框Cλ，λ为候选矩形框的序号，λ＝1，2...m；步骤3，将步骤2得到的候选矩形框集C中的每一个候选矩形框通过池化层和全连接层；步骤3.1，将候选矩形框Cλ通过池化层后，得到一个与候选矩形框Cλ对应的纬度值并记为候选纬度值Wλ，候选纬度值Wλ为16×256维向量；所述池化层采用空间尺度为4×4的池化方式；步骤3.2，将步骤3.1获得的候选纬度值Wλ作为H1层的输入，从H2层输出一个与候选矩形框Cλ对应的特征向量并记为候选特征向量Eλ，候选特征向量Eλ为1×1024维向量；步骤3.3，采用3.1和3.2对候选矩形框集C中m个候选矩形框进行相同操作，得到m个候选特征向量Eλ；步骤4，基于分类器对步骤3得到的m个候选特征向量Eλ进行判定，得到选定矩形框；步骤4.1，将步骤3得到的m个候选特征向量Eλ输入分类器，分类器输出与m个候选特征向量Eλ对应的m个候选特征向量值Mλ，λ＝1，2...m；步骤4.2，预先设定一个阈值F，将步骤4.1得到的m个候选特征向量值Mλ按照λ的排序与阈值F进行比较：若Mλ＜F，进行下一个候选特征向量值Mλ的比较；若Mλ≥F，将与该候选特征向量值Mλ对应的候选矩形框Cλ记为选定矩形框S，并不再将其他候选特征向量值Mλ与预设阈值F进行比较，直接进入步骤5；步骤5，将沿着靶面弹着点外围构建的矩形框记为目标矩形框D，基于回归器对选定矩形框S进行调整，定位目标矩形框D的位置；步骤5.1，用回归向量T表达所述卷积神经网络中的回归器，其表达式为：2CN114119720A权利要求书2/2页T＝{tx，ty，tw，th}其中，tx为横坐标移动值，ty