[go: up one dir, main page]

CN111659124B - 一种用于对弈的智能鉴别系统 - Google Patents

一种用于对弈的智能鉴别系统 Download PDF

Info

Publication number
CN111659124B
CN111659124B CN202010461948.2A CN202010461948A CN111659124B CN 111659124 B CN111659124 B CN 111659124B CN 202010461948 A CN202010461948 A CN 202010461948A CN 111659124 B CN111659124 B CN 111659124B
Authority
CN
China
Prior art keywords
chessboard
dynamic tracking
dimensional
target
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.)
Expired - Fee Related
Application number
CN202010461948.2A
Other languages
English (en)
Other versions
CN111659124A (zh
Inventor
赵清华
武晓雪
董旭彬
王文杉
史学良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taiyuan University of Technology
Original Assignee
Taiyuan University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Taiyuan University of Technology filed Critical Taiyuan University of Technology
Priority to CN202010461948.2A priority Critical patent/CN111659124B/zh
Publication of CN111659124A publication Critical patent/CN111659124A/zh
Application granted granted Critical
Publication of CN111659124B publication Critical patent/CN111659124B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/60—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor
    • A63F13/67—Generating or modifying game content before or while executing the game program, e.g. authoring tools specially adapted for game development or game-integrated level editor adaptively or by learning from player actions, e.g. skill level adjustment or by storing successful combat sequences for re-use
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/60—Methods for processing data by generating or executing the game program
    • A63F2300/6027—Methods for processing data by generating or executing the game program using adaptive systems learning from user actions, e.g. for skill level adjustment
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Alarm Systems (AREA)

Abstract

本发明用于提供一种用于对弈的智能鉴别系统，包括：监测模块，用于监测目标用户执实体棋子落在目标棋盘的实体点图像；获取模块，用于获取虚拟对弈系统中的虚拟机器执虚拟棋子落在目标棋盘的虚拟点图像；服务器，用于当获取模块和监测模块开始工作时，对目标棋盘进行实时动态跟踪，得到动态跟踪信息；基于预先建立好的动态跟踪模型，对所获取的动态跟踪信息进行第一智能鉴别，同时对实体点图像和虚拟点图像进行第二智能鉴别，并判断两种智能鉴别结果是否相匹配。通过虚实技术结合以及对目标棋盘进行动态跟踪，提高鉴别效果，降低下棋的错误概率，提高用户的体验效果。

Description

一种用于对弈的智能鉴别系统
技术领域
本发明涉及智能对弈技术领域，特别涉及一种用于对弈的智能鉴别系统。
背景技术
现在的人机对弈系统，一般都是在手机上进行简单的人机对弈，比如可以是在一个软件APP上或者小程序上，即可完成简单对弈，但是，在手机上进行人机对弈，满足不了用户人机对弈的真实体验，但是在进行真实的对弈机器人与人进行对弈的过程中，虽然会提高用户的对弈体验，但是实机对弈过程中，可能存在对弈的机械臂在下棋时，由于对棋盘鉴别失误等，导致控制失误，进而导致不小心对用户造成伤害，失去了最初的体验效果，因此，本发明提出了一种用于对弈的智能鉴别系统。
发明内容
本发明提供一种用于对弈的智能鉴别系统，用以通过虚实技术结合以及对目标棋盘进行动态跟踪，提高鉴别效果，降低下棋的错误概率，提高用户的体验效果。
本发明提供一种用于对弈的智能鉴别系统，包括：
监测模块，用于监测目标用户执实体棋子落在目标棋盘的实体点图像；
获取模块，用于获取虚拟对弈系统中的虚拟机器执虚拟棋子落在目标棋盘的虚拟点图像；
服务器，用于当所述获取模块和监测模块开始工作时，对所述目标棋盘进行实时动态跟踪，得到动态跟踪信息；
基于预先建立好的动态跟踪模型，对所获取的动态跟踪信息进行第一智能鉴别，同时对监测的实体点图像和获取的虚拟点图像进行第二智能鉴别，并判断第一智能鉴别结果与第二智能鉴别结果是否相匹配，若是，控制所述获取模块和监测模块继续同步工作；
否则，控制报警模块进行相应的第一报警操作。
在一种可能实现的方式中，
所述服务器，还用于当对所述目标棋盘进行实时动态跟踪时，获取对所述目标棋盘设定的预设标准模式，并确定所述预设标准模式对应的预设标准对弈数据。
在一种可能实现的方式中，还包括：
输入模块，用于当棋盘对弈开始后，接收用户输入的停止对弈指令；
记录模块，用于对所述报警模块所执行的第一报警操作的报警时长进行记录；
所述服务器，还用于当所述输入模块未接收到所述用户输入的停止对弈指令，且所述记录模块所记录的报警时长大于或等于预设时间时，控制所述报警模块停止相应的第一报警操作，同时控制所述报警模块基于预设时间间隔后，继续执行相应的第一报警操作；
当所述输入模接收到所述用户输入的停止对弈指令时，控制所述报警模块停止相应的第一报警操作。
在一种可能实现的方式中，还包括：
授权模块，用于对所述目标用户进行等级授权，并形成授权等级数据库；
所述服务器，还用于当输入模块接收到所述目标用户输入的停止对弈指令时，基于所述授权等级数据库，确定输入停止对弈指令的所述目标用户的授权等级，并判断输入停止对弈指令的所述目标用户的授权等级是否在预设授权等级范围内；
若是，获取所述目标用户所输入的停止对弈指令中的权限验证标识，同时，基于预先存储的权限验证数据库，判断所述权限验证数据库中是否存在与所述权限验证标识对应的权限验证路径；
若存在，根据所述权限验证路径，输出与所述权限验证路径所对应的权限验证标识界面，供所述目标用户在所述权限验证标识界面输入确认指令；
否则，控制所述报警模块继续执行相应的第一报警操作。
在一种可能实现的方式中，
所述服务器，还用于根据所述权限验证标识界面所接收到的确认指令，控制所述报警模块停止或继续执行相应的第一报警操作。
在一种可能实现的方式中，还包括：
扫描模块，用于目标用户与虚拟机器对弈之前，对所述目标棋盘进行扫描，获取所述目标棋盘的断层扫描视频；
构建模块，用于基于神经网络训练模型，构建所述目标棋盘的虚拟三维模型；
检验模块，用于对所述虚拟三维模型中的每个三维坐标点Ek(xe,ye,ze)进行无参量和有参量评估，获得点评估结果，提取所述虚拟三维模型中每个三维坐标点Ek(xe,ye,ze)的特征点信息；
Qk1＝Η1(Ek(xe,ye,ze))；
Qk2＝Η2(Ek(xe,ye,ze))；
其中，Qk1表示第k个三维坐标点基于无参量的点评估结果；H1表示无参量评估函数；Qk2表示第k个三维坐标点基于有参量的点评估结果；H2表示有参量评估函数；k＝1,2,3，...，K1；
同时，根据所述点评估结果和特征点信息，计算所述虚拟三维模型的综合质量评估结果S；
Figure BDA0002511233850000031
其中，fk表示第k个三维坐标点的特征点信息；γk1表示第k个三维坐标点基于无参量的权重值；γk2表示第k个三维坐标点基于有参量的权重值；
当所述综合质量评估结果S大于预设质量值S1时，表示所述虚拟三维模型合格；
否则，表示所述虚拟三维模型不合格，则重新构建新的虚拟三维模型；
所述服务器，还用于基于时间顺序，将所述扫描模块所获取的断层扫描视频分割为若干待扫描棋盘图像帧，并获取相邻的所述待扫描棋盘图像帧之间匹配点的二维坐标，并将所获取的所有所述二维坐标转换成三维坐标，对所述待扫描棋盘进行三维重建，获得三维待扫描棋盘图像；
并将获得的所述三维待扫描棋盘图像移植到检验合格的虚拟三维模型上，获得三维待扫描棋盘模型；
所述服务器，还用于对所获得的三维待扫描棋盘模型，进行检查，并基于预先存储的安全评估数据库，对所述三维待扫描棋盘模型的检查结果进行安全评估，根据所述安全评估结果对所述三维待扫描棋盘模型进行若干安全等级区域块的划分。
在一种可能实现的方式中，
所述服务器，还用于将划分后的所述若干安全等级区域块使用预设颜色进行标注，并添加标注后的所述若干安全等级区域块同步传输到获得的三维待扫描棋盘模型上，同时将添加标注后的所述若干安全等级区域块的三维待扫描棋盘模型传输到监控终端进行显示；
所述监控终端，用于供监控人员对所述服务器所传输的添加标注后的所述若干安全等级区域块的三维待扫描棋盘模型进行编辑。
在一种可能实现的方式中，
当所述服务器对所述目标棋盘进行实时动态跟踪时，通过以下步骤A1-A4，获取所述目标棋盘的动态跟踪信息，其中，步骤A1-A4具体如下：
步骤A1、对所述服务器对所述目标棋盘进行实时动态跟踪获得的动态跟踪图像进行亮度敏感调整；
Figure BDA0002511233850000051
其中，L所述亮度敏感调整后的颜色亮度成分，PassagewayR为所述动态跟踪图像的红色通道的像素值，PassagewayG为所述动态跟踪图像的黄色通道的像素值，PassagewayB为所述动态跟踪图像的蓝色通道的像素值，Pb为所述亮度敏感调整后的蓝色浓度偏移量成份，Pr为所述亮度敏感调整后的红色浓度偏移量成份；
步骤A2、对所述进行亮度敏感调整后的动态跟踪图像进行余弦变换；
将所述进行亮度敏感调整后的动态跟踪图像进行切割，切割后的每个动态跟踪区域都为N*N大小的图像，对于长度或者宽度不是N的整数倍的就用0填充，并将每个N*N大小的区域都转变为一个余弦变换值；
Figure BDA0002511233850000052
Figure BDA0002511233850000053
其中，Zd为中间值，Cos F为所述余弦变换值，Pbi,j为所述动态跟踪区域的第i行第j列的蓝色浓度偏移量成份，Pgi,j为所述动态跟踪区域的第i行第j列的黄色浓度偏移量成份，ZDi,j为所述区域动态跟踪区域的第i行第j列的Zd的计算值，Li,j为所述动态跟踪区域的第i行第j列的颜色亮度成分，其中，i＝1、2、3......N；j＝1、2、3......N；
步骤A3、对经过步骤A2余弦变换处理后的动态跟踪图像进行透视转变；
Figure BDA0002511233850000061
Figure BDA0002511233850000062
其中，ChangeX为将所述经过步骤A2余弦变换处理后的动态跟踪图像中坐标位置为(x,y)的点进行透视转变后的横坐标的值，ChangeY为将所述经过步骤A2余弦变换处理后的动态跟踪图像中坐标位置为(x,y)的点进行透视转变后的纵坐标的值，θ为拍摄所述棋盘图像时摄像头的水平方向与正前方的角度，
Figure BDA0002511233850000063
为拍摄所述棋盘图像时摄像头的竖值方向与垂直向下方向的角度，h为拍摄所述棋盘图像时摄像头距离棋盘的竖值高度，m为拍摄所述棋盘图像时摄像头距离棋盘的水平距离；
步骤A4：基于步骤A3所透视转换后的动态跟踪图像，来获取所述目标棋盘的动态跟踪信息。
在一种可能实现的方式中，
所述监测模块，还用于监测所述目标用户的当前对弈姿态；
所述服务器，还用于根据所述当前对弈姿态，预估落实体棋子的目标棋盘的第一时间；
并根据所述目标用户的历史姿态，确定基于第一时间的延长时间，判断所述目标用户是否在所述第一时间和延长时间的基础上，落实体棋子到目标棋盘上；
若没有，控制所述报警模块执行第二报警操作。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种用于对弈的智能鉴别系统的结构示意图；
图2为本发明实施例中五子棋虚实对弈的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供一种用于对弈的智能鉴别系统，如图1所示，包括：
监测模块，用于监测目标用户执实体棋子落在目标棋盘的实体点图像；
获取模块，用于获取虚拟对弈系统中的虚拟机器执虚拟棋子落在目标棋盘的虚拟点图像；
服务器，用于当所述获取模块和监测模块开始工作时，对所述目标棋盘进行实时动态跟踪，得到动态跟踪信息；
基于预先建立好的动态跟踪模型，对所获取的动态跟踪信息进行第一智能鉴别，同时对监测的实体点图像和获取的虚拟点图像进行第二智能鉴别，并判断第一智能鉴别结果与第二智能鉴别结果是否相匹配，若是，控制所述获取模块和监测模块继续同步工作；
否则，控制报警模块进行相应的第一报警操作。
上述报警模块可以是声、光等一种或多种的组合，对应的第一报警操作可以是灯光闪烁。
上述的第一智能鉴别，可以是基于跟踪算法对动态跟踪信息进行智能鉴别；
上述的第二智能鉴别，可以是基于图像识别算法对实体点图像和虚拟点图像进行智能鉴别。
上述进行智能鉴别，主要是为了确定虚拟对弈机器和目标用户形成的对弈，通过两种智能鉴别方式，确保对弈的正确性以及对弈的效率。
上述第一智能鉴别结果或第二智能鉴别结果，例如可以当前目标棋盘的已落棋子的棋子布局图；
该实施例中，监测到的实体点图像，可以基于目标棋盘设置的压力传感器，获取到棋盘点上该点受到外界压力时，自动生成的实体点图像；
获取的虚拟点图像，可以是获取模块基于本地对弈数据库，或者是服务器，其虚拟棋子在智能下棋过程中，其虚拟棋子的下棋轨迹，进而获得相关的虚拟点图像。
如图2所示，其中，以五子棋为例，a1表示实体棋子，a2表示虚拟棋子。
其中，实体棋子是五子棋实物，是真实落在棋盘上的棋子，而虚拟棋子是对弈系统，自动智能下棋的虚拟棋子，且，目标棋盘，可以是依赖于软件程序获得的虚拟棋盘，如，基于电子显示屏显示的目标棋盘，且该电子显示屏可以作为一个单独的棋盘系统。且该电子显示屏a可以是水平放置的，用于用户与虚拟机器进行对弈。
上述技术方案的有益效果是：通过虚实技术结合以及对目标棋盘进行动态跟踪，提高鉴别效果，降低下棋的错误概率，提高用户的体验效果。
本发明实施例提供一种用于对弈的智能鉴别系统，包括：
所述服务器，还用于当对所述目标棋盘进行实时动态跟踪时，获取对所述目标棋盘设定的预设标准模式，并确定所述预设标准模式对应的预设标准对弈数据。
上述预设标准模式，可以是预先设定的，其对应的预设标准对弈数据可以包括：对弈特征、对弈规则，如：用户先持棋先走，对弈机器持棋后走规则。
上述技术方案的有益效果是：获取预设标准对弈数据，便于为智能鉴别实时动态跟踪提供可靠的数据基础。
本发明实施例提供一种用于对弈的智能鉴别系统，还包括：
输入模块，用于当棋盘对弈开始后，接收用户输入的停止对弈指令；
记录模块，用于对所述报警模块所执行的第一报警操作的报警时长进行记录；
所述服务器，还用于当所述输入模块未接收到所述用户输入的停止对弈指令，且所述记录模块所记录的报警时长大于或等于预设时间时，控制所述报警模块停止相应的第一报警操作，同时控制所述报警模块基于预设时间间隔后，继续执行相应的第一报警操作；
当所述输入模接收到所述用户输入的停止对弈指令时，控制所述报警模块停止相应的第一报警操作。
上述报警模块，可以是声、光、振动等一种或多种的组合；
上述停止指令，可以是报警停止指令；
上述预设时间，可以是系统默认设定的，或人为设定的；
上述设置预设时间间隔，是为了提高报警模块的使用寿命，同时，便于有效的达到提醒用户的目的。
需要说明的是，当报警模块执行第一报警操作时，控制对弈机器停止对弈操作。
上述技术方案的有益效果是：便于提醒用户，确保用户已被提醒，保证对弈效率。
本发明实施例提供一种用于对弈的智能鉴别系统，还包括：
授权模块，用于对所述目标用户进行等级授权，并形成授权等级数据库；
所述服务器，还用于当输入模块接收到所述目标用户输入的停止对弈指令时，基于所述授权等级数据库，确定输入停止对弈指令的所述目标用户的授权等级，并判断输入停止对弈指令的所述目标用户的授权等级是否在预设授权等级范围内；
若是，获取所述目标用户所输入的停止对弈指令中的权限验证标识，同时，基于预先存储的权限验证数据库，判断所述权限验证数据库中是否存在与所述权限验证标识对应的权限验证路径；
若存在，根据所述权限验证路径，输出与所述权限验证路径所对应的权限验证标识界面，供所述目标用户在所述权限验证标识界面输入确认指令；
否则，控制所述报警模块继续执行相应的第一报警操作。
优选的，所述服务器，还用于根据所述权限验证标识界面所接收到的确认指令，控制所述报警模块停止或继续执行相应的第一报警操作。
上述设置权限验证路径，是为了方便弹跳出权限验证标识界面，供用户输入确认指令，进行确认；
例如：权限验证标识界面显示，“是否确定执行报警停止指令”，“是”和“否”，用于通过输入确认指令，即点击“是”或“否”，完成操作。
上述通过对用户输入的停止指令进行验证后，并供用户输入确认指令，是为了确保拥有权限的用户执行停止对弈指令的可靠性，并确保用户已了解报警情况，也可有效的避免拥有权限的用户的误操作；
上述用户输入的停止对弈指令中包含有可识别用户的唯一验证标识，即停止对弈指令中的权限验证标识。
上述技术方案的有益效果是：通过对用户进行等级授权，避免非对弈用于对其进行非正常操控，对报警信息进行违规操作，根据授权等级和权限验证，可确保只有符合条件的用户才能对报警情况进行处理，降低误操作的可能性，降低不必要的损失。
本发明实施例提供一种用于对弈的智能鉴别系统，还包括：
扫描模块，用于目标用户与虚拟机器对弈之前，对所述目标棋盘进行扫描，获取所述目标棋盘的断层扫描视频；
构建模块，用于基于神经网络训练模型，构建所述目标棋盘的虚拟三维模型；
检验模块，用于对所述虚拟三维模型中的每个三维坐标点Ek(xe,ye,ze)进行无参量和有参量评估，获得点评估结果，提取所述虚拟三维模型中每个三维坐标点Ek(xe,ye,ze)的特征点信息；
Qk1＝Η1(Ek(xe,ye,ze))；
Qk2＝Η2(Ek(xe,ye,ze))；
其中，Qk1表示第k个三维坐标点基于无参量的点评估结果；H1表示无参量评估函数；Qk2表示第k个三维坐标点基于有参量的点评估结果；H2表示有参量评估函数；k＝1,2,3，...，K1；
同时，根据所述点评估结果和特征点信息，计算所述虚拟三维模型的综合质量评估结果S；
Figure BDA0002511233850000111
其中，fk表示第k个三维坐标点的特征点信息；γk1表示第k个三维坐标点基于无参量的权重值；γk2表示第k个三维坐标点基于有参量的权重值；
当所述综合质量评估结果S大于预设质量值S1时，表示所述虚拟三维模型合格；
否则，表示所述虚拟三维模型不合格，则重新构建新的虚拟三维模型；
所述服务器，还用于基于时间顺序，将所述扫描模块所获取的断层扫描视频分割为若干待扫描棋盘图像帧，并获取相邻的所述待扫描棋盘图像帧之间匹配点的二维坐标，并将所获取的所有所述二维坐标转换成三维坐标，对所述待扫描棋盘进行三维重建，获得三维待扫描棋盘图像；
并将获得的所述三维待扫描棋盘图像移植到检验合格的虚拟三维模型上，获得三维待扫描棋盘模型；
所述服务器，还用于对所获得的三维待扫描棋盘模型，进行检查，并基于预先存储的安全评估数据库，对所述三维待扫描棋盘模型的检查结果进行安全评估，根据所述安全评估结果对所述三维待扫描棋盘模型进行若干安全等级区域块的划分。
上述获取目标棋盘的断层扫描视频，是为了获取更多与目标棋盘相关的信息，为后续的三维重建提供数据基础；
且上述扫描模块可以是红外扫描，可以扫描到目标棋盘内部的线路等的情况信息；
上述时间顺序，可以是扫描模块获取断层扫描视频的时间，根据断层扫描视频中的每帧所获取的时间先后顺序，构成的时间顺序；
上述对三维待扫描棋盘模型进行检查，获得对应的检查结果，对其检查结果进行安全评估，根据安全评估结果对预设区域进行若干安全等级区域块的划分，如：
检查结果，可以是基于三维待扫描棋盘模型，获取三维待扫描棋盘模型中的每部分区域块的损坏信息，并对每部分区域块的损坏信息进行安全评估，如将三维待扫描棋盘模型划分为K1、K2、K3、K4四个区域块，且对应的损坏信息结果、安全评估结果、等级区域块及预设颜色，如下表所示：
Figure BDA0002511233850000121
上述技术方案的有益效果是：通过对扫描模块的扫描结果进行三维重建和移植，便于构建三维待扫描棋盘模型，提高获取三维待扫描棋盘模型的精度，提高做出判断的准确性，其中，通过对虚拟三维棋盘进行检验，确保后续移植之后，获得的结果的精准性，同时，通过对三维待扫描棋盘模型进行安全等级区域块的划分，并通过进行颜色标注，便于直观了解棋盘的真实情况。
本发明实施例提供一种用于对弈的智能鉴别系统，
所述服务器，还用于将划分后的所述若干安全等级区域块使用预设颜色进行标注，并添加标注后的所述若干安全等级区域块同步传输到获得的三维待扫描棋盘模型上，同时将添加标注后的所述若干安全等级区域块的三维待扫描棋盘模型传输到监控终端进行显示；
所述监控终端，用于供监控人员对所述服务器所传输的添加标注后的所述若干安全等级区域块的三维待扫描棋盘模型进行编辑。
上述进行标注，可以是系统进行智能鉴别后进行的智能标注，其中，智能鉴别包括扫描模块进行的智能扫描，服务器进行安全等级区域块划分等。
上述监控终端，可以是笔记本、电脑、手机等智能终端设备；
上述对三维待扫描棋盘模型进行编辑，可以是对棋盘中存在的故障进行批注说明。例如棋盘中的区域A，存在线路故障问题；棋盘中的区域B，存在缺失螺丝问题等，其编辑还可以是如放大、缩小、旋转等处理。
上述技术方案的有益效果是：方便监测人员查看处理，提高处理效率，并通过三维待扫描棋盘模型进行编辑，是为了可以确定棋盘出现故障的部分，提高对棋盘进行修复的效率，为该系统进行智能鉴别提供可靠基础。
本发明实施例提供一种用于对弈的智能鉴别系统，
当所述服务器对所述目标棋盘进行实时动态跟踪时，通过以下步骤A1-A4，获取所述目标棋盘的动态跟踪信息，其中，步骤A1-A4具体如下：
步骤A1、对所述服务器对所述目标棋盘进行实时动态跟踪获得的动态跟踪图像进行亮度敏感调整；
Figure BDA0002511233850000141
其中，L所述亮度敏感调整后的颜色亮度成分，PassagewayR为所述动态跟踪图像的红色通道的像素值，PassagewayG为所述动态跟踪图像的黄色通道的像素值，PassagewayB为所述动态跟踪图像的蓝色通道的像素值，Pb为所述亮度敏感调整后的蓝色浓度偏移量成份，Pr为所述亮度敏感调整后的红色浓度偏移量成份；
步骤A2、对所述进行亮度敏感调整后的动态跟踪图像进行余弦变换；
将所述进行亮度敏感调整后的动态跟踪图像进行切割，切割后的每个动态跟踪区域都为N*N大小的图像，对于长度或者宽度不是N的整数倍的就用0填充，并将每个N*N大小的区域都转变为一个余弦变换值；
Figure BDA0002511233850000142
Figure BDA0002511233850000143
其中，Zd为中间值，Cos F为所述余弦变换值，Pbi,j为所述动态跟踪区域的第i行第j列的蓝色浓度偏移量成份，Pgi,j为所述动态跟踪区域的第i行第j列的黄色浓度偏移量成份，ZDi,j为所述区域动态跟踪区域的第i行第j列的Zd的计算值，Li,j为所述动态跟踪区域的第i行第j列的颜色亮度成分，其中，i＝1、2、3......N；j＝1、2、3......N；
步骤A3、对经过步骤A2余弦变换处理后的动态跟踪图像进行透视转变；
Figure BDA0002511233850000151
Figure BDA0002511233850000152
其中，ChangeX为将所述经过步骤A2余弦变换处理后的动态跟踪图像中坐标位置为(x,y)的点进行透视转变后的横坐标的值，ChangeY为将所述经过步骤A2余弦变换处理后的动态跟踪图像中坐标位置为(x,y)的点进行透视转变后的纵坐标的值，θ为拍摄所述棋盘图像时摄像头的水平方向与正前方的角度，
Figure BDA0002511233850000153
为拍摄所述棋盘图像时摄像头的竖值方向与垂直向下方向的角度，h为拍摄所述棋盘图像时摄像头距离棋盘的竖值高度，m为拍摄所述棋盘图像时摄像头距离棋盘的水平距离；
步骤A4：基于步骤A3所透视转换后的动态跟踪图像，来获取所述目标棋盘的动态跟踪信息。
上述技术方案的有益效果是：可以将人眼不灵敏的色度图像转变为人眼灵敏的亮度敏感图像，从而提高用户体验感，同时将所述图像进行亮度敏感调整后，便于后面对所述图像进行压缩时的图像视觉和质量之间的均衡，从而保证压缩后的图像质量；可以在不影响所述图像的感官效果的情况下，降低所述图像的内存大小，从而使得所述图像在传输过程中能高效的传输，同时在目标棋盘进行实时动态跟踪时能提高追踪效率；可以将所述图像进行转变，使得所述图像转变为一幅标准的图像便于计算机进行识别，同时所述图像不会出现失真的情况，从而提高所述目标棋盘的动态跟踪信息提取时的准确性。
本发明实施例提供一种用于对弈的智能鉴别系统，
所述监测模块，还用于监测所述目标用户的当前对弈姿态；
所述服务器，还用于根据所述当前对弈姿态，预估落实体棋子的目标棋盘的第一时间；
并根据所述目标用户的历史姿态，确定基于第一时间的延长时间，判断所述目标用户是否在所述第一时间和延长时间的基础上，落实体棋子到目标棋盘上；
若没有，控制所述报警模块执行第二报警操作。
上述监测模块可以为多个高清摄像头获取的关于目标用户的高清图像，进而获得当前对弈姿态；
该实施例中，正常而言，第一时间的时间长度大于延长时间的时间长度，如第一时间为15s，延长时间为3s；
当目标用户在落下实体棋子过程中，超过18s仍未落下棋子，则进行第二报警操作，如，语音报警，或者提示报警(输出落下实体棋子的推荐点)等。
上述技术方案的有益效果是：通过监测用户当前姿态，并结合历史姿态，有效确定下棋时间，且通过报警操作，便于提高下棋效率。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1.一种用于对弈的智能鉴别系统，其特征在于，包括：
监测模块，用于监测目标用户执实体棋子落在目标棋盘的实体点图像；
获取模块，用于获取虚拟对弈系统中的虚拟机器执虚拟棋子落在目标棋盘的虚拟点图像；
服务器，用于当所述获取模块和监测模块开始工作时，对所述目标棋盘进行实时动态跟踪，得到动态跟踪信息；
基于预先建立好的动态跟踪模型，对所获取的动态跟踪信息进行第一智能鉴别，同时对监测的实体点图像和获取的虚拟点图像进行第二智能鉴别，并判断第一智能鉴别结果与第二智能鉴别结果是否相匹配，若是，控制所述获取模块和监测模块继续同步工作；上述第一智能鉴别结果和第二智能鉴别结果，为当前目标棋盘的已落棋子的棋子布局图；
否则，控制报警模块进行相应的第一报警操作；
所述服务器，还用于当对所述目标棋盘进行实时动态跟踪时，获取对所述目标棋盘设定的预设标准模式，并确定所述预设标准模式对应的预设标准对弈数据；
还包括：输入模块，用于当棋盘对弈开始后，接收用户输入的停止对弈指令；
记录模块，用于对所述报警模块所执行的第一报警操作的报警时长进行记录；
所述服务器，还用于当所述输入模块未接收到所述用户输入的停止对弈指令，且所述记录模块所记录的报警时长大于或等于预设时间时，控制所述报警模块停止相应的第一报警操作，同时控制所述报警模块基于预设时间间隔后，继续执行相应的第一报警操作；
当所述输入模接收到所述用户输入的停止对弈指令时，控制所述报警模块停止相应的第一报警操作；
还包括：授权模块，用于对所述目标用户进行等级授权，并形成授权等级数据库；
所述服务器，还用于当输入模块接收到所述目标用户输入的停止对弈指令时，基于所述授权等级数据库，确定输入停止对弈指令的所述目标用户的授权等级，并判断输入停止对弈指令的所述目标用户的授权等级是否在预设授权等级范围内；
若是，获取所述目标用户所输入的停止对弈指令中的权限验证标识，同时，基于预先存储的权限验证数据库，判断所述权限验证数据库中是否存在与所述权限验证标识对应的权限验证路径；
若存在，根据所述权限验证路径，输出与所述权限验证路径所对应的权限验证标识界面，供所述目标用户在所述权限验证标识界面输入确认指令；
否则，控制所述报警模块继续执行相应的第一报警操作；
所述服务器，还用于根据所述权限验证标识界面所接收到的确认指令，控制所述报警模块停止或继续执行相应的第一报警操作；
还包括：扫描模块，用于目标用户与虚拟机器对弈之前，对所述目标棋盘进行扫描，获取所述目标棋盘的断层扫描视频；
构建模块，用于基于神经网络训练模型，构建所述目标棋盘的虚拟三维模型；
检验模块，用于对所述虚拟三维模型中的每个三维坐标点Ek(xe,ye,ze)进行无参量和有参量评估，获得点评估结果，提取所述虚拟三维模型中每个三维坐标点Ek(xe,ye,ze)的特征点信息；
Qk1＝H1(Ek(xe,ye,ze))；
Qk2＝H2(Ek(xe,ye,ze))；
其中，Qk1表示第k个三维坐标点基于无参量的点评估结果；H1表示无参量评估函数；Qk2表示第k个三维坐标点基于有参量的点评估结果；H2表示有参量评估函数；k＝1,2,3，...，K1；
同时，根据所述点评估结果和特征点信息，计算所述虚拟三维模型的综合质量评估结果S；
Figure QLYQS_1
其中，fk表示第k个三维坐标点的特征点信息；γk1表示第k个三维坐标点基于无参量的权重值；γk2表示第k个三维坐标点基于有参量的权重值；
当所述综合质量评估结果S大于预设质量值S1时，表示所述虚拟三维模型合格；
否则，表示所述虚拟三维模型不合格，则重新构建新的虚拟三维模型；
所述服务器，还用于基于时间顺序，将所述扫描模块所获取的断层扫描视频分割为若干待扫描棋盘图像帧，并获取相邻的所述待扫描棋盘图像帧之间匹配点的二维坐标，并将所获取的所有所述二维坐标转换成三维坐标，对所述待扫描棋盘进行三维重建，获得三维待扫描棋盘图像；
并将获得的所述三维待扫描棋盘图像移植到检验合格的虚拟三维模型上，获得三维待扫描棋盘模型；
所述服务器，还用于对所获得的三维待扫描棋盘模型，进行检查，并基于预先存储的安全评估数据库，对所述三维待扫描棋盘模型的检查结果进行安全评估，根据所述安全评估结果对所述三维待扫描棋盘模型进行若干安全等级区域块的划分。
2.如权利要求1所述的智能鉴别系统，其特征在于，
所述服务器，还用于将划分后的所述若干安全等级区域块使用预设颜色进行标注，并添加标注后的所述若干安全等级区域块同步传输到获得的三维待扫描棋盘模型上，同时将添加标注后的所述若干安全等级区域块的三维待扫描棋盘模型传输到监控终端进行显示；
所述监控终端，用于供监控人员对所述服务器所传输的添加标注后的所述若干安全等级区域块的三维待扫描棋盘模型进行编辑。
3.如权利要求1所述的智能鉴别系统，其特征在于，
当所述服务器对所述目标棋盘进行实时动态跟踪时，通过以下步骤A1-A4，获取所述目标棋盘的动态跟踪信息，其中，步骤A1-A4具体如下：
步骤1、对所述服务器对所述目标棋盘进行实时动态跟踪获得的动态跟踪图像进行亮度敏感调整；
Figure QLYQS_2
其中，L所述亮度敏感调整后的颜色亮度成分，PassagewayR为所述动态跟踪图像的红色通道的像素值，PassagewayG为所述动态跟踪图像的黄色通道的像素值，PassagewayB为所述动态跟踪图像的蓝色通道的像素值，Pb为所述亮度敏感调整后的蓝色浓度偏移量成份，Pr为所述亮度敏感调整后的红色浓度偏移量成份；
步骤A2、对所述进行亮度敏感调整后的动态跟踪图像进行余弦变换；
将所述进行亮度敏感调整后的动态跟踪图像进行切割，切割后的每个动态跟踪区域都为N*N大小的图像，对于长度或者宽度不是N的整数倍的就用0填充，并将每个N*N大小的区域都转变为一个余弦变换值；
Figure QLYQS_3
Figure QLYQS_4
其中，Zd为中间值，CosF为所述余弦变换值，Pbi,j为所述动态跟踪区域的第i行第j列的蓝色浓度偏移量成份，Pgi,j为所述动态跟踪区域的第i行第j列的黄色浓度偏移量成份，ZDi,j为所述动态跟踪区域的第i行第j列的Zd的计算值，Li,j为所述动态跟踪区域的第i行第j列的颜色亮度成分，其中，i＝1、2、3......N；j＝1、2、3......N；
步骤A3、对经过步骤A2余弦变换处理后的动态跟踪图像进行透视转变；
Figure QLYQS_5
Figure QLYQS_6
其中，ChangeX为将所述经过步骤A2余弦变换处理后的动态跟踪图像中坐标位置为(x,y)的点进行透视转变后的横坐标的值，ChangeY为将所述经过步骤A2余弦变换处理后的动态跟踪图像中坐标位置为(x,y)的点进行透视转变后的纵坐标的值，θ为拍摄所述棋盘图像时摄像头的水平方向与正前方的角度，
Figure QLYQS_7
为拍摄所述棋盘图像时摄像头的竖值方向与垂直向下方向的角度，h为拍摄所述棋盘图像时摄像头距离棋盘的竖值高度，m为拍摄所述棋盘图像时摄像头距离棋盘的水平距离；
步骤A4：基于步骤A3所透视转换后的动态跟踪图像，来获取所述目标棋盘的动态跟踪信息。
4.如权利要求1所述的智能鉴别系统，其特征在于，
所述监测模块，还用于监测所述目标用户的当前对弈姿态；
所述服务器，还用于根据所述当前对弈姿态，预估落实体棋子的目标棋盘的第一时间；
并根据所述目标用户的历史姿态，确定基于第一时间的延长时间，判断所述目标用户是否在所述第一时间和延长时间的基础上，落实体棋子到目标棋盘上；
若没有，控制所述报警模块执行第二报警操作。
CN202010461948.2A 2020-05-27 2020-05-27 一种用于对弈的智能鉴别系统 Expired - Fee Related CN111659124B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010461948.2A CN111659124B (zh) 2020-05-27 2020-05-27 一种用于对弈的智能鉴别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010461948.2A CN111659124B (zh) 2020-05-27 2020-05-27 一种用于对弈的智能鉴别系统

Publications (2)

Publication Number Publication Date
CN111659124A CN111659124A (zh) 2020-09-15
CN111659124B true CN111659124B (zh) 2023-05-02

Family

ID=72384833

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010461948.2A Expired - Fee Related CN111659124B (zh) 2020-05-27 2020-05-27 一种用于对弈的智能鉴别系统

Country Status (1)

Country Link
CN (1) CN111659124B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114681894A (zh) * 2020-12-30 2022-07-01 深圳Tcl数字技术有限公司 棋盘联动方法、装置、终端设备及计算机可读存储介质
CN113509713A (zh) * 2021-06-25 2021-10-19 成都商汤科技有限公司 一种人机对弈方法、装置、设备及存储介质
CN113780141A (zh) * 2021-08-31 2021-12-10 Oook(北京)教育科技有限责任公司 一种对弈模型的构建方法和装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4398720A (en) * 1981-01-05 1983-08-16 California R & D Center Robot computer chess game
CN102008816A (zh) * 2009-09-07 2011-04-13 周四红 一种电子棋盘装置及自动行棋方法
KR20140064279A (ko) * 2012-11-20 2014-05-28 (주)도울정보기술 매뉴풀레이터 기반의 장기 게임 시스템
CN105413154A (zh) * 2015-12-08 2016-03-23 马科峰 用于人机对战的棋具、棋具系统以及交互方法
CN105983229A (zh) * 2015-02-02 2016-10-05 南君钰 可独立实现人机或网络对弈的电子围棋盘及对弈方法
CN106924961A (zh) * 2017-04-01 2017-07-07 哈尔滨工业大学 一种智能象棋对弈控制方法及系统
CN107497117A (zh) * 2017-08-18 2017-12-22 湖南瑞森可机器人科技有限公司 翻转棋棋盘图像处理方法、系统及人机对弈系统
CN107909889A (zh) * 2017-11-23 2018-04-13 陕西科技大学 一种基于视觉引导的五子棋人机对弈实验教学系统
CN109313687A (zh) * 2016-01-24 2019-02-05 赛义德·卡姆兰·哈桑 基于人工智能的计算机安全
CN110052016A (zh) * 2019-03-20 2019-07-26 合肥磐石自动化科技有限公司 一种下棋机器人的对弈方法
CN110119804A (zh) * 2019-05-07 2019-08-13 安徽大学 一种基于强化学习的爱恩斯坦棋博弈算法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI347853B (en) * 2007-03-29 2011-09-01 Ind Tech Res Inst Portable robotic board game playing system
US10688378B2 (en) * 2017-07-04 2020-06-23 James Andrew Aman Physical-virtual game board and content delivery system

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4398720A (en) * 1981-01-05 1983-08-16 California R & D Center Robot computer chess game
CN102008816A (zh) * 2009-09-07 2011-04-13 周四红 一种电子棋盘装置及自动行棋方法
KR20140064279A (ko) * 2012-11-20 2014-05-28 (주)도울정보기술 매뉴풀레이터 기반의 장기 게임 시스템
CN105983229A (zh) * 2015-02-02 2016-10-05 南君钰 可独立实现人机或网络对弈的电子围棋盘及对弈方法
CN105413154A (zh) * 2015-12-08 2016-03-23 马科峰 用于人机对战的棋具、棋具系统以及交互方法
CN109313687A (zh) * 2016-01-24 2019-02-05 赛义德·卡姆兰·哈桑 基于人工智能的计算机安全
CN106924961A (zh) * 2017-04-01 2017-07-07 哈尔滨工业大学 一种智能象棋对弈控制方法及系统
CN107497117A (zh) * 2017-08-18 2017-12-22 湖南瑞森可机器人科技有限公司 翻转棋棋盘图像处理方法、系统及人机对弈系统
CN107909889A (zh) * 2017-11-23 2018-04-13 陕西科技大学 一种基于视觉引导的五子棋人机对弈实验教学系统
CN110052016A (zh) * 2019-03-20 2019-07-26 合肥磐石自动化科技有限公司 一种下棋机器人的对弈方法
CN110119804A (zh) * 2019-05-07 2019-08-13 安徽大学 一种基于强化学习的爱恩斯坦棋博弈算法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"改进Mask R-CNN在航拍灾害检测的应用研究";李梁等;《计算机工程与应用》;20190821;全文 *
"智能人机对弈五子棋机器人设计";吴晏奇等;《电子器件》;20190826;全文 *
刘晓辉等."查看警报".《网络管理工具完全技术宝典》.2015, *

Also Published As

Publication number Publication date
CN111659124A (zh) 2020-09-15

Similar Documents

Publication Publication Date Title
CN111659124B (zh) 一种用于对弈的智能鉴别系统
CN104504321B (zh) 一种基于摄像头实现远程用户身份验证的方法与系统
CN113191699A (zh) 一种配电施工现场安全监管方法
CN104615234B (zh) 信息处理设备以及信息处理方法
CN109446981A (zh) 一种脸部活体检测、身份认证方法及装置
CN110123257A (zh) 一种视力检测方法、装置、视力检测仪及计算机存储介质
CN106295567A (zh) 一种关键点的定位方法及终端
CN104615233B (zh) 信息处理设备以及信息处理方法
TWI747686B (zh) 缺陷檢測方法及檢測裝置
CN110390229B (zh) 一种人脸图片筛选方法、装置、电子设备及存储介质
CN110414419A (zh) 一种基于移动端观看者的姿势检测系统及方法
US20230041573A1 (en) Image processing method and apparatus, computer device and storage medium
TW202127014A (zh) 智能產線監測系統及監測方法
CN107080524A (zh) 智能体检一体机
CN109522775A (zh) 人脸属性检测方法、装置及电子设备
CN110751728A (zh) 具有bim建筑模型混合现实功能的虚拟现实设备及方法
CN108712627A (zh) 视频会议内容和质量检测设备及检测方法
CN112601022B (zh) 一种基于网络摄像机的现场监控系统和方法
CN114611770A (zh) 一种基于机器视觉的短跑训练测试计时方法
CN118781641A (zh) 人脸识别防作弊系统
CN112766095A (zh) 一种参会人员投入度评价系统及其评价方法
CN118887608A (zh) 用于输电线路的作业监控方法及其装置、电子设备
JPH0415883A (ja) 画像処理装置
CN118449271A (zh) 电力作业场所预警方法、装置、电子设备及存储介质
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

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20230502