基于计算机视觉的弹孔检测方法及装置

本文件涉及弹孔检测，尤其涉及一种基于计算机视觉的弹孔检测方法及装置。

背景技术：

1、装甲装备的射击训练是坦克和装甲步兵分队的重要训练内容，从基础训练到应用训练，射击训练分成多个层级的训练科目，训练炮手逐步掌握射击动作、要领和技能，达到提升射击水平的目的。这些训练科目中的一环就是“枪代炮”的教练射击训练，它以并列机枪和高射机枪的实弹射击为基础，但射击动作和要领吻合战斗射击训练中的火炮射击要求。因为枪弹相对炮弹便宜，射击训练易组织实施，比较适合新射手的反复训练需要，因此在装甲装备射击训练中占有特殊而重要地位。

2、完成教练射击过程中，射手需要搜索、瞄准、射击不同类型的目标，近乎实战要求的场景设置和训练方法，以提升自身实战射击水平，达到提高战斗力的目的。教练射击与其它的射击训练相比，主要区别有两点：一是需要同时设置多种不同类型的目标靶；二是根据规定时间内的上靶数量来判定成绩，不存在环数判定的问题。可见，成绩的最终判定需要遍历检出多个目标靶的上靶量。当前，基层部队乃至院校，在教练射击训练中多数采用传统的人工方式报靶，根据需要将检靶人员预先安排在靶区附近就位，当某个射手完成射击后，到靶前标注或利用望远镜等设备来观察上靶情况，作为成绩评定依据。这种传统的报靶方式存在诸多不足：一是训练效率低。人工检靶需要暂停射击训练，以确保检靶环节的人员安全。因为每一个射手完成射击训练后都有一个检靶的环节，检靶时间占比较多，总体上严重影响训练效率。二是准确率比较低。由于教练射击靶场中的各个靶子距离较远，无法做到像普通的单兵战斗射击训练那样频繁地标记或更换靶纸，因此，在报靶时，检靶员需要记住旧弹孔的位置以对比寻找新增弹孔，当靶面上的弹着点较多时，很容易出差错，从而导致报靶结果不准确。为避免这一问题，有些部队在训练时选择不去检查靶面上的弹着点，而是让检靶员根据射击时曳光弹的弹道和目标靶上的硝烟来判断是否命中，如此一来，虽然不再依靠记忆了，但是这种主观判断极度依赖个人经验，难以保证报靶结果的准确性和客观性。还有一种解决方法是每个目标靶都安排多名人员同时进行观察，这样做虽然在一定程度上提高了准确率，但却会占用大量人力，影响训练热情，往往得不偿失；三是训练效果差。受训人员在射击间隙只知道有几发命中了，而弹着点的具体位置则无从知晓，无法重温、体会和领悟射击时的动作和要领，查找不足，并寻找改进方法，以图在下一轮的射击中进行验证。鉴于上述原因，有必要改进检靶报靶方式以替代人工报靶，以满足部队实际射击训练的需求，解决其效率低、训练效果差等问题。

3、在现有技术中，不同类型的自动报靶系统目前在成本、使用成本、环境适应性等方面往往无法同时满足基层部队教练射击训练的需求。其中，基于视觉成像的自动报靶系统因其成本低、维护容易、携行方便等特点，是最适合在部队推广并取代人工报靶的方式，其性能主要取决于算法，但是由于现有算法的准确性和可靠性还有待加强，目前尚未在实际应用中得到广泛普及。因此，有必要对其算法进行改进和优化，提高视觉成像自动报靶系统的性能，令其能够胜任教练射击训练的报靶工作。

4、现有的靶面定位算法或多或少存在缺陷，且主要是针对胸环靶的。本文研究主要是针对装甲装备射击训练，需要对多种不同类型的靶子进行识别和定位，情况要更为复杂，难度也更大，理论上使用基于深度学习技术的算法可行性较高，效果也更好。为解决当前算法存在的问题，本文研究主要使用深度学习的方法，搭建语义分割模型，并且对网络架构和损失函数等多个方面进行改进，完成多种类型目标靶有效区域的语义分割任务，实现了靶面定位的目标。

5、对于现有的弹孔检测方法，几乎每一类算法都有其各自的短板，而现有技术中大都倾向于使用传统方法来解决这些问题，难以突破传统图像处理技术的瓶颈，因此这些算法在精度、抗干扰能力以及普适性等方面往往难以适应教练射击的训练环境，即光照变化、靶面抖动、多人重复使用等实际情况。针对这一现状，本文研究充分考虑教练射击训练的实际需求，另辟蹊径，将传统图像处理技术与深度学习技术相结合，设计了一种针对新增弹孔的弹孔检测算法，并且针对其不足之处进行改进，解决了粘连弹孔的识别与弹孔的增量检测问题。

技术实现思路

1、本发明的目的在于提供一种基于计算机视觉的弹孔检测方法及装置，旨在解决现有技术中的上述问题。

2、本发明提供一种基于计算机视觉的弹孔检测方法，包括：

3、在开始打靶后，获取前端输入的目标靶图像，通过靶面定位对目标靶图像的有效区域进行识别和分割，剔除掉前端传入的目标靶图像中的无用背景部分，输出处理后的目标靶图像；

4、根据处理后的目标靶图像通过roi检测算法对同一靶位射击前后采集到的目标靶图像的变化部分进行检测，消除旧弹孔确定新增弹孔；

5、根据确定的所述新增弹孔，将图像处理技术与深度学习技术相结合，进行弹孔检测。

6、本发明提供一种基于计算机视觉的弹孔检测装置，包括：

7、剔除模块，用于在开始打靶后，获取前端输入的目标靶图像，通过靶面定位对目标靶图像的有效区域进行识别和分割，剔除掉前端传入的目标靶图像中的无用背景部分，输出处理后的目标靶图像；

8、roi检测算法模块，用于根据处理后的目标靶图像通过roi检测算法对同一靶位射击前后采集到的目标靶图像的变化部分进行检测，消除旧弹孔确定新增弹孔；

9、弹孔检测模块，用于根据确定的所述新增弹孔，将图像处理技术与深度学习技术相结合，进行弹孔检测。

10、本发明实施例还提供一种基于计算机视觉的弹孔检测装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述基于计算机视觉的弹孔检测方法的步骤。

11、本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述基于计算机视觉的弹孔检测方法的步骤。

12、采用本发明实施例，通过基于语义分割的靶面定位及目标靶类型识别算法，使其能够适应高分辨率的输入。靶面定位算法实现了多种类型目标靶有效区域的像素级高精度语义分割，有效解决了教练射击中多类型目标的识别问题以及室外复杂靶场环境对靶面定位的干扰问题，同时也为后续处理打下了基础。通过基于配准差分的roi检测算法实现了连续靶面图像的变化区域检测，提取出了图像中的所有新增弹孔区域，通过本发明实施例的弹孔检测算法，实现了复杂情景下图像中弹孔的高精度检测，并且能够识别孤立弹孔与粘连弹孔，结合靶面定位算法与roi检测算法，最终实现了连续图像中弹孔的增量检测。

技术特征：

1.一种基于计算机视觉的弹孔检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，在开始打靶后，获取前端输入的目标靶图像，通过靶面定位对目标靶图像的有效区域进行识别和分割，剔除掉前端传入的目标靶图像中的无用背景部分，输出处理后的目标靶图像具体包括：

3.根据权利要求2所述的方法，其特征在于，使用深度学习的方法，搭建并训练语义分割模型，进行靶面分割具体包括：

4.根据权利要求1所述的方法，其特征在于，根据处理后的目标靶图像通过roi检测算法对同一靶位射击前后采集到的目标靶图像的变化部分进行检测，消除旧弹孔确定新增弹孔具体包括：

5.根据权利要求1所述的方法，其特征在于，根据确定的所述新增弹孔，将图像处理技术与深度学习技术相结合，进行弹孔检测具体包括：

6.一种基于计算机视觉的弹孔检测装置，其特征在于，包括：

7.根据权利要求6所述的装置，其特征在于，

8.根据权利要求7所述的装置，其特征在于，所述剔除模块具体用于：

9.一种基于计算机视觉的弹孔检测装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的基于计算机视觉的弹孔检测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至5中任一项所述的基于计算机视觉的弹孔检测方法的步骤。

技术总结
本说明书实施例提供了一种基于计算机视觉的弹孔检测方法及装置，包括：在开始打靶后，获取前端输入的目标靶图像，通过靶面定位对目标靶图像的有效区域进行识别和分割，剔除掉前端传入的目标靶图像中的无用背景部分，输出处理后的目标靶图像；根据处理后的目标靶图像通过ROI检测算法对同一靶位射击前后采集到的目标靶图像的变化部分进行检测，消除旧弹孔确定新增弹孔；根据确定的所述新增弹孔，将图像处理技术与深度学习技术相结合，进行弹孔检测。

技术研发人员：谢志宏,黄应清,陈晓明,李萍,王顺
受保护的技术使用者：中国人民解放军陆军装甲兵学院
技术研发日：
技术公布日：2024/1/15