一种基于卷积神经网络模型的象棋识别方法

摘要

本发明提供一种基于卷积神经网络模型的象棋识别方法，包括S1)、利用工业相机采集包含棋子的棋盘图像；S2)、对棋盘图像进行hough圆检测，获取每个棋子区域图像；S3)、将棋子区域图像的分辨率修改为48*48；S4)、通过统计颜色阙值范围内的像素个数来判断每个棋子的颜色；S5)、将棋子区域图像输入训练好的基于卷积神经网络的象棋识别模型中，进行字符识别，输出棋子文字。本发明提供的方法能够进一步提高中国象棋识别准确率，识别准确率为99.995％以上；本发明基于HSV颜色空间下进行颜色识别，减少了光照强度变化对识别效果的影响；本发明识别速度快，单个棋子识别时间在20ms左右，对现有技术有较好的提高。