摘要：靶面弹着点识别是自动报靶系统中的核心步骤，准确检测出弹孔目标是系统实现可靠报靶的关键。对基于光电的区域定位、声波的线性定位、图像的机器视觉等靶面弹着点检测识别技术及其不同实现方式进行了研究和比较分析，以期为自动报靶系统建设的技术选取提供指导，并对基于图像处理的机器视觉技术在弹孔识别应用上的研究重点和发展方向进行了展望。

关键词：自动报靶系统；弹着点识别；区域定位；线性定位；机器视觉

1 引言

近年来，为改善射击训练条件，提高射击训练效率，保障射击安全，确保成绩评判公正，自动报靶系统得到越来越广泛的应用。尽管针对不同应用场景的自动报靶系统，其实现技术手段和判定方式有所差别，但在组织射击训练、考核、竞赛过程中，无论训练效果评估还是考核成绩评定，靶面弹着点分布都是评判的基本依据。因而，弹着点识别技术是自动报靶系统研究的重要领城，是制约自动报靶系统发展的关键技术，也是评价自动报靶系统性能的核心参数。当前，自动报靶系统通常采用光电、声波和图像等实现靶面弹着点的检测识别。

2 基于光电的区域定位技术

基于光电的区域定位技术是利用光电感知手段，采用区域定位方法进行靶面弹着点位置判定的自动报靶系统实用技术，其将物理靶面环线映射成多个定位区块，并运用双层短路、埋入电极、光栅阵列、激光幕（或红外幕）等技术手段实现靶面弹着点检测和环数识别。

2.1 区域定位原理

区域定位技术定位原理如图1所示。在平面直角坐标系中，以平行于横/纵坐标轴等间隔直线将平面空间分成等距的网格，只需判定目标所在网格区块就能准确定位目标位置。在实践应用中，通常采取对区块进行编码或对水平/垂直分隔线进行编码的方式表示区块所在位置，从而通过目标所在区块编码（或区块坐标）实现目标位置指示。

图1 靶面区城定位原理示意图

图1中将胸环靶映射至直角坐标平面，并在X轴、Y轴方向上以等间隔直线进行靶面分割，整个有效靶面被划分为多个等面积网格，靶面弹着点位置和环数判定就转化为定位弹着点所在区块，由弹着点区块编码或区块分隔线坐标可唯一确定靶面弹着点的位置和环数。从区域定位原理可以看出，区城定位的精度由区块大小决定，区块面积越小（分隔线越密）则区域定位精度越高，反之则越低。

2.2 双层短路检测技术

双层短路检测自动报靶系统的原理如图2所示，在靶纸基板上预先安装两层相互绝缘的导电材料，根据5条靶环线和A-H共8个射击方向将靶面分成多个相互独立的检测区域，当弹丸击穿靶面时，弹着点区城前后两层导电层被弹丸短路，从而根据短路点的位置，就能读取出靶面弹着点位置和环数，从而实现自动报靶。由双层短路检测技术原理及其实现方式可知，采用双层短路检测技术的自动报靶系统不受外部自然环境和电磁环境干扰的影响，能有效检测弹丸重孔，无需标校靶面定位，使用方便，但其检测精度相对较低，靶面成本相对较高，而且不适合射击较为密集的打靶场景，因为当射击若干次后，靶板面的金属将遭到破坏，造成较大的误报率。

图2 双层短路检测原理示意图

2.3 埋入电极检测技术

埋入电极检测技术的基本工作原理与光栅阵列检测技术原理类似，其主要区别就是将光电传感器换成了电极。电极埋入式自动报靶系统在靶纸制作的过程中，将电极组成的网格装置植入靶体中，在这个电极网格的垂直方向和水平方向上的距离小于弹丸直径，当弹丸穿过这种特制的靶体时，会切断垂直方向和水平方向上的的最少两根电极，每个电极都有固定的编号，对应靶面的各点坐标，所以只要检测不同编号的电极之间的电阻值变化就可以计算出弹丸穿过靶面的位置，进步得到靶面弹着点坐标，再通过弹着点坐标判定环数。

由埋入检测技术原理及其实现方式可以看出，网格越密，报靶精度越高，相对而言所需要的成本也越高，这类自动报靶系统通常用在体育竞技项目中，但是由于电极被切断后是不可修复的，所以这种报靶系统的靶体是一次性的，如果靶面弹着点紧挨着上一颗弹孔的位置，刚好又躲过附近的电极，该弹着点将不能被检测到。另外，每张靶体的造价也比较高，而且每射击轮就需要更换副靶体，导致成本大幅度提高，因而这类产品在实际应用中较少。

2.4 光栅阵列检测技术

光栅阵列检测由激光器和光电传感器组成网状光栅，通过网格光栅中激光東被阻断传感器的脉冲检测，测量弹着点的坐标。其基本原理如图3所示，将靶板按照一定间隔分成等距的网格，光源为激光器，探测器为光敏二极管，形成一一对对的激光发射接收对。水平方向以X坐标表示，垂直方向以Y坐标表示，水平方向的平行激光束和垂直方向的平行激光束垂直交叉形成网状光栅平面。实弹射击时，所有的激光器都处于激光发射状态，光敏二极管都处于工作状态，当弹丸击中靶板穿过激光束组成的光栅时，必定要遮挡住某一水平方向的激光束和某一垂直方向的激光束，从而确定靶面弹着点的坐标（x，y）和环数。

在光栅阵列自动报靶系统中，当将靶面十环圆心映射为平面直角坐标原点时，靶面可以直接模拟成圆面，每一激光网格就是不同直径圆上的一个点，其数学描述为：x²+y²=a²，其中a为弹孔所在圆的半径^[1]。当弹丸穿过激光网格时，会切断处于横向和纵向的激光束，从而使处于这两个方向接收激光束的光敏二极管产生一个脉冲，实际上就是确定了方程中x和y的值，从而确定了圆的半径a，也就可得出靶面弹着点的环数。

在光栅阵列自动报靶系统中，要求激光发射器与接收器严格对准。因此，光栅阵列靶的标校问题直接影响到报靶系统的报靶质量及其推广应用。

2.5 光幕检测技术

光幕检测技术是以大发射角发光管代替光栅阵列的激光发射器形成光幕，从而回避激光发射器和接收器的对准问题。其光源通常由多个LED发光管紧密排列而成，依据光的直线传播和叠加原理可知，当发光管之间的间距达到一定值时， 光幕的光强分布可以近似认为是均匀的^[2]。光幕检测技术的工作原理如图4所示，当弹丸穿过图中所示的有效靶区A时，与弹丸K对应的若干光电传感器接收的光强均有不同程度的变化，其中与弹丸正对的光电传感器S的光强变化最大，电压输出信号变化也最大；其它光电传感器距离S越远，输出信息变化就越弱。从原理上说，只要能测量出X和Y方向输出电压变化最大的位置坐标，即可计算出靶面弹着点坐标（x，y）和环数。

图3 光栅阵列原理示意图

图4 光幕检测原理示意图

基于光幕检测技术的自动报靶系统通常选用红外光幕，光幕能够均匀地无缝覆盖整个靶面，靶面弹着点识别精度高，且能有效识别弹丸重孔，适应不同弹径实弹射击的靶面弹着点检测。但是，当弹丸穿过光幕时，会在对应区域的多个接收器上形成强弱不同的输出信号，由于多光束的照射，使弹丸过靶产生的光强变化幅度减少，因此对光电接收器的灵敏度及致性的要求较高；而且为获得靶面弹着点的位置，必须同时对X和Y方向所有接收器的输出进行采样，由于弹丸飞行速度较高，对数据采集系统的采样通道数、采样频率、数据存储和信号判断速度等处理提出了很高要求。

3 基于声波的线性定位技术

基于声波的线性定位技术是根据弹丸激波在空气中的传播特性，运用无源测向定位原理，通过测定激波到达不同探测点的时间差(距离差)， 计算出激波至不同探测点的多条直线交叉点，从而判定靶面弹着点位置坐标和环数。

3.1 线性定位原理

线性定位技术是无源测向定位的基本方法之一 ，其实质是无源测时差定位（或距离差测量定位）^[3]。即假定在同一媒介中信号传播各向同性，目标辐射源与不同探测点之间的距离差，必然使该辐射源信号到达各探测点的时间差存在，因而由时间差通过计算曲面交叉就可获得空间目标位置。其二维空间线性定位原理如图5所示。

图5 装性定位原理示意图

图中S（X_n，Y_n）为辐射源，D1（X₁，Y₁）、D2（X₂，Y₂）、D3（X₃，Y₃）分别为三个独立的探测器，d1、d2、d3分别为辐射源到三个探测器的距离，t₁、t₂、t₃为探测器检测到辐射源信号的时刻。设辐射源信号传播速度为v，则依据传播各向同性假定，由D1、D2探测器之间时间差和距离差的相互关系，可得：

式②中（t₂—t₁）可以通过探测器接收信号的时间差测得，（x₁，y₁）（x₂，y₂）在布置探测器的时候已经知道，v信号传播速度可事前用其它办法获得，辐射源S（X_n，Y_n）坐标X_n、Y_n为需确定的未知数。

同理，分别由D3与D1、D3与D2探测器之间组合，可得到：

从而，联立以上②③④式中任意两个方程，均可求得（X_n，Y_n)的解，也就能确定辐射源S位置坐标。

由以上分析过程可知，要实现二维空间的目标定位，至少需布置三个以上的探测点。随着探测点数量的增加，受测不准原理和信号传播微弱扰动影响，探测器之间两两联立求得的(X_n'，Y_n') 系列值，必定以目标位置(X_n，Y_n)为中心呈震荡状态，但对(X_n'，Y_n') 系列值进行数据处理后，可有效提高线性定位精确度。

3.2 激波检测技术

激波是指在超、跨声速气流中，压强、密度和温度等参数通过波阵面发生突跃变化的压缩波。当弹丸飞出枪口后，以跨声速（马赫数0.8-1.2）、超声速（马赫数1.2-5）飞行时，其周围流场存在从亚声速到超声速，或从超声速到亚声速运动的跨声速区，形成如图6所示的声场变化。当局部流场马赫数>1.0时会出现激波^[4]，其激波阵面的前方空气被挤压来不及向外扩散而形成一定程度的高压；而波阵面的后方空气被排开而膨胀，形成较为突然的负压。大气中压缩区（高压区）和膨胀区（负压区）结合起来，产生了空气动力学中的凹角转折和凸角转折现象，便在弹头或弹带、弹尾部形成近似圆锥形的稠密空气层，就形成弹道激波，同时，在弹尾底部后面呈现低真空的涡流区。

图6 弹丸飞行的声场分布图

（X所在区域为超声速区（a）0.99倍声速；（b）1.01倍声速，弹丸前端一定距离存在超声速区；（c）2.0倍声速，弹丸前缘附近存在亚声速区）

弹丸产生的激波在空气中向四周传播，由于空气介质的非均匀性（声阻、气温、风），使得非线性因素产生累积效应，激波中的高压区传播速度快于声波，而激波的低压区传播低于声速。传播时使得弹丸激波高压区和低压区容易形成一个渐进的外形，形似英文字母“N”，所以通常又将其称为“N" 形波”^[5]。

激波阵面通过传感器时，大体上可由4个过程来描述：弹丸头部椎体形成的凹角转折使压力从常压P₀急速上升至P0+P1，锥柱界面形成的凸角转折使压力从P₀+P₁降至P₀，柱面膨胀又使压力从P0渐降至P₀-P₂，弹丸底部的界面变化又使压力从P₀-P₂急速回升至P₀，激波阵面压强变化过程如图7所示。图中，T_F为激波时间宽度，t₁为砰发点时刻，t₁，t₂为前后沿上升时间。经进一步研究表明，理想“n”形波前后沿上升时间t₁=t₂，幅值P₁=P₂，因此，当弹丸激波扫过检测点时，传感器阵列检测到激波信号，获得激波信号经过每个传感器时的时间宽度T_F和传感器之间的时间间隔t₁，再运用线性定位原理和靶面映射模型便可解算出弹丸的弹着点坐标和环数。

图7 弹丸激波压强变化过程

当射击方向垂直入射靶面时，近似激波各方向等速传播，因此对定位精度没有影响，但在弹丸斜入射条件下，会导致激波阵面的传播在靶面上以椭圆阵面传播^[6]，使各个传感器的时间有很大误差，从而对定位精度产生影响。同时，根据空气动力学原理，激波在运动过程中会受到激波前后空气压强、密度、温度等变化影响，不再满足激波传播速度为恒定声速的假定，也会影响弹着点的定位精度。

4 基于图像的机器视觉技术

基于图像的机器视觉技术是以视频图像为处理对象，运用机器视觉表面缺陷检测技术，通过对靶面背景、靶面弹孔图像进行检测和分割，来判定靶面弹着点的位置和环数。其流程包括图像采集、图像预处理、目标区域分划、特征提取和选择以及目标的识别分类。当弹丸击中靶纸后，会在靶面留下一个类圆形弹孔，从而将靶面分割为弹孔、靶面背景两个区域，弹着点识别的核心是判断是否产生新弹孔（或重叠弹孔），并通过弹孔与靶面背景的分离，实现靶面弹着点识别。

4.1 差分减影识别

在实弹射击过程中，靶面图像采集是连续的，当每弹丸击中靶纸前，由其以前弹丸形成的靶面状态已固定，可视作不变的靶面背景，该弹丸击中靶纸渐产生的弹孔（或重叠弹孔）是弹着点识别的目标。假设差分减影识别以M为滑动处理窗口，即M帧连续图像序列，其第K帧图像(臧除固定靶面背景)可表达为^[7]：

由第⑨式可知，对M帧差分图像进行累加平均后，所得的平均差分图像信噪比提高了M倍，也就是兴趣点目标图像得到了M倍的增强。

运用以上图像差分减影识别算法，倪晋平等提出了一种基于时间序列图像的减影技术识别弹孔^[8]，其将前后捕获到的两帧图像对应坐标的像素灰度值相减，两原图像中所有相同背景由于灰度值相同，相减结果为暗区域，而亮区域则是射击后靶图像上造成的新弹孔和前靶图像上没有弹孔的对应区域灰度值相减形成的，通过求靶面亮区域重心的方法来确定靶面弹着点中心位置。该方法简单快捷，但是抗噪声能力弱，靶面的抖动和光照的变化都会带来严重干扰。在实弹射击靶面图像中，靶面背景呈现大面积的连续分布，可以认为靶面背景处于图像的低频部分，而弹孔处于图像的高频部分。运用靶面图像的这-频城分布特性，钱永浩等提出基于小波变换图像融合的弱小目标增强方法^[9]，利用小波变换将图像分解为不同尺度上的小波域中，其对连续6帧序列图像低频部分的小波系数采用像素级平均加权法，高频部分采用绝对值取大，从而达成低频滤波、噪声抑制和突出目标图像之目的。该方法抗噪能力强，能很好解决差分减影识别方法中的噪声以及靶环线干扰问题，但是其计算复杂度和时间复杂度高。

4.2 区域特征识别

在实弹射击中，弹丸击中靶纸时会在靶面上留下弹孔痕迹，通过对比射击前后的靶面图像可发现：其-弹孔区域亮度减弱，由于从弹孔内反射的光线较少，弹孔区域像亮度下降程度明显高于非弹孔区域，其平均灰度值减低；其二弹孔区域的一致性变差，由于弹孔区域是不规则圆形，其边缘呈现比周围亮的细纹，因此在弹孔区域内颜色（或灰度）的一致性变差。因而，基于弹孔区城特征属性可以实现靶面弹着点识别。

基于弹孔模型的识别技术^[10]。成像后的靶面弹孔是一个背景变化的圆形斑点信号，可以用一个M(p)模型（如图8所示）描述，构成该模型的矢量为p=（x，y，a，b，δ），其中a是弹孔灰度的峰值，b是局部背景灰度值，（x， y）是弹孔中心坐标，δ是圆形斑点模型方差。邵亚飞等人基于M(p)弹孔模型提出了高斯建模的弹孔检测算法，其基本思想是使用局部灰度特性来为模型匹配确定初始点，根据这些初始点，使用一种高斯模型来进行匹配；最后，对判决的结果进行验证，并根据序列靶面的特点引入反馈处理方法，进一步增强了算法的鲁棒性。数据表明：该算法可对不同灰度、不同尺度的背景斑点进行描述和定位，但是在物体与背景差别度不大的情况下很难工作。

图8 圆形弹孔模型

基于相似性度量的识别技术^[11-12]。根据图像中相邻像素之间的相关性，近似地将某像素的m x m邻城所有像素的灰度视为该像素的n（n=m²）次观测值，并定义为n次邻域统计量。基于邻域统计量概念，罗杰等提出了一种像素的n次序统计量灰度相似性弹孔识别方法，其以弹孔中心像素点灰度的次序统计量计算弹孔区城在射击前后的灰度变化特性并与灰度相似性、一致性系数等区城参数作比较，达到识别靶面弹着点的目的，该算法充分利用灰度图像所包含像素点的平均灰度值、灰度相似性和区城灰度一致性等信息，增加了弹孔识别判断条件，可获得较高的识别效果。葛启东等为克服灰度图像丢掉目标色度、饱和度等有用信息，导致目标特性不能充分表达的不足，以彩色图像为数据源，以3 X 3方形区域为基本比较单元，以射击前后两帧靶面图像的颜色相似性系数、一致性系数等作为区域颜色的度量参数的变化来识别弹孔，该算法利用彩色图像所包含目标的丰富信息，能够对与背景颜色相似程度低于98%的弹孔实现有效识别，但其计算量大，实时性有待进步提高。

基于统计特性的识别技术^[13-16]。根据弹孔像索灰度值明显低于周围像素的特点，可以计算弹孔大小区域的平均灰度与其周围一定区域的平均灰度的差异，并据此差异来判断是否为弹孔。张先叶等将靶面图像分割成M个灰度值的C类，以使类间方差取最大值的阀值组作为类C间划分的最佳阀值，并运用该动态阀值算法实现了二值化靶面弹着点识别。张旭光等通过计算包含弹孔的方形区域的平均灰度，创新引入模糊理论、设计隶属度函数依据弹孔与周围区域的灰度差异自适应识别弹孔，该算法识别速度较快，结果准确，但对图像震动幅度限制在两个像素以内，没有考虑靶面大幅震动产生的畸变。秦斌等运用统计模型目标识别法，首先获取不同环境下的弹孔图片和非弹孔图片，然后利用弹孔Haar特征和AdaBoost算法结合进行训练，生成级联分类器，最后用训练好的分类器进行模式匹配来实现靶面弹着点识别。刘秋燕等首先统计不含弹孔的原始靶图RGB 3个通道上的彩色数据信息，然后根据直方图信息对包含弹孔的靶图按像素进行标记，对RGB通道信息与统计结果相差较大的点标记为白色，其余的标记为黑色，最后运用数学形态学方法实现二值化靶面的消噪和弹着点识别。基于统计特性识别的优点在于不依赖弹孔的先验知识和参数模型，可避免不精确和不完整的知识造成的错误，扩大了检测的范围，提高了算法的鲁棒性。

4.3 边缘检测识别

在数学形态学中，边缘主要定义为屋顶型边缘和阶跃型边缘。当图像区域灰度值呈现凹形变化或呈现凸形变化，且灰度变化宽度L小于所选取结构元素g宽度的边缘称为暗屋顶状边缘或亮屋顶状边缘，如图9(a)和图9(b)所示。当灰度值在两个恒定的灰度值区域之间突变，且宽度L大于或等于所选取的结构元素g宽度的边缘称为阶跃状边缘，如图9(c)所示。由此，可将胸环靶图像中的边缘划分为：十环中心区域边缘和胸环靶外围轮廓为阶跃型边缘，用1标示；白色环线和环数为亮屋顶边缘，用2标示；弹孔区城为暗屋顶边缘，用3标示，如图9(d) 所示。

图9 图像边缘分类及胸环靶边缘划分图

边缘识别算法是根据图像边缘处的像素灰度值不连续性，通过求导来检测识别^[17]。经典的边缘检测算法一般采用微分方法进行计算，常用一阶微分边缘检测算子有Robert算子、Sobel算子、Prewitt算子、 Kirsch算子等，二阶微分算子有Canny算子、Log算子、Marr算子、Laplacian算子等，一阶微分算子方法计算简便、速度快，但定位不准确，二阶微分算子方法边缘定位准确，但对噪声敏感。张晓錕等基于图像处理技术的自动报靶系统运用二阶微分算子实现弹孔检测明^[18]，其在对靶面图像进行差分减影、二值化处理和数学形态学滤波后，首先利用Canny检测算子进行边缘检测，得到弹孔的边缘信息，而后采用形态学细化方法加以细化，得到单像素弹孔边缘，保证弹心提取的精确性，在此基础上采用三点定圆法确定靶面弹着点中心坐标。周友行等提出结合弹孔边缘特征与色彩特征的胸环靶弹孔识别方法^[19]，其采用数学形态学边缘检测算法确定胸环靶图像边缘，取边缘图像像素点水平方向(0°) 、垂直方向（90°）、45°方向和135°方向的一阶梯度最大值与原图像相加，提高边缘图像与背景的对比度，提高弹孔区域色彩特征数据，用图像饱和度、亮度灰度图像中4X4方形区域平均灰度值与靶纸背景图像平均灰度值的平均差量识别边缘图像中的弹孔区域、环线区域和中心区域。该算法能够准确从一次成像的胸环靶图像中进行靶面弹着点提取识别，还能在一定程度上减少自然环境下光照、灰尘、震动对靶面图像造成的噪声、畸变影响。

5 弹着点识别技术发展

自动报靶系统的准确度、可靠性、实时性、鲁棒性是选择和评估报靶系统的关键指标，而靶面弹着点识别技术、识别算法则直接决定着关键参数指标能够实现的程度，也严重影响着自动报靶系统的成本代价。从前述不同靶面弹着点识别技术分析可以看出：提高基于光电区域定位技术的自动报靶系统准确度，其不仅成本代价高，而且无法消除弹丸重孔的漏报；基于声波线性定位技术的自动报靶系统的准确度、鲁棒性受外部环境、弹丸着靶形态影响较大；而基于图像的机器视觉技术，虽然其识别准确度和响应速度，与光电区域定位技术、声波线性定位技术仍 然存在一定的差距，但是随着图像处理技术、机器视觉、人工智能等技术的快速发展，必然会成为自动报靶系统的主流技术。

靶面弹着点识别是基于图像处理技术自动报靶系统中的核心步骤，能否准确检测出弹孔目标直接关系到系统能否可靠地进行报靶^[20]。在实际射击训练中弹孔识别面临的主要挑战有：一是射击场地有室内、室外环境，特别是室外射击场，为阻挡子弹往往会在靶体的背后布置废旧轮胎或依托山体、土包等颜色灰暗干扰物，这将严重影响靶面信息的获取。而太阳光照射靶面形成的散点光斑，以及小昆虫（如苍蝇）进入靶面，极易造成靶面图像的弹着点误判，是靶面真实弹孔识别的最严重干扰因素之一一； 二是为达到保护摄像头的作用，摄像头通常安装在靶体前下方，导致摄像头与靶纸不是绝对的垂直关系，而是斜视、仰视靶面图像，致使靶面图像发生畸变，从而产生报靶准确度误差；三是灰度图像中弹孔的灰度与背景（除10环白色区域外）灰度差别很小，因此利用弹孔灰度特性进行阀值分割识别弹孔时效果很差，且容易将与弹孔亮度变化相似的阴影区域识别为弹孔；四是由于外界光照条件的变化、弹丸穿过靶体时造成的靶纸震动使得采用差分减影进行弹孔识别时带来大量的伪弹孔区域；五是弹丸重孔识别仅以靶面图像为处理对象仍然不能够有效解决，不可避免地存在靶面弹着点重孔漏报的可能。

由上述基于图像的弹孔识别技术面临的五个方面挑战看，提高靶面弹着点识别的准确度、可靠性、实时性和鲁棒性，在技术层面上涉及图像处理中的图像增强、图像校正、图像识别等技术，而传统二值化、灰度图像目标识别算法没有充分利用彩色图像的色彩信息，基于阀值门限的区域分割和基于微分算子的边缘检测算法都存在阀值选择、噪声敏感的困境。因而以彩色图像为处理对象的数学形态学、小波变换，以及基于人工智能和深度学习的现代计算机视觉技术特别是基于语义图像分割的卷积神经（CNN）网络、集成学习和DeepLab等深度学习架构的应用，或在提升靶面弹着点识别性能上是值得关注和研究的重要方向。

6 结语

弹着点识别技术是自动报靶系统的核心技术，从国内外有关自动报靶系统的研究成果看，基于光电的区域定位技术是比较成熟的靶面弹着点识别技术，但受实现方式、使用成本等限制，其识别精度并不高；基于声波的线性定位技术采用弹丸激波检测方式实现，其每次使用均需事先进行靶面标定且识别精度受外部环境、射击方式影响较大；基于图像的机器视觉技术虽然其现有算法的识别准确度及可靠性、鲁棒性仍存在不足，但随着基于人工智能和深度学习的机器视觉技术的快速发展成熟，其必然成为自动报靶系统靶面弹着点识别的主流技术方向。

参考文献

[1] 张军，颜树华，徐琰.自动报靶系统的研究进展[J] 激光与红外，2006(12)：1152-1154.

[2] 曹勇，张宇，熊伟，等.光电坐标传感器在光幕靶中的应用[J].装甲兵工程学院学报，2011(04)：61-64.

[3] 王伟.浅析无源定位技术[J].自动化指挥与计算机，2012(01)：53-57.

[4] 王良明，韩珺礼，陈志华，等.野战火箭飞行力学[M].北京：国防工业出版社.2015：10-12.

[5] 顾国华，张良，吴海兵，等.基于弹丸激波的弹目偏差测试与反演研究[J].兵工学报，2017(03)：576-584.

[6] 胡宏伟，张全林，张琪，等.基于声电定位的自动报靶器误差分析[J].电声技术，2011(09) ：31-33.

[7] 秦雨萍，张双，张萍等.基于数学形态学的差分图像目标检测箅法研究[J].舰船电子工程，2018(4)：16-18.

[8] 倪晋平，张为防.一种基于减影技术的纸靶重孔识别方法[J].西安工业大学学报，2009(1)：12-15.

[9] 钱永浩，吴小俊，罗晓清.一种基于差帧图像融合的弱小目标增强方法[J].弹箭与制导学报，2010(6)：175-177.

[10] 邵亚飞，张利，吴国威.一种基于模型的军用靶图序列弹孔检测算法[J].中国图像图形学报，2001(11)：1075-1078.

[11] 罗杰，张之明.基于灰度相似性度量的弹孔识别方法[J].武警工程大学学报，2015(11)：35-38.

[12] 葛启东，余仲秋.基于颜色相似性度量的弹孔识别方法[J].计算机应用，2010(8) ：2241-2243

[13] 刘秋燕，陈耀武.基于视频图像分析的自动报靶方法研究[J].计算机工程，2015(12) ：212-215.

[14] 秦斌，殷晓露，禹世杰.实弹射击报靶系统的图像校正[J].现代电子技术，2014(7)：109-113.

[15] 张先叶，高俊钗，李亚强.弹丸立靶坐标的图像处理算法研究[J].科学技术与工程，2008(11) ：3018-3021.

[16] 张旭光，孙巍，韩广良，等.一种弹孔自动识别算法研究[J].光学精密工程，2005(12) ：747-752.

[17] 汤勃，孔建益，伍世虎，等.机器视觉表面缺陷检测综述[J].中国图像图形学报，2017(22) ：1640-1663.

[18] 张晓錕，林嘉宇.一种基于图像处理技术的自动报靶系统设计[J].微处理机，2010(6)：101-104.

[19] 周友行，周健，邓渝波等.基于边缘特征与HIS色彩特征的胸环靶弹孔识别[J].计算机工程与应用，2015(24)：190-194.

[20] 罗杰，张之明.基于图像处理技术自动报靶系统综述[J].激光杂志，2016(7)：1-6.

作者简介

王太军(1968-) ，高级工程师，主要研究方向为通信与网络工程、网络安全、数据分析等。

陈玲俐(1988-)，博士，主要从事计算机视觉、数据挖掘、知识图谱以及自然语言处理等研究开发。

向世杰(1989-) ，硕士，主要从事物联网系统集成、无线射频等研究开发。

周超(1984-)，工程师，主要研究方向为网络安全、数字化图像分析与处理等。