[發明專利]一種基于卷積神經網絡模型的象棋識別方法

在審

• 申請號: 201811486062.2
• 申請日: 2018-12-06
• 公開（公告）號: CN109726721A
• 公開（公告）日: 2019-05-07
• 發明（設計）人: 李智宗;孔凡國;杜華娜;劉樂章
• 申請（專利權）人: 五邑大學
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/42;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 廣州市紅荔專利代理有限公司 44214
• 代理人: 吳偉文

本發明提供一種基于卷積神經網絡模型的象棋識別方法，包括S1)、利用工業相機采集包含棋子的棋盤圖像；S2)、對棋盤圖像進行hough圓檢測，獲取每個棋子區域圖像；S3)、將棋子區域圖像的分辨率修改為48*48；S4)、通過統計顏色闕值范圍內的像素個數來判斷每個棋子的顏色；S5)、將棋子區域圖像輸入訓練好的基于卷積神經網絡的象棋識別模型中，進行字符識別，輸出棋子文字。本發明提供的方法能夠進一步提高中國象棋識別準確率，識別準確率為99.995％以上；本發明基于HSV顏色空間下進行顏色識別，減少了光照強度變化對識別效果的影響；本發明識別速度快，單個棋子識別時間在20ms左右，對現有技術有較好的提高。

技術領域

本發明涉及象棋技術領域，尤其是一種基于卷積神經網絡模型的象棋識別方法。

背景技術

近年來隨著計算機的快速發展，對深度學習的研究已經成為了當前的熱門領域，中國象棋機器人等娛樂服務型機器人也成為了該領域的研究熱點。現有的象棋機器人主要是基于圖像處理的中國象棋識別和基于旋轉差分的中國象棋識別，但是使用圖像處理的方法識別中國象棋的方法中，依賴固定光照強度，同時該識別方法僅僅是使用歐式距離這種算法過于簡單，對于棋子擺放角度任意性的問題，該方法難以準確識別棋子文字；而使用旋轉差分方法識別中國象棋，效果雖然比使用歐式距離方法好，但由于每個棋子都需要不停地做旋轉差分計算，計算重復性大，消耗時間長，同時該方法依賴合適差分角。

發明內容

針對現有技術的不足，本發明提供一種基于卷積神經網絡模型的象棋識別方法，該方法能夠提高象棋的識別準確性，解決現有技術中難以識別的問題。

本發明的技術方案為：一種基于卷積神經網絡模型的象棋識別方法，包括以下步驟：

S1)、利用工業相機采集包含棋子的棋盤圖像；

S2)、對獲取的棋盤圖像進行hough圓檢測，以定位棋盤上的每個棋子位置，獲取每個棋子區域圖像；

S3)、將棋子區域圖像的分辨率修改為48*48；

S4)、通過統計顏色闕值范圍內的像素個數來判斷每個棋子的顏色；

S5)、將棋子區域圖像輸入訓練好的基于卷積神經網絡的象棋識別模型中，進行字符識別，輸出棋子文字。

進一步的，上述方法中，步驟S2)中，所述的hough圓檢測，具體包括以下步驟：

S201)、將獲取的棋盤圖像的每個像素轉換到abr參數空間，其中圓心坐標為(a,b)，r表示半徑；

S202)、在abr空間中，圓錐面相交的點對應原圖中的圓心(a,b)和半徑r；

S203)、根據設定的棋子半徑閾值范圍挑選出符合要求的圓，即為檢測到棋子的圓參數；

S204)、根據檢測到的圓，畫出最小外接矩形以示檢測結果，以及為下一步棋子區域獲取做準備。

進一步的，上述方法中，步驟S4)中，通過統計顏色闕值內像素點的個數來判斷每個棋子的顏色，具體包括以下步驟：

S401)、將棋子區域圖轉換為HSV顏色空間圖像；

S402)、提取顏色空間圖像的H分量，即表示范圍在0-180，其中，黑色的預設閾值為(30,130)，紅色的預設閾值為(0,20)和(150，180)；

S403)、統計棋子區域圖像中屬于紅色和黑色的閾值范圍內的像素點個數，取數量多的作為該棋子顏色。

進一步的，上述方法中，步驟S5)中，基于卷積神經網絡的象棋識別模型的訓練包括以下步驟：

S501)、構建卷積網絡模型；