基于视频分析的多模式自动报靶系统设计
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 国内外相关研究现状 | 第11-14页 |
| 1.2.1 层电极短路采样自动报靶 | 第11-12页 |
| 1.2.2 光电自动报靶 | 第12页 |
| 1.2.3 声电定位自动报靶 | 第12-13页 |
| 1.2.4 基于图像处理的自动报靶系统 | 第13-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 2 相关技术介绍 | 第17-23页 |
| 2.1 DAVINCI技术 | 第17页 |
| 2.2 机器视觉 | 第17-19页 |
| 2.2.1 Haar-like特征 | 第18页 |
| 2.2.2 LBP特征 | 第18-19页 |
| 2.3 数字图像处理技术 | 第19-21页 |
| 2.4 OPENCV计算机视觉库 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 系统需求分析及总体设计 | 第23-32页 |
| 3.1 自动报靶需求分解 | 第23-25页 |
| 3.1.1 多模式选择 | 第23-24页 |
| 3.1.2 振动检测 | 第24页 |
| 3.1.3 弹孔位置及得分识别 | 第24页 |
| 3.1.4 无线传输 | 第24-25页 |
| 3.1.5 合成图显示 | 第25页 |
| 3.1.6 历次打靶记录保存功能 | 第25页 |
| 3.2 系统总体架构 | 第25-27页 |
| 3.2.1 摄像机终端 | 第26页 |
| 3.2.2 服务器端 | 第26-27页 |
| 3.2.3 客户端 | 第27页 |
| 3.3 硬件总体设计 | 第27-28页 |
| 3.4 软件总体设计 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 自动报靶业务详细设计 | 第32-39页 |
| 4.1 振动检测 | 第32-34页 |
| 4.2 多模式自动报靶 | 第34-37页 |
| 4.3 合成图显示 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 5 算法详细设计 | 第39-76页 |
| 5.1 预处理 | 第41-42页 |
| 5.2 ROI域提取 | 第42-53页 |
| 5.2.1 靶子定位 | 第43-45页 |
| 5.2.2 离线训练 | 第45-46页 |
| 5.2.3 透视校正 | 第46-50页 |
| 5.2.4 灰度分布的校正 | 第50-53页 |
| 5.3 弹孔检测 | 第53-63页 |
| 5.3.1 弹孔区域的提取 | 第55-59页 |
| 5.3.2 可信度计算 | 第59-60页 |
| 5.3.3 光流法用于匹配弹孔偏移 | 第60-63页 |
| 5.4 分值判定 | 第63-65页 |
| 5.5 针对移动打靶模式的优化 | 第65-68页 |
| 5.5.1 基于识别的弹孔检测 | 第65-67页 |
| 5.5.2 模板检测结合差分方法 | 第67-68页 |
| 5.6 针对夜间打靶模式的优化 | 第68-71页 |
| 5.6.1 局部自适应二值化 | 第70-71页 |
| 5.7 在线学习 | 第71-73页 |
| 5.8 算法实现 | 第73-75页 |
| 5.8.1 算法构架 | 第73-74页 |
| 5.8.2 算法调用接口 | 第74-75页 |
| 5.9 本章小结 | 第75-76页 |
| 6 系统测试及结果分析 | 第76-84页 |
| 6.1 测试环境 | 第76页 |
| 6.2 功能测试 | 第76-78页 |
| 6.3 性能测试 | 第78-83页 |
| 6.3.1 振动检测 | 第78-79页 |
| 6.3.2 普通打靶模式 | 第79-80页 |
| 6.3.3 移动打靶模式 | 第80-81页 |
| 6.3.4 夜间打靶模式 | 第81-83页 |
| 6.4 本章小结 | 第83-84页 |
| 7 总结与展望 | 第84-86页 |
| 7.1 总结 | 第84页 |
| 7.2 展望 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 个人简介 | 第90页 |
