近年来，随着图像采集和处理技术的逐渐成熟，基于图像快速识别技术的实用系统开始得到越来越多的关注。例如使用摄像头进行图像采集的自动保安报警系统、车载智能路面检测系统、利用视频采集" title="视频采集">视频采集和异常检测技术检查玻璃制品质量的自动化生产线等，其中一些系统的性能已经达到实际商业应用的标准。但是，上述系统只是对视频采集和图像处理技术的简单应用，一般使用快速的图像异常检测方法就可以满足要求。随着硬件性能的不断提高和视频采集/处理技术的不断进步，从摄像头采集到的图像质量也越来越好，一些更高级的应用进入人们的视野，本文介绍的射箭计分控制系统就是基于对图像的更深层次的分析设计实现的。
　　传统的射箭计分系统一般采用在箭靶后安装传感器的方法确定着靶点位置。但由于射箭时力量很大，传感器非常容易损坏，需要经常更换，而传感器本身价格比较昂贵，因此整个系统的运行维护成本非常高，很难真正投入使用。随着视频处理技术的发展，利用摄像头监视射箭动作并自动计算靶环得分成为可能。由于摄像头的价格低廉，不易损坏，与传统的计分系统相比造价很低，因此具有很高的性价比，有很强的实际价值和良好的应用前景。
　　在软件设计上，本系统使用高清高速摄像头采集箭靶图像后，通过直方图分析确定箭支上靶检测的灵敏度，利用快速Hough变换的原理在图像中提取直线，进行去噪、排重和端点标定后得到图中的箭支线段位置，达到了较好的识别准确率；在硬件设计上，系统采用振动检测器和红外装置帮助监视射箭动作，另外利用串口通讯实现了靶车的自动定位。该系统在实际中取得了良好的应用效果。
1 射箭计分控制系统的软硬件设计
1.1 设计目标
　　射箭计分系统的设计目标是自动引导用户完成射箭、计分、拔箭的循环过程。图1给出了系统的运行示意图。在整个过程中，为满足商业和专业应用的需要，必须达到以下设计目标：
　　·实时检测所有上靶箭支，并对脱靶箭支提出警告，有一定的抗干扰能力；
　　·快速定位着靶点，计算靶环的准确率达到90%以上；
　　·在靶纸位置发生轻微偏移的情况下可以自动校准；
　　·着靶箭支超过一定数量后自动回靶。

1.2 硬件设计
　　射箭计分系统由计算机和提供辅助功能的外围设备" title="外围设备">外围设备组成，如图2所示。外围设备包括靶车、箭道滑轨以及射箭必备的弓箭等。在靶车上安装有箭靶和摄像头，箭道滑轨上装有用于定位靶车的电机和控制电路以及各种信号传输线，在弓上安装有小巧的振动传感器和红外发送装置。下面介绍各外围设备的工作原理。
　　弓身上的振动传感器可以探测到箭射出时的强烈振动，发出红外信号，红外接收器接收到该信号，产生中断通知系统有箭射出。摄像头以及配套的视频采集卡用于采集视频图像。系统通过串口发送电平信号给电机控制电路，驱动电机沿箭道滑轨前后移动靶车，以将靶车定位到合适位置。

1.3 软件设计
　　射箭计分系统的软件组成如图3所示，以策略控制模块" title="控制模块">控制模块为核心，控制视频采集模块、靶环偏移矫正模块、射箭动作检测模块和着靶点得分计算模块等功能模块。图中着重标出的模块计算任务繁重，为保证整个系统平滑稳定地运行，这些模块采用多线程后台处理，其他模块和策略控制模块一同在UI主线程中工作。图中的实线箭头表示模块间控制信号的传递，虚线箭头表示主要数据流向。

1.4 关键算法
1.4.1 Hough变换
　　射箭计分系统中的关键工作就是比较箭中靶前后的两幅图像，找到着靶点在靶面上的相对位置。如图2中所示，摄像头与靶面成一定的角度(约45°)，在拍摄到的图像中，箭以线段的形式出现。因此寻找着靶点的问题可形式化为在图像中寻找线段并确定其端点的线段检测问题，这可以通过Hough变换的方法解决。Hough变换^[1]是用于图像中检测直线、圆等可参数化模式的一个有力工具，它可以看作是将图像空间的每一个像素映射到参数空间中，然后对所有可能经过该像素的模式进行投票的过程。该变换对噪音具有鲁棒性" title="鲁棒性">鲁棒性，对于不连续的模式也能有较好的识别效果。在射箭系统中，箭的图像是一段有宽度的线段，而不是理想的单线，另外，图像中存在噪声，因此还可能存在干扰线段。本系统采用的是参考文献2中提出的宽线段Hough变换算法，相对于传统方法，它更适于识别有特定宽度的线段。
1.4.2 动态校准
　　在实际系统中，靶车会经常在滑轨上移动，靶纸也需要经常更换，这些都会造成摄像头和箭靶之间的相对位置发生轻微扰动。这样，即使确定了正确的线段端点的坐标，但由于靶心和靶环位置错误，最终得分也是错误的。因此，采取动态模版匹配的方法对靶心和靶环位置进行动态校准。根据摄像头和靶面之间的角度、距离以及摄像头参数，系统动态生成靶心以及10环和9环的近似椭圆图像，并以其为模版，对图像中心位置附近进行搜索以确定新的靶心。经实验验证，除摄像头严重偏离位置的情况外，该抗扰动算法均可以迅速地重新确定靶心位置，在实际商业应用中也未出现靶心位置计算错误的情况，有很强的鲁棒性。
2 实验及结果分析
　　实验用系统硬件设备以适合商业应用为标准，采用Intel赛扬1.1GHz处理器，128MB内存，摄像头参数为640×480×24bit。为贴近真实情况，在不同光照、靶纸以及箭身材料条件下进行了3600次实验。将箭射出前后的两幅图相减得到差图，经预处理后应用宽线段Hough变换和传统Hough变换分别进行对比实验。表1列出了对比结果。
　　从表1中可以看出，宽线段Hough变换和传统Hough变换相比，总错误率下降了91%，从而大大提高了识别的准确率。最终基于改进的Hough变换所达到的检测正确率为98.6%，能够良好地应用于实际系统中。在实验中还发现，对于不能正确识别的箭支，大多是因为发生了箭支间严重遮挡的偶然情况，如果需要进一步提高检测正确率，可通过增加摄像头从不同角度拍摄箭靶照片的方法解决这一问题。