[发明专利]一种围棋棋盘机器视觉识别方法

权利要求书

1.一种围棋棋盘机器视觉识别方法，其特征在于，包括如下步骤：

步骤1、将围棋棋盘四角点进行标记，利用摄像头读取前若干张图片放入缓冲区，并对缓冲区多张图像求平均；

步骤2、基于轮廓提取算法定位围棋棋盘四角点坐标；

步骤3、基于四角点坐标对视频每一帧图像进行透视变换；即首先根据四角点坐标可求得透视变换矩阵，从而可对每一帧图像或像素点坐标完成透视变换，得到所需正方形图像棋盘；

步骤4、根据步骤3得到的信息将棋盘图像进行处理，提取每一个交叉点的特征值进行分类，判断361个交叉点中每一个点的状态，是空点、白子还是黑子；

步骤5、将步骤4得到每一点的信息进行处理，通过接口送给围棋策略，等待返回信息，返回信息包括下子点位和取子点位；

步骤6、将步骤5得到的返回信息送至围棋机器人本体，等待围棋机器人本体执行动作；

步骤7、基于视频图像运动识别算法实时监控棋盘，检测到动作以后，重复进行步骤3-7。

2.根据权利要求1所述的围棋棋盘机器视觉识别方法，其特征在于，步骤1中将缓冲区中若干张图像的每一个色彩空间的每一个像素点的数值相加，然后再除以图像张数得到一张取平均后的图像。

3.根据权利要求1所述的围棋棋盘机器视觉识别方法，其特征在于，步骤2中将步骤1得到的图像转换至HSV色彩空间，提取所有标记的像素点后对图像进行二值化处理，对二值化的图像采用轮廓提取算法，再计算每一个轮廓所围区域的面积，再根据面积求出中心点坐标，至此得到围棋棋盘四角点坐标位置。

4.根据权利要求1所述的围棋棋盘机器视觉识别方法，其特征在于，步骤4具体为：首先构建数据集，将拍摄的黑棋、白棋和空位图片作为模型训练的数据集，每张图片带有类别标签，数据集中共有三个不同的类别，将数据集按训练数据、测试数据划分，对图片进行预处理，归一化为20*20的尺寸大小，之后用keras框架搭建网络模型，第一层通过Flatten将输入的二维向量图像拉平为一维向量，后边加入三个全连接层，每一层神经单元都需要一个relu的激活函数，最后一层全连接层使用softmax函数输出三种识别结果；使用adam优化器，sparse_categorical_crossentropy(交叉熵)损失函数训练模型，得到361个交叉点每一个点位的状态后，对其进行重组，变为空点为0，黑子为1，白子为2的19*19的矩阵，至此，识别完成整个围棋棋盘的状态。

5.根据权利要求1所述的围棋棋盘机器视觉识别方法，其特征在于，步骤7中所述视频图像运动识别具体如下：首先设置好视频图像的感兴趣区域，设置运动检测阈值以便调整运动检测算法的灵敏度，将新拍摄的图像与上一张图像做差，做差后得到的图像转化为灰度图后进行二值化处理，将会得到一个元素只有0和255的矩阵，将其总和与设定的运动检测阈值相比较，大于此阈值则判定为图像在运动，等待运动结束后，再对图像做识别处理。