CN105701496B - 一种基于人工智能技术的围棋盘面识别方法 - Google Patents
一种基于人工智能技术的围棋盘面识别方法 Download PDFInfo
- Publication number
- CN105701496B CN105701496B CN201610016730.XA CN201610016730A CN105701496B CN 105701496 B CN105701496 B CN 105701496B CN 201610016730 A CN201610016730 A CN 201610016730A CN 105701496 B CN105701496 B CN 105701496B
- Authority
- CN
- China
- Prior art keywords
- chessboard
- line
- determining
- disk
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种围棋盘面识别方法及装置,方法包括:对获取的围棋盘面的一帧图像进行预处理生成预处理后的图像数据;采用聚类的方法将所述图像数据的聚类处理生成聚类结果,所述聚类结果为将类值分为三类,分别表示棋盘中的白色点、黑色点以及空白点;对所述预处理后的图像数据进行图像识别,确定该帧图像中所有可识别的线生成样本线;对所述样本线进行拟合处理确定棋盘两个方向上的棋盘线;将确定的两个方向上的棋盘线进行相交,确定棋盘上棋盘线的交点坐标;根据确定的聚类结果和棋盘上棋盘线的交点坐标确定当前围棋盘面状态。本发明解决了当前大部分记谱方式都需要人工输入的繁琐,省去很多笨重的设备投入,降低记谱时的繁琐工作量。
Description
技术领域
本发明涉及图像识别技术,具体的讲是一种围棋盘面识别方法及装置。
背景技术
现有技术中的电子围棋记谱设备一般都由棋盘、输出设备等构成,在下棋时下棋者在设备上正常对弈,数据自动传输至显示平台,通过软件实现各项功能,因此使用这种记谱识别方法,必须购置各种电子记谱设备,并且比赛的时间场合都非常受限制,产品的质量也参差不齐;而现有的一些围棋记谱软件也需要人工输入已有的棋谱,并且,以上两种方法都无法自动的识别已有的棋谱。
另外,现有技术中的一些可识别棋谱的软件,虽然做到了利用程序识别已有棋谱这一功能,但要求事先拍摄一帧空棋盘的画面,下一枚棋子后与空棋盘作比较,记录下子点,之后重复该过程,该方法要求在下棋的过程中棋盘、摄像头等设备的位置不可以移动,因此,该方法对周遭环境、拍摄的角度等方面要求十分高,并且,其最大的问题是在记谱之前必须在相同位置和角度上拍摄空白棋盘,这只使在提前有记谱的需求时才能使用此方法,如果棋已下到一定程度再进行记谱就没有办法完成,即不仅对记谱的时间、棋盘摆放的地点、棋盘与摄像头的相对位置固定等方面有限制外,还仅针对在下棋前就有记谱需求的用户有效果。
发明内容
为满足对任意下棋过程中产生的棋谱进行记谱需求,使得记谱不受任何时间、地点、以及拍摄角度等因素的限制,本发明实施例提供了一种围棋盘面识别方法,包括:
对获取的围棋盘面的一帧图像进行预处理生成预处理后的图像数据;
采用聚类的方法将所述图像数据的聚类处理生成聚类结果,所述聚类结果为将类值分为三类,分别表示棋盘中的白色点、黑色点以及空白点;
对所述预处理后的图像数据进行图像识别,确定该帧图像中所有可识别的线生成样本线;
对所述样本线进行拟合处理确定棋盘两个方向上的棋盘线;
将确定的两个方向上的棋盘线进行相交,确定棋盘上棋盘线的交点坐标;
根据确定的聚类结果和棋盘上棋盘线的交点坐标确定当前围棋盘面状态。
本发明实施例中,对所述的获取的围棋盘面的一帧图像进行预处理包括:
对获取的围棋盘面的一帧图像进行色彩增强、灰化处理、拉普拉斯变换以及规范化处理。
本发明实施例中,所述的生成预处理后的图像数据包括:生成该帧图像的像素矩阵。
本发明实施例中,所述的对所述预处理后的图像数据进行图像识别,确定该帧图像中所有可识别的线生成样本线包括:
利用图像识别中的霍夫变换对图像数据进行图像识别。
本发明实施例中,对样本线进行拟合处理确定棋盘两个方向上的棋盘线包括:
对所述样本线依次进行直接拟合、加权拟合以及ransac拟合确定一个方向的棋盘线;
从所述样本线中删除确定的棋盘线,对剩余的样板线再次按序进行直接拟合、加权拟合以及ransac拟合确定另一方向的棋盘线。
同时,本发明还提供一种围棋盘面识别装置,装置包括:
预处理模块,用于对获取的围棋盘面的一帧图像进行预处理生成预处理后的图像数据;
聚类处理模块,用于采用聚类的方法将所述图像数据的聚类处理生成聚类结果,所述聚类结果为将类值分为三类,分别表示棋盘中的白色点、黑色点以及空白点;
样本线生成模块,用于对所述预处理后的图像数据进行图像识别,确定该帧图像中所有可识别的线生成样本线;
拟合模块,用于对所述样本线进行拟合处理确定棋盘两个方向上的棋盘线;
棋盘确定模块,用于将确定的两个方向上的棋盘线进行相交,确定棋盘上棋盘线的交点坐标;
盘面识别模块,用于根据确定的聚类结果和棋盘上棋盘线的交点坐标确定当前围棋盘面状态。
本发明解决了当前大部分记谱方式都需要人工输入的繁琐,省去很多笨重的设备投入,不必控制摄像头与棋谱之间的相对位置,也对拍摄时的角度,周遭环境的影响降低了要求,从很大程度上解决了记谱时的繁琐工作量。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种围棋盘面识别方法的流程图;
图2为本发明提供的一种围棋盘面识别装置的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开了一种围棋盘面识别方法,如图1所示,为本发明实施例公开的一种围棋盘面识别方法的流程图,该方法包括:
步骤S101,对获取的围棋盘面的一帧图像进行预处理生成预处理后的图像数据;
步骤S102,采用聚类的方法将所述图像数据的聚类处理生成聚类结果,所述聚类结果为将类值分为三类,分别表示棋盘中的白色点、黑色点以及空白点;
步骤S103,对所述预处理后的图像数据进行图像识别,确定该帧图像中所有可识别的线生成样本线;
本发明实施例中,利用图像识别中的霍夫变换对图像数据进行图像识别。
步骤S104,对所述样本线进行拟合处理确定棋盘两个方向上的棋盘线;
步骤S105,将确定的两个方向上的棋盘线进行相交,确定棋盘上棋盘线的交点坐标;
步骤S106,根据确定的聚类结果和棋盘上棋盘线的交点坐标确定当前围棋盘面状态。
本发明实施例中,对所述的获取的围棋盘面的一帧图像进行预处理包括:
对获取的围棋盘面的一帧图像进行色彩增强、灰化处理、拉普拉斯变换以及规范化处理,所述的生成预处理后的图像数据包括:生成该帧图像的像素矩阵。
同时,本发明还提供一种围棋盘面识别装置,如图2所示,该装置包括:
预处理模块201,用于对获取的围棋盘面的一帧图像进行预处理生成预处理后的图像数据;
聚类处理模块202,用于采用聚类的方法将所述图像数据的聚类处理生成聚类结果,所述聚类结果为将类值分为三类,分别表示棋盘中的白色点、黑色点以及空白点;
样本线生成模块203,用于对所述预处理后的图像数据进行图像识别,确定该帧图像中所有可识别的线生成样本线;
拟合模块204,用于对所述样本线进行拟合处理确定棋盘两个方向上的棋盘线;
棋盘确定模块205,用于将确定的两个方向上的棋盘线进行相交,确定棋盘上棋盘线的交点坐标;
盘面识别模块206,用于根据确定的聚类结果和棋盘上棋盘线的交点坐标确定当前围棋盘面状态。
下面结合具体的实施步骤对本发明实施例做进一步详细说明:
1、从摄像头中读取当前棋盘的一帧图像,利用图像识别的方法将图像进行一系列的预处理(包括色彩增强、灰化处理、拉普拉斯变换以及规范化处理),使图像达到之后步骤中的处理要求;
即对图像的预处理后,图像的像素矩阵。
2、使用聚类的方法将像素矩阵中的像素类值分为3类(即表示棋盘状态的白色点、黑色点以及空白点),本实施例中,可以对像素矩阵进行多次聚类处理,进行几次后取结果最好备用;
3、使用图像识别中霍夫变换的方法找出图像中所有可识别的线,并将这些线存储起来;本实施例中,可利用opencv工具进行图像识别。
4、因为棋盘上的线具有只有两个方向的性质,所以将已得到的线当做样本线,对这些样本线依次进行直接拟合、加权拟合以及ransac拟合以找到一个合适的模型来刻画所有样本点中一个方向上的线,再将这些线当做测试集,将对模型适应的好的线存储到另一个地方,并将该方向上所有的线删除;
5、重复第4步,从剩余的样本点中找到模型刻画的另一个方向上的线,并将这些线存储到另外的地方;
6、将所得的两个方向上的线进行融合,同一条线附近识别出来的几条线融合成最合适的线,从而得到棋盘上的38条线;
7、将确定的两个方向上的线两两相交,计算出各交点的坐标,即为棋盘上所有交点的坐标,将所有坐标按总大到小排序,从而得到该坐标在棋盘上的相对位置;
8、将之前聚类得到的结果作用到各点上,判断当前点属于哪一类,从而判断每一点的棋子状态,从而得到一个19*19的状态矩阵,即为当前棋盘的状态。
本发明解决了当前大部分记谱方式都需要人工输入的繁琐,省去了笨重的设备投入,解放了记谱发生的时间与地点,同时本发明实施例利用最新的OPENCV图像识别技术,不必控制摄像头与棋谱之间的相对位置,也对拍摄时的角度,周遭环境的影响降低了要求,从很大程度上解决了记谱时的繁琐工作量。
本发明采用时下最先进的opencv工具进行图像识别,并将图像识别与聚类拟合结合在一起,是本方案的最大特色;其中较为关键的地方有1、设置合适的参数,利用opencv中霍夫变换的方法找到图像中的符合要求的线;2、调整拟合中的计算方法,对所有线进行直接拟合、加权拟合以及ransac拟合,已得到对棋盘中的线最佳的适应模型;3、利用聚类的方法对棋盘上所有的交点进行判断,从而得到每个点的状态。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种围棋盘面识别方法,其特征在于,所述的方法包括:
对获取的围棋盘面的一帧图像进行预处理生成预处理后的图像数据;
采用聚类的方法将所述图像数据的聚类处理生成聚类结果,所述聚类结果为将类值分为三类,分别表示棋盘中的白色点、黑色点以及空白点;
对所述预处理后的图像数据进行图像识别,确定该帧图像中所有可识别的线生成样本线;
对所述样本线进行拟合处理确定棋盘两个方向上的棋盘线;其中,包括:对所述样本线依次进行直接拟合、加权拟合以及ransac拟合确定一个方向的棋盘线;从所述样本线中删除确定的棋盘线,对剩余的样板线再次按序进行直接拟合、加权拟合以及ransac拟合确定另一方向的棋盘线;
将确定的两个方向上的棋盘线进行相交,确定棋盘上棋盘线的交点坐标;
根据确定的聚类结果和棋盘上棋盘线的交点坐标确定当前围棋盘面状态。
2.如权利要求1所述的围棋盘面识别方法,其特征在于,所述的获取的围棋盘面的一帧图像进行预处理包括:
对获取的围棋盘面的一帧图像进行色彩增强、灰化处理、拉普拉斯变换以及规范化处理。
3.如权利要求2所述的围棋盘面识别方法,其特征在于,所述的生成预处理后的图像数据包括:生成该帧图像的像素矩阵。
4.如权利要求1所述的围棋盘面识别方法,其特征在于,所述的对所述预处理后的图像数据进行图像识别,确定该帧图像中所有可识别的线生成样本线包括:
利用图像识别中的霍夫变换对图像数据进行图像识别。
5.一种围棋盘面识别装置,其特征在于,所述的装置包括:
预处理模块,用于对获取的围棋盘面的一帧图像进行预处理生成预处理后的图像数据;
聚类处理模块,用于采用聚类的方法将所述图像数据的聚类处理生成聚类结果,所述聚类结果为将类值分为三类,分别表示棋盘中的白色点、黑色点以及空白点;
样本线生成模块,用于对所述预处理后的图像数据进行图像识别,确定该帧图像中所有可识别的线生成样本线;
拟合模块,用于对所述样本线进行拟合处理确定棋盘两个方向上的棋盘线;其中,包括:对所述样本线依次进行直接拟合、加权拟合以及ransac拟合确定一个方向的棋盘线;从所述样本线中删除确定的棋盘线,对剩余的样板线再次按序进行直接拟合、加权拟合以及ransac拟合确定另一方向的棋盘线;
棋盘确定模块,用于将确定的两个方向上的棋盘线进行相交,确定棋盘上棋盘线的交点坐标;
盘面识别模块,用于根据确定的聚类结果和棋盘上棋盘线的交点坐标确定当前围棋盘面状态。
6.如权利要求5所述的围棋盘面识别装置,其特征在于,所述的预处理模块对获取的围棋盘面的一帧图像进行预处理包括:
对获取的围棋盘面的一帧图像进行色彩增强、灰化处理、拉普拉斯变换以及规范化处理。
7.如权利要求6所述的围棋盘面识别装置,其特征在于,所述的生成预处理后的图像数据包括:生成该帧图像的像素矩阵。
8.如权利要求5所述的围棋盘面识别装置,其特征在于,所述的样本线生成模块对所述预处理后的图像数据进行图像识别包括:
利用图像识别中的霍夫变换对图像数据进行图像识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610016730.XA CN105701496B (zh) | 2016-01-12 | 2016-01-12 | 一种基于人工智能技术的围棋盘面识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610016730.XA CN105701496B (zh) | 2016-01-12 | 2016-01-12 | 一种基于人工智能技术的围棋盘面识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105701496A CN105701496A (zh) | 2016-06-22 |
CN105701496B true CN105701496B (zh) | 2019-07-05 |
Family
ID=56226176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610016730.XA Active CN105701496B (zh) | 2016-01-12 | 2016-01-12 | 一种基于人工智能技术的围棋盘面识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105701496B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358221B (zh) * | 2017-08-08 | 2020-10-09 | 大连万和海拓文化体育产业有限公司 | 一种基于视频识别技术的围棋自动记谱的棋盘定位方法 |
CN107480678A (zh) * | 2017-09-29 | 2017-12-15 | 北京深度奇点科技有限公司 | 一种棋盘识别方法和识别*** |
CN108491804B (zh) * | 2018-03-27 | 2019-12-27 | 腾讯科技(深圳)有限公司 | 一种棋局展示的方法、相关装置及*** |
CN109559325B (zh) * | 2018-12-03 | 2021-02-02 | 中南大学 | 基于棋谱rgb图像的围棋棋谱识别方法 |
CN110555418A (zh) * | 2019-09-08 | 2019-12-10 | 无锡高德环境科技有限公司 | 一种水环境ai标靶物识别方法及其*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070008319A (ko) * | 2005-07-13 | 2007-01-17 | (주)몬도미오 | 장기판 |
CN101419705A (zh) * | 2007-10-24 | 2009-04-29 | 深圳华为通信技术有限公司 | 摄像机标定的方法及装置 |
CN102682292A (zh) * | 2012-05-10 | 2012-09-19 | 清华大学 | 基于单目视觉的道路边缘检测及粗定位方法 |
CN102750538A (zh) * | 2012-05-16 | 2012-10-24 | 南京大学 | 一种基于图像处理技术的围棋比赛结果分析方法 |
CN105205447A (zh) * | 2015-08-22 | 2015-12-30 | 周立人 | 基于围棋图像的围棋识别方法以及棋盘 |
-
2016
- 2016-01-12 CN CN201610016730.XA patent/CN105701496B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070008319A (ko) * | 2005-07-13 | 2007-01-17 | (주)몬도미오 | 장기판 |
CN101419705A (zh) * | 2007-10-24 | 2009-04-29 | 深圳华为通信技术有限公司 | 摄像机标定的方法及装置 |
CN102682292A (zh) * | 2012-05-10 | 2012-09-19 | 清华大学 | 基于单目视觉的道路边缘检测及粗定位方法 |
CN102750538A (zh) * | 2012-05-16 | 2012-10-24 | 南京大学 | 一种基于图像处理技术的围棋比赛结果分析方法 |
CN105205447A (zh) * | 2015-08-22 | 2015-12-30 | 周立人 | 基于围棋图像的围棋识别方法以及棋盘 |
Non-Patent Citations (1)
Title |
---|
"霍夫变换与最小二乘法相结合的直线拟合";曾接贤;《南昌航空工业学院学报》;20031231;第17卷(第4期);摘要、第1节、第3节 |
Also Published As
Publication number | Publication date |
---|---|
CN105701496A (zh) | 2016-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105701496B (zh) | 一种基于人工智能技术的围棋盘面识别方法 | |
DE102018215057B4 (de) | Maschinelles-Lernen-Vorrichtung, Robotersystem und maschinelles-Lernen-Verfahren | |
DE102013012224A1 (de) | Vorrichtung zum Entnehmen von lose gespeicherten Gegenständen durch einen Roboter | |
EP3103060A1 (de) | 2d-bildanalysator | |
DE112020002355T5 (de) | Audioverarbeitung | |
DE102015111080A1 (de) | Robotervorrichtung mit maschinellem Sehen | |
CN110638529B (zh) | 一种手术远程控制方法、装置、存储介质及终端设备 | |
CN109871829A (zh) | 一种基于深度学习的检测模型训练方法和装置 | |
CN110271006A (zh) | 机械臂视觉引导方法及装置 | |
CN114494347A (zh) | 一种单摄像头多模式视线追踪方法和装置、电子设备 | |
CN110756462A (zh) | 电源适配器测试方法、装置、***、控制装置及存储介质 | |
CN105139368B (zh) | 一种可用于机器视觉的混合型色调映射方法 | |
KR102366396B1 (ko) | Rgb-d 데이터와 딥러닝을 이용한 3d객체영역분할 방법과 그 시스템 | |
CN109377462A (zh) | 眼底图像处理方法及设备 | |
CN110014305A (zh) | 一种零件加工的控制方法及装置、*** | |
CN110430416B (zh) | 自由视点图像生成方法和装置 | |
DE112020003765T5 (de) | Überwachte Einrichtung eines Steuervorrichtungs mit Bildgeber | |
CN107403448A (zh) | 代价函数生成方法和代价函数生成装置 | |
CN106303153B (zh) | 一种图像处理方法及装置 | |
DE102019133753A1 (de) | Werkzeuge für augmentierte realität in der lichtgestaltung | |
CN113326819B (zh) | 机器手素描绘画方法、装置及机器人工作台 | |
CN106846302B (zh) | 一种工具正确取件的检测方法及基于此方法的考核台 | |
CN112686851B (zh) | 一种图像检测方法、装置及存储介质 | |
CN116017129A (zh) | 一种补光灯角度调整方法、装置、***、设备和介质 | |
DE102022111926A1 (de) | Verfahren und Vorrichtung für eine tiefengestützte visuelle Trägheitsodometrie |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |