[发明专利]基于SIFT图像配准技术的人型靶打靶校准识别方法

说明书

本发明涉及计算机视觉技术领域，具体为基于SIFT图像配准技术的人型靶打靶校准识别方法，包括步骤有：S1.设置摄像头并获取靶纸图像；S2.打靶前一帧的靶纸图片作为模板图片；S3.利用SIFT特征提取算法计算步骤S2中获取的模板图片的全局特征点，S4.实时获取打靶后靶纸的一帧的图片作为待识别目标图片；S5.利用SIFT特征提取算法计算待识别目标图片的特征点；S6.进行暴力K近邻匹配；S7.待识别靶纸目标图片；S8.待识别靶纸目标图片与模板图片做差值得到实际弹孔位置和数量；本发明识别结果相比于基于神经网络关键点匹配算法可控性更高，效果更好，可有效防止打靶过程中目标晃动等引起的畸变，算法更准确，错检漏检少；目标检测算法对于弹孔这种小目标检测效果较差。

技术领域

本发明涉及计算机视觉技术领域，具体为基于SIFT图像配准技术的人型靶打靶校准识别方法。

背景技术

枪击训练中，报靶是其中的重要环节，现有技术的传统报靶方式由人工肉眼观察靶环并进行报靶，该方式存在耗费时间长，安全性差，成本高，实时性差等缺点。随着计算机深度学习技术的发展，已有学者通过识别人型靶关键点的方式去校准人型靶目标，效率高较传统报靶方式明显提高，但在实际应用过程中发现容易受到打靶过程中人型靶晃动，天气变化导致光线不一；这些因素严重影响了网络输出的关键点，不具有旋转不变、亮度不变、噪点不敏感等特性，导致后续打靶图片校准过程与标准图片错位严重，报靶位置和数量统计不准确；此外还有使用平面图像扫描技术进行靶环检测的方法，其利用图像分析计分，即利用摄像头拍摄枪靶，该方法对靶纸印刷有要求，需要额外印刷四个黑色正方形校准图标，该方法需要特别印刷的靶纸，且不适合复杂多变的环境。

发明内容

本发明的目的在于提供一种基于SIFT图像配准技术的人型靶打靶校准识别方法，利用SIFT特征点的尺度不变、旋转不变、亮度不变、噪点不敏感、特征维度小和抗遮挡等特性解决打靶过程中人型靶因外界风力光线造成的晃动畸变和过曝欠曝而导致后续图像校准偏差，从而造成报靶结果的不准确。

为解决上述技术问题，本发明一种基于SIFT图像配准技术的人型靶打靶校准识别方法，包括有如下步骤：

S1.在靶场设置摄像头；并调整摄像头对正靶纸，摄像头实时获取靶纸图像

S2.通过摄像头识别打靶前一帧的靶纸图片作为模板图片；

S3.利用SIFT特征提取算法计算步骤S2中获取的模板图片的全局特征点，将模板图片的全局特征点存储，后续不再重复提取模板图片；

S4.通过摄像头实时获取打靶后靶纸的一帧的图片作为待识别目标图片；

S5.利用SIFT特征提取算法计算待识别目标图片的特征点；

S6.讲步骤S5得到的待识别目标图片的特征点与S3存储的模板图片的全局特征点进行暴力K近邻匹配，计算多有匹配点对之间的相似度值，选取相似度值小于0.75的特征点对进行单应性矩阵计算；

S7.将步骤S6选取的相似度值小于0.75的特征点对，使用随机抽样RANSAC的鲁棒算法计算识别目标图片的特征点映射到特征点对中对应的模板图片的全局特征点的单应性矩阵，再利用识别目标图片的特征点的单应性矩阵以模板图片为投影进行透视变换，最后得到待识别靶纸目标图片；

S8.将步骤S7得到的待识别靶纸目标图片与S2得到的模板图片做差值即可得到实际弹孔位置和数量。

进一步的，所述步骤S3中，包括有如下步骤：

S3.1.对于步骤S2中获取到的模板图片，利用计算机视觉处理库OPENCV中的xfeatures2d_SIFT.create函数获取SIFT特征检测器对象；