基于图像识别的模拟射击精度判定方法*

贺拥亮，张 帆

（武警杭州士官学校，杭州 310023）

0 引言

部队在组织实弹射击训练之前，往往要花费大量的时间进行专门的瞄靶训练。即采取卧姿、蹲姿或立姿等方式，进行据枪瞄准，以达到掌握瞄准方法的训练效果。该方法主要具有训练周期长、训练效果难以评估的缺点：参训人员需要长时间保持一种固定的姿势进行枯燥乏味的瞄靶训练，掌握动作要领慢；组训人员需要根据自身的经验在瞄准基线上加装折光镜，以判断照门与准星之间的关系，效果评估不准确。

随着计算机技术和仿真技术的不断发展，利用计算机模拟接近于真实的射击已完全可行。与常规训练方法相比，基于图像处理技术进行模拟射击训练具有更直观、训练效果评估准确度更高等特点，同时可节省大量时间、弹药。而目前开发的模拟射击训练系统［1-3］，重点都放在射击结果上，忽视了对瞄准过程的记录，使用人员知其结果而不知何以出现该结果，射击方法的提高比较缓慢。为提高射击训练效果，以某步枪为研究对象，研制了利用Hough变换后灰度矩细分定位法计算的模拟射击训练系统。该系统在击发瞬间采集瞄准图像，通过图像处理，得出觇孔圆中心、准星顶点中心和靶纸中心，利用灰度矩细分定位法检测各中心之间的距离，根据射击原理，运用相似三角形的比例关系，计算得出模拟弹着点的方向和高低偏移量，从而得出模拟射击的射击精度。通过该系统，在模拟射击中，能够直观显示射手瞄准时的方向和高低偏差量是如何产生的，供训练人员有意识克服瞄准陋习，改进瞄准方法，提高射击成绩。本文主要介绍该系统的射击精度判定方法。

1 图像预处理

模拟射击训练系统的图像采集通过加装在扳机上的开关触发，采集击发瞬间的瞄准图像，其瞄准的是特制的胸环靶纸（四周描边，增加与环境对比度），得到图像后对图像进行预处理。排除噪声与干扰信息，并提取边缘集，为下一步Hough变换做好准备［4］。

1.1 采集图像的二值化

Hough变换所处理对象必须是二值图像，所以在进行Hough变换之前，还需对采集的图像进行二值化处理［5］。虽然二值化处理会使得图像像素有一定损失，但会让图像变得简单，且能凸显感兴趣的目标的轮廓，减小数据量，方便进一步地边缘检测。本文采用最大方差法［5］对灰度图像进行二值化，该方法是在判别最小二乘原理的基础上推导出来的，效果好且运算时间少，符合模拟射击训练系统的要求。图1是对灰度化图像进行二值化的结果。

1.2 边缘检测

为达到较好的边缘检测性能，图像边缘检测选择 Canny算子［6-8］。

Canny算子的具体实现步骤：1）计算源图像f（x，y）与二维高斯函数G（x，y），进行卷积，降低噪声，得平滑图像；2）遍历图像，计算梯度幅值与方向：；3）对梯度幅值进行“非极大值抑制”，得出边缘强度，以此判断边缘点；4）利用双域值化处理，剔除假边缘后，开始边缘连接，得到精确边缘。如图2所示。

2 Hough变换提取觇孔圆、靶纸矩形和准星矩形

对觇孔、准星和靶纸边缘的提取需要较高的检测精度，同时也应具有很好的鲁棒性和容错性［9］，故采用Hough变换提取。

觇孔式照门的瞄准方法是首先将觇孔对准目标，确保觇孔中心与目标中心一致，然后将准星中心放至两者中心，从而达到精准命中目标的战术目的。Hough变换对觇孔、靶纸、准星三者的提取尤为重要。

2.1 觇孔圆的提取

利用边缘检测时已获得的梯度方向信息，将Hough变换中参数空间累加器维数降至二维，同时增加一项约束：边缘点梯度方向，便可实现圆的检测［10］。其基本实现步骤如下：1）获取边缘梯度方向，即；2）若每个边缘点和其参数空间内（a，b）沿该点的 1）值直线对应，则作累加，最后参数空间（a，b）累加器峰值位置即为圆心（a，b）；3）以2）值作射线，遍历整个图像，若其方向与边缘点梯度方向的偏差在一定阈值内，则作累加，最后参数空间（r）的累加器峰值即为所检测到的半径。至此，觇孔圆的基本参数：圆心（a，b）和半径（r）都已检测完毕。图3为检测出的觇孔圆。

2.2 准星、靶纸的提取

利用Hough直线变换的点—线的对偶性［11-12］，即可提取准星（多边形）与靶纸（矩形）。其基本实现步骤如下：1）通过极坐标转换，将图像空间中直线检测转换为参数空间中点（ρ，θ）的检测；2）选取二维累加数组M（ρ，θ），进一步将点的检测转换为累加器的取值；3）遍历所有允许值，对M（ρ，θ）进行累加，取累加器中较大的点（ρ，θ），即为图像空间中直线的拟合参数。下页图4为检测出的准星与靶纸的直线。

3 灰度矩细分定位法读取射击精度

通过灰度矩细分定位法，得出亚像素精度边缘位置［13-14］：觇孔圆中心o1、靶纸中心o2和准星顶点中心o3。然后，根据瞄准原理，射击精度的判定方法如下：

首先，检测觇孔圆中心与靶纸中心的方向与高低偏移量，这也是射击中瞄准的第一步；第二，检测准星顶点中心与觇孔的方向与高低偏移量，从而推算出模拟弹着点命中的环数。该偏移量在瞄准过程中影响极大，以某步枪为例，准星偏左1mm，100m处弹着点将偏左230mm，因此，对检测精度要求较高。

模拟弹着点命中的环数计算方法是通过判断与靶心位置的距离而得出的，基本模型图如图5所示。

其中，X、Y分别为弹着点方向和高低偏移量；xo1、yo1分别为觇孔圆方向和高低偏移量；xo3、yo3分别为准星顶点中心方向和高低偏移量；（偏移量正负表示方向，x方向上正为偏右，负为偏左；y方向上正为偏高，负为偏低）L为某步枪瞄准基线长；l为模拟弹着点偏移量。

所以射击精度判定流程如图6所示。

射手分别根据图6步骤2）、3）、4）显示的结果，及时修正瞄准偏差，提高训练效果。

4 试验结果与分析

以某步枪作为实验对象，选取射手1人（减少人为影响），定表尺“1”，在100 m射击距离上进行实弹射击20发，其中8发10环，2发9环，5发8环，3发7环，1发6环，1发脱靶。为确保对比度清晰，选取10环1发，8环偏右上1发，6环偏左下1发，脱靶1发，共4发弹着点，分别进行实际弹着点与模拟弹着点的对比分析。

通过图像处理程序，运用灰度矩细分定位法，读取出觇孔中心、准星顶点中心和靶纸中心坐标，按照图6所示的流程图，分别计算出方向偏移量X和高低偏移量Y，得出模拟射击系统计算得出的命中环数，与实际弹着点环数进行对比分析，得出如下页表1所示的分析结果。

对比分析可知，通过灰度矩细分定位法得出的射击精度与实际弹着点基本一致，同时在瞄准修正上判定更加精确，可以分为两步判定：一是根据o1大小，判定觇孔中心与靶纸中心是否一致；二是根据o3大小，判定觇孔中心与准星中心是否一致。而普通的瞄靶训练或实弹射击过程中，射手在击发瞬间是无法精确描述其瞄准误差，只能凭借弹着点或经验来判定。所以，基于图像识别的模拟射击精度判定方法可以用来指导射击训练，且可以大大提高安全性，节约时间与弹药。

5 结论

本文为了解决当前模拟射击训练系统忽视瞄准过程，尤其是对觇孔与准星的重要关系的判定这一问题，首先对采集的图像进行预处理，利用Canny算子检测边缘；其次，运用Hough变换提取觇孔圆、靶纸和准星的基本参数；最后采用灰度矩细分定位法，结合射击原理，得出模拟射击模拟系统的射击精度判定方法。实验结果表明，该方法可以很好地判定射击精度，并对瞄准过程、弹着点的方向都有清晰描述，可以在训练过程中提供瞄准修正依据。

表1 射击精度判定及瞄准修正

［1］LIANG H W，KONG B.A shooting training and instructing system based on image analysis［C］//Proceeding of the 2006 IEEE International Conference on Information Acquisition，Weihai，Shandong，China，2006：961-966.

［2］孟繁春.新颖的射击辅助训练器材——“枪神2000”射击训练系统简介［J］.体育科研，2003，23（1）：18-20.

［3］于正亮，吕战强，徐宏坤，等.超声影像射击训练系统200410014099.7［P］.北京，2005.

［4］周封，杨超，王晨光，等.基于随机Hough变换的复杂条件下圆检测与数目辨识 ［J］. 仪器仪表学报，2013，34（3）：622-628.

［5］GONZALEZ R C，WOODS R E.Digital image processing［M］，2nd ed.New Jersey：Prentice Hall，2002.

［6］CANNY J.A computational approach to edge detection［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1986，8（6）：679-698.

［7］LINDEBERG T.Edge detection and ridge detection with automatic scale selection［J］.International Journal of Computer Vision，1998，30（2）：117-156.

［8］董鸿燕.边缘检测的若干技术研究［D］.长沙：国防科学技术大学，2008.

［9］BALLARD D H.Generalizing the hough transform to detect arbitrary shapes ［J］.Pattern Recognition，1981，13（2）：111-122.

［10］陈世哲，浦昭邦，刘国栋，等.基于点Hough变换的圆形图像亚像素检测算法［C］//2005全国光学与光电子学学术研讨会，2005：155-156.

［11］DUDA R O，HART P E.Use of the Hough transformation to detect lines and curves in pict.s ［J］.Commun ACM，1972，15（1）：11-15.

［12］杨全银.基于Hough变换的图像形状特征检测［D］.济南：山东大学，2009.

［13］TABATABAI J，ROBERT M O.Edge location to subpixel values in digital imagery［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1984，6（2）：88-201.

［14］张进.微型零件高精度影像测量系统中关键技术研究［D］.天津：天津大学，2010.

［15］易声耀，张竞.自动武器原理与构造学［M］.北京：国防工业出版社，2009.