基于视频图像理解的中国象棋棋子识别

提出了一种基于视频图像理解的中国象棋棋子识别算法.在检测视频图像无变化基础上,检测棋子变化,利用棋子的先验信息及象棋规则排除无法行棋点,再通过当前帧图像与前两步棋子图像特征识别出实际行棋的棋子.该算法避免使用二值化门限,对光照、阴影等外界环境的变化具有良好的适应性.

基于视觉的中国象棋棋子识别定位技术

针对象棋机器人下棋时要求识别正确、定位精确的要求,提出了一种基于视觉的中国象棋棋子识别定位技术解决方案。通过对校正后图像应用字符分割、Moravec算子提取字符特征和BP网络算法,实现了棋子的正确识别;把所识别棋子的图像坐标转换成实际棋盘坐标,实现了棋子的准确定位。定位试验结果表明:应用该解决方案的象棋机器人系统能正确识别所有棋子,棋子定位误差在1cm范围以内,最大误差百分比为5.468%,最小误差百分比为0.533%,可以较好地满足象棋机器人的定位要求。

基于视觉的人机交互下棋系统中棋子定位及识别技术研究

随着人工智能和机器视觉的研究和发展,具有视觉功能的智能人机交互机器人已经成为目前研究的热点。论文首先介绍了一种智能人机交互下棋系统,其次详细说明该系统的棋子定位和棋子识别方法。其中,在棋子识别过程中,使用了BP神经网络来训练文件,实现棋子识别。棋子定位和识别是实现人机交互下棋的核心之一。

基于神经网络的不均匀光照下围棋识别方法

针对围棋机器人系统中光照不均匀造成的棋子识别误差问题,提出了基于神经网络的不均匀光照下围棋棋子识别方法。首先,利用边缘检测算法确定棋盘位置;其次,利用阈值分割法检测出棋盘四个标定点的坐标,并通过透视变换矩阵转换为标准棋盘图像;然后,基于多层感知器搭建神经网络模型,并训练出分类器;最后,将标准棋盘图像利用分类器进行棋子分类,并输出识别结果。所提方法在强光、室内灯光、暗光三种光照不均匀情况下对围棋棋子的平均识别准确率可达到98%以上,实验结果验证了该方法的有效性。

基于卷积神经网络的棋子定位和识别方法

中国象棋棋子定位采用的传统图像处理方法,复杂度高;识别棋子采用的传统文字识别方法,泛化性较差、精确度较低。提出一种基于棋子颜色特征的分割方法和改进的二值图像滤波算法,实现了棋子的快速定位,不需要二次修正位置;提出一种基于卷积神经网络的棋子识别方法,该方法可以应用于不同字体的棋子识别,在更换棋子的情况下,依然可以快速、准确地识别棋子。实验结果表明,该方法的定位误差为0.51 mm,平均定位时间0.212s,对4类字体的平均棋子识别准确率为98.59%左右,证实了该方法的有效性和实用性。

中国象棋机器人视觉系统设计

针对中国象棋机器人娱乐化智能设备,设计了其关键的视觉系统,实现棋子定位与棋子识别。棋子识别是关键的一步,针对传统识别方法的局限性,以及棋子旋转特性带来的难识别问题,提出一种基于深度学习的字符识别方法。以分组卷积方式改进Inception-V3网络结构,融合可变形卷积层,增强字符形变特征提取能力。实验显示,模型的识别准确率达到99.99%,比传统方法识别效果更好,说明了该方法在棋子识别任务上的有效性。