一種適用于激光模擬射擊的自動報靶系統

崔金良 于正林

摘 要：針對現階段高校生在入學軍事訓練的實彈打靶操作中存在著訓練危險性高、可行性低的問題，本文設計出一種基于圖像處理算法的激光模擬射擊自動報靶系統。該系統由激光發射裝置、靶圖采集裝置、圖像處理過程、人機交互界面，語音報靶模塊和數據管理模塊組成。整個系統以圖像處理算法為核心，通過靶圖采集裝置采集靶面視頻信息，并由計算機對視頻圖像進行處理，可識別出帶有光斑的射擊幀，通過計算光斑位置，準確判斷射擊成績，最終使用人機交互界面實時顯示靶面圖像與成績。該系統具有造價低廉，布置方便、判靶速度快、準確度高、可移動性好等一系列優點，適用于高校學生和在役軍人的普通軍事模擬打靶訓練。

關鍵詞：激光射擊;圖像處理;自動報靶;人機交互

DOI：10.16640/j.cnki.37-1222/t.2019.02.116

0 引? 言

在部隊軍事訓練中，經常進行射擊訓練、考核、比賽等活動，在這些活動中又以實彈打靶為主。實彈訓練可給軍人以真實的射擊體驗，使射擊者準確的掌握槍支后坐力、風向風速、彈道弧度等必要信息，所以實彈訓練在軍事活動中具有不可替代的作用[1]。但考慮到普通高校學生的入學軍事訓練，多數高校考慮到實彈打靶危險系數高，費用開支大等缺點，被迫放棄射擊訓練科目，給學生的軍訓生涯留下了些許遺憾。

鑒于激光具有優良的單色單向性，用激光束來模擬彈道可視為一個優良選擇。目前市場上已具備多款仿造真實槍支的激光發射槍，將這些“槍支”用在打靶訓練中既能節省彈藥和經費，又能大大提高訓練的安全性和訓練效率[2]。但在激光射擊人工報靶中，射擊光斑具有短促性和顫動性，這就給人工報靶造成很多困難：首先，人眼很難清晰判定光斑最初擊中靶面的彈著點位置;其次，記錄激光彈著點是一項艱難又復雜的工作，成績的復核工作無法進行;再者，人工報靶中，射擊成績極易受報靶員自身身心狀態的影響[3]。這些困難極易造成激光打靶比賽的不公。市場上存在的基于圖像處理技術的自動報靶系統，多應用于實彈射擊報靶。這種系統雖對于彈孔檢測十分有效，卻不適用于檢測短促顫動的激光光斑[4]。基于以上描述，本文設計出一套適用于激光模擬射擊的自動報靶系統，本系統對基于圖像處理技術的實彈射擊報靶系統進行改良，可準確判斷激光彈著點，不僅解放人工報靶中報靶人員的高強度工作，排除報靶過程中人為因素，也便于記錄靶面圖像進行成績的復核工作。

1 系統方案

1.1 激光發射裝置

激光發射裝置由普通玩具槍支改造而成，通過將激光發射頭置于槍支發射管內，可保證激光束與發射管軸心重合。將激光發射電路與扳機相連，扣動扳機時發射一束激光。使用該裝置模擬短距實彈射擊，模擬效果良好，彈道誤差可忽略不記。

1.2 靶圖采集裝置

靶圖采集裝置由個人計算機、CMOS攝像機、靶箱三部分組成。CMOS攝像機置于靶箱內部拍攝靶面背部圖像后，通過USB接口將圖像信息傳輸至個人計算機進行處理。

本系統采用深圳林柏視Rmoncam科技有限公司研發的S系列的2.4mm廣角無畸變攝像機，該攝像機詳細產數如表1-1所示。

1.3 圖像處理過程

視頻信息傳入計算機后，需適當提取第一幀圖像的部分區域為背景圖像，將背景圖像轉換為灰度圖，使用高斯濾波對圖像進行平滑處理，通過Hough圓變換檢測十環形狀，確定靶心坐標。后計算每一幀圖像與背景圖的幀差，對背景差分圖進行二值化得二值圖，采用灰度重心算法計算二值圖像中光斑的幾何中心，作為本次射擊的中靶點坐標，根據中靶點坐標與靶心坐標的相對位置計算本次射擊成績。

1.4 人機交互界面

采用Python與Pyqt5聯合開發激光射擊與自動報靶人機交互界面，該界面包括系統控制區域、靶面顯示區域、用戶登陸框與成績顯示框。每當系統檢測到一次射擊，便將射擊幀圖像顯示于靶面顯示框內，并在成績顯示框內輸出打靶成績。

1.5 語音報靶與數據管理模塊

語音模塊采用PyWin32固件庫開發，數據管理模塊采用Pandas固件庫開發，當系統計算出射擊成績后，由語音模塊實時播報射擊成績，并由數據管理模塊記錄射擊成績，以便后期統計成績使用。

2 項目實現過程

2.1 設置攝像機采集圖像的幀速

由于激光模擬射擊與實彈射擊不同，當激光光斑射中靶面后，在激光束脈沖時間內，訓練者持槍時的輕微顫動會使光斑在靶面上有較大的抖動，這就給人工報靶增加了很大的難度。本實驗采用攝像機拍攝靶面圖像信息，并使用計算機自動判靶，這就需要設置攝像機的拍攝速率：在一次射擊中，為采集到激光點最初擊中靶面的圖像，應使攝像機具有較高的幀速;但更高的幀速意味著計算機需要處理更多的圖像，必然會占用計算機更多的資源。綜合以上因素，本實驗采用幀速為20fps，（即每50ms采集一幀圖像）。這不僅能有效提高了報靶的準確性，又可大大節省計算資源[4]。

2.2 圖像處理詳細步驟

2.2.1 采集圖像信息并提取ROI

當系統開始啟動時，靶面無射擊光斑，可采取此幀圖像作為背景圖像。由于攝像機采取的圖像（圖2-1）比目標靶面大許多，有大量的無用像素點。對圖2-1進行ROI提取，提取有用的靶面圖像（圖2-2）。

2.2.2 確定靶心坐標

由于CMOS傳感器物理特性的原因，此背景圖像含有大量的高斯噪聲。將背景圖像轉換為灰度圖像，使用高斯濾波算子對其做平滑處理，可得出去噪后圖像，之后，采用Hough圓變換計算出十環位置并同時確定靶心坐標（圖2-3）。

2.2.3 提取胸環靶輪廓

在實際射擊中，若擊中人形區域視為有效，若擊中靶面中白色區域視為脫靶。本實驗采用OSTU閾值分割法分割有效射擊區域和脫靶區域[5]。使用OpenCV中findContours（ ）函數提取并標示二值圖像中的輪廓，紅色線條所標記的區域為脫靶區域（圖2-4）。采用pointPolygonTest（ ）函數判斷光斑與脫靶區域的關系，若光斑落于脫靶區域內，則成績記為零環。

2.2.4 確定光斑中心坐標

采集視頻射擊幀圖像（圖2-5），提取相同區域ROI后，與背景圖像做差分。將所得背景差分圖轉化為灰度圖像后，再閾值分割為背景差分二值圖像（圖2-6）[6]。

對差分二值圖做灰度重心算法，計算出光斑幾何中心，作為本次射擊彈著點坐標。灰度重心算法又稱密度質心法。對于亮度不均勻的目標，灰度重心法可按目標光強分布求出光強權重質心坐標作為圖像重心。在本實驗中，對二值圖像使用灰度重心法求得的結果即為光斑幾何中心坐標。對于一副m*n的圖像，灰度重心法的計算公式為：

（1）

（2）

其中，fij為圖像在像素（i， j）處的像素灰度值，（x， y）即為圖像灰度重心點。

2.2.5 計算成績及彈著點方位

軍用標準胸環靶每環之間的距離相等，即上文Hough圓變換計算出的半徑，記為d，故可計算彈著點與靶心之間的距離l，則成績計算公式為：

其中，

（5）

2.3 編寫自動報靶算法

自動報靶算法是整個系統的核心組成部分，算法流程圖如圖2-7。在一次判靶過程中，該算法采集該次射擊時首幀帶有激光光斑的圖像進行處理，并忽略其他光斑圖像信息。使用變量i 表示第i幀圖像，變量j表示上一幀光斑圖像為第j幀，若i - j =1，則不進行本次成績的計算，并將變量i的指賦給變量j，進如下一輪循環。如此，可消除光斑抖動帶來的“一槍多報”現象，使報靶更加精準。

2.4 人機交互界面（GUI）介紹

本系統的人機交互界面（圖2-8）采用Python與PyQt5聯合開發，界面從左到右依次為系統控制區域、圖片顯示區域、用戶登錄框及成績顯示區域。系統控制區域控制系統的啟動與退出，圖片顯示區域實時顯示射擊幀圖像信息，用戶登陸框用于獲取用戶登陸信息，以便于射擊成績的記錄。成績顯示框用于顯示擊中時間，成績，彈著點方位，本次射擊平均成績和該用戶歷史平均成績。

2.5 語音報靶與數據管理

本系統采用PyWin32固件庫開發語音報靶模塊，采用Pandas開發數據管理模塊。Pywin32可訪問windows系統API，本實驗使用PyWin32訪問windows語音開發庫，輕松實現語音自動報靶功能。Pandas是Python語言最常用的數據處理固件庫，本實驗中，若用戶編號為001，則采用Pandas讀取、寫入、修改“001.csv”文件，達到數據的存儲，讀取，統計等功能。

3 總結語

搭建好實驗平臺并編寫系統程序后，本人進行了1000次射擊實驗，證明：該系統報靶準確率高達99.5%，報靶最大偏差為0.1環，不存在“一槍多報”現象，其報靶速度、精度均滿足項目要求。另外，該系統適用于多種顏色的激光，均可正確報靶。

目前本系統仍存在些許不足：雖然可滿足正常的室內外打靶訓練，但由于本系統主要采用背景幀差法確定光斑位置，故其對于環境中急劇變化的光強很敏感，不適用于具有閃光的環境中[7]。接下來，本人擬在不同色彩空間研究激光光斑特性，在背景差分法的基礎上增加色彩分割算法，以減弱外界可變光源的干擾，進一步提高系統穩定性[8]。

參考文獻：

[1]周健.基于機器視覺技術的自動報靶系統研究[D].湘潭大學，2014.

[2]胡宏健，張金林，張琪，邵旭.基于聲電定位的自動報靶器誤差分析[J].電聲技術，2011，35（09）：31-33.

[3]申紅明，王桂星，王燊磊，曹永飛，楊永杰.基于CCD的激光槍自動射擊報靶裝置[J].電子世界，2013（23）：106-107.

[4]魏義虎，陳雷.基于LabVIEW的激光模擬射擊自動報靶系統研究[J].現代電子技術，2015，38（20）：114-116+120.

[5]陳海峰.基于圖像處理技術的自動報靶系統研究[D].南京航空航天大學，2005.

[6]杜紅棉，葛竹，孟曉山.基于圖像分割的效應靶自動報靶系統[J].科學技術與工程，2018，18（07）：191-196.

[7]尹乾.基于圖像處理技術的自動報靶系統研究[D].重慶大學，2017.

[8]Ning J，Zhang L，Zhang D，et al.Robust mean-shift tracking with corrected background weighted histogram.Computer Vision，2012，6（01）：62-69.