近年來，隨著圖像采集和處理技術的逐漸成熟，基于圖像快速識別技術的實用系統開始得到越來越多的關注。例如使用攝像頭進行圖像采集的自動保安報警系統、車載智能路面檢測系統、利用視頻采集" title="視頻采集">視頻采集和異常檢測技術檢查玻璃制品質量的自動化生產線等，其中一些系統的性能已經達到實際商業應用的標準。但是，上述系統只是對視頻采集和圖像處理技術的簡單應用，一般使用快速的圖像異常檢測方法就可以滿足要求。隨著硬件性能的不斷提高和視頻采集/處理技術的不斷進步，從攝像頭采集到的圖像質量也越來越好，一些更高級的應用進入人們的視野，本文介紹的射箭計分控制系統就是基于對圖像的更深層次的分析設計實現的。
　　傳統的射箭計分系統一般采用在箭靶后安裝傳感器的方法確定著靶點位置。但由于射箭時力量很大，傳感器非常容易損壞，需要經常更換，而傳感器本身價格比較昂貴，因此整個系統的運行維護成本非常高，很難真正投入使用。隨著視頻處理技術的發展，利用攝像頭監視射箭動作并自動計算靶環得分成為可能。由于攝像頭的價格低廉，不易損壞，與傳統的計分系統相比造價很低，因此具有很高的性價比，有很強的實際價值和良好的應用前景。
　　在軟件設計上，本系統使用高清高速攝像頭采集箭靶圖像后，通過直方圖分析確定箭支上靶檢測的靈敏度，利用快速Hough變換的原理在圖像中提取直線，進行去噪、排重和端點標定后得到圖中的箭支線段位置，達到了較好的識別準確率；在硬件設計上，系統采用振動檢測器和紅外裝置幫助監視射箭動作，另外利用串口通訊實現了靶車的自動定位。該系統在實際中取得了良好的應用效果。
1 射箭計分控制系統的軟硬件設計
1.1 設計目標
　　射箭計分系統的設計目標是自動引導用戶完成射箭、計分、拔箭的循環過程。圖1給出了系統的運行示意圖。在整個過程中，為滿足商業和專業應用的需要，必須達到以下設計目標：
　　·實時檢測所有上靶箭支，并對脫靶箭支提出警告，有一定的抗干擾能力；
　　·快速定位著靶點，計算靶環的準確率達到90%以上；
　　·在靶紙位置發生輕微偏移的情況下可以自動校準；
　　·著靶箭支超過一定數量后自動回靶。

1.2 硬件設計
　　射箭計分系統由計算機和提供輔助功能的外圍設備" title="外圍設備">外圍設備組成，如圖2所示。外圍設備包括靶車、箭道滑軌以及射箭必備的弓箭等。在靶車上安裝有箭靶和攝像頭，箭道滑軌上裝有用于定位靶車的電機和控制電路以及各種信號傳輸線，在弓上安裝有小巧的振動傳感器和紅外發送裝置。下面介紹各外圍設備的工作原理。
　　弓身上的振動傳感器可以探測到箭射出時的強烈振動，發出紅外信號，紅外接收器接收到該信號，產生中斷通知系統有箭射出。攝像頭以及配套的視頻采集卡用于采集視頻圖像。系統通過串口發送電平信號給電機控制電路，驅動電機沿箭道滑軌前后移動靶車，以將靶車定位到合適位置。

1.3 軟件設計
　　射箭計分系統的軟件組成如圖3所示，以策略控制模塊" title="控制模塊">控制模塊為核心，控制視頻采集模塊、靶環偏移矯正模塊、射箭動作檢測模塊和著靶點得分計算模塊等功能模塊。圖中著重標出的模塊計算任務繁重，為保證整個系統平滑穩定地運行，這些模塊采用多線程后臺處理，其他模塊和策略控制模塊一同在UI主線程中工作。圖中的實線箭頭表示模塊間控制信號的傳遞，虛線箭頭表示主要數據流向。

1.4 關鍵算法
1.4.1 Hough變換
　　射箭計分系統中的關鍵工作就是比較箭中靶前后的兩幅圖像，找到著靶點在靶面上的相對位置。如圖2中所示，攝像頭與靶面成一定的角度(約45°)，在拍攝到的圖像中，箭以線段的形式出現。因此尋找著靶點的問題可形式化為在圖像中尋找線段并確定其端點的線段檢測問題，這可以通過Hough變換的方法解決。Hough變換^[1]是用于圖像中檢測直線、圓等可參數化模式的一個有力工具，它可以看作是將圖像空間的每一個像素映射到參數空間中，然后對所有可能經過該像素的模式進行投票的過程。該變換對噪音具有魯棒性" title="魯棒性">魯棒性，對于不連續的模式也能有較好的識別效果。在射箭系統中，箭的圖像是一段有寬度的線段，而不是理想的單線，另外，圖像中存在噪聲，因此還可能存在干擾線段。本系統采用的是參考文獻2中提出的寬線段Hough變換算法，相對于傳統方法，它更適于識別有特定寬度的線段。
1.4.2 動態校準
　　在實際系統中，靶車會經常在滑軌上移動，靶紙也需要經常更換，這些都會造成攝像頭和箭靶之間的相對位置發生輕微擾動。這樣，即使確定了正確的線段端點的坐標，但由于靶心和靶環位置錯誤，最終得分也是錯誤的。因此，采取動態模版匹配的方法對靶心和靶環位置進行動態校準。根據攝像頭和靶面之間的角度、距離以及攝像頭參數，系統動態生成靶心以及10環和9環的近似橢圓圖像，并以其為模版，對圖像中心位置附近進行搜索以確定新的靶心。經實驗驗證，除攝像頭嚴重偏離位置的情況外，該抗擾動算法均可以迅速地重新確定靶心位置，在實際商業應用中也未出現靶心位置計算錯誤的情況，有很強的魯棒性。
2 實驗及結果分析
　　實驗用系統硬件設備以適合商業應用為標準，采用Intel賽揚1.1GHz處理器，128MB內存，攝像頭參數為640×480×24bit。為貼近真實情況，在不同光照、靶紙以及箭身材料條件下進行了3600次實驗。將箭射出前后的兩幅圖相減得到差圖，經預處理后應用寬線段Hough變換和傳統Hough變換分別進行對比實驗。表1列出了對比結果。
　　從表1中可以看出，寬線段Hough變換和傳統Hough變換相比，總錯誤率下降了91%，從而大大提高了識別的準確率。最終基于改進的Hough變換所達到的檢測正確率為98.6%，能夠良好地應用于實際系統中。在實驗中還發現，對于不能正確識別的箭支，大多是因為發生了箭支間嚴重遮擋的偶然情況，如果需要進一步提高檢測正確率，可通過增加攝像頭從不同角度拍攝箭靶照片的方法解決這一問題。