基于卷积神经网络的军棋判定系统

高云华，刘奔

（江苏经贸职业技术学院，江苏南京，211168）

1 卷积神经网络

1.1 基本概念及特点

上世纪60年代，Hubel等人通过对猫视觉皮层细胞的研究，提出了感受野这个概念，到80年代，Fukushima在感受野概念的基础之上提出了神经认知机的概念，第一次在技术上实现了卷积神经网路。卷积神经网络（CNN），顾名思义，内部包含卷积结构，同时具有深度前馈。卷积神经网络需要大量用于训练的数据，但其依靠三个关键的操作大大减少深层网络占用的内存量，分别是局部感受野，权值共享，pooling层，有效的减少了网络的参数个数，缓解了模型的过拟合问题[1]。在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进,现在CNN已经成为众多科学领域的研究热点之一，并根据其学习的特征可以进行监督学习和非监督学习。特别是在模式分类领域，CNN可以不用对图像进行复杂的前期处理，如去噪、二值化、腐蚀、膨胀、边缘检测、分割等步骤，因此在使用中更为便捷。近年来卷积神经网络的研究也在不断突破，成为是图像识别领域的核心算法之一，在日益兴起的热门领域中应用极其广泛，并在学习数据充足时有稳定的表现[2]。

1.2 网络结构

卷积神经网络模型主要包括输入层、卷积层、池化层、全连接层和输出层，网络结构如图1。卷积神经网络在计算机视觉及图像处理领域应用较广，因此输入层信息为平面上的二维像素点和RGB通道。为了提取的特征更加丰富，网络模型通常由一个或多个卷积层、池化层以及全连接层构成。在一些更为现代的算法中可能有Inception模块、残差块（residual block）等复杂构筑。卷积神经网络整体架构是一种多层监督学习的神经网络，通过学习大量的输入输出样本，用卷积神经网络进行训练，再根据新的输入，输出拟合之后的结果。经典的卷积神经网络模型有LeNet-5、AlexNet、VGG、GoogleNet、ResNet以及DenseNet等，这几种网络在深度和复杂度方面依次递增，但每个模型都有独特的优点与缺点[3]。

图1 卷积神经网络结构

2 军棋识别的总体思路及识别算法

2.1 军棋识别流程

识别前必须先获得双方棋子图像，此时可将棋子放入白色背景的指定位置孔位，为方便后续图像目标提取与分割，在孔位边沿有与棋子边缘大小一致的黑色矩形。用搭载了摄像头的树梅派采集识别图片,调用OpenCV中VideoCapture类实例化一个视频对象，用该类的read方法读取摄像头视频流，按键拍摄一幅图像，使用imwrite方法将图片保存[4]。获取的图片放入预先训练好的卷积神经网络模型中进行棋面文字的预测，按军棋规则比较棋力大小，给出判定结果，根据需要可以有声光电提示。模型的构建与训练直接影响到最后的判断结果，因此至关重要。

2.2 模型选择

本文使用的模型参照AlexNet模型结构，如图2所示，它是8层网络结构,有5个卷积层和3个全连接层。卷积层参数有3个:卷积核大小、步长和填充，三者共同决定了卷积层输出特征图的尺寸，是卷积神经网络的超参数。其中卷积核大小可以人为指定,其值可以是小于输入图像尺寸的任意值，可根据经验设定，但不宜过大或过小。本文中采集到的图像通过OpenCV中的resize( )函数裁减为大小224*224,第一卷积层使用大的卷积核，大小为11*11，步长为4, 采用最大池化，大小为3*3，步长为2,，第二卷积层使用5*5的卷积核大小，步长为1, 采用最大池化，大小为3*3，步长为2,，剩余卷积层都是3*3的大小，步长为1。激活函数使用ReLu ，激活函数的作用是能够给神经网络加入一些非线性因素，使得神经网络可以更好地解决较为复杂的问题。常用的激活函数有sigmoid和ReLu两种。两者比较，ReLu 激活函数能够大幅提高运算效率，减少运算量，同时ReLU会使一部分神经元的输出为0，这样就造成了网络的稀疏性，并且减少了参数的相互依存关系，缓解了过拟合问题的发生。另一方面在输入信号较强时，仍然能够保留信号之间的差别[5]。采用最大池化，大小为3*3，步长为2。3个全连接层,全连接层增加了dropout,为0.5，最终激活函数采用softmax,类别为12*2(红黑双方棋子类别各为12种)。

图2 AlexNet模型结构

2.3 数据集构建

数据集的数量与质量对后续创建的神经网络模型预测准确性有直接的影响,所以在初始阶段数据集的准备显得尤为重要。目前市面上军棋的品牌众多，棋子大小尺寸和棋面字体颜色不统一，为了保证数据的多样性，通过实物拍摄和网络搜索，获取了军棋各类棋子的样本，经筛选后获得50例有效数据，并将其进行裁减，尺寸为224*224，数据样本示例见图3。

图3 数据样本示例

由于卷积神经网络在训练时需要大量的数据，通过拍摄和网络图片获得的数据量有限，不能满足卷积神经网络训练时需要大量数据的要求，因此本文在获取的原始图片的基础上采取数据增强的方法来扩充以创建更加丰富的数据集。数据增强的方法目前主要是对图像进行相应的几何变换（平移、翻转、旋转、缩放）、调整亮度、调整对比度以及调整锐度等。每张图对于网络来说都是不同的输入，比如最初采集图片的分辨率大小是256×256，若采用随机裁剪成224×224的方式，那么一张图最多可以产生32×32张不同的图，数据量扩充将近1000倍。虽然许多的图相似度太高，实际的效果并不等价，但仅仅是这样简单的一个操作，效果已经非凡。本文中将每类棋子通过数据增强的方法扩充到300例，再将其按8:2随机划分为训练集和测试集，详见表 1。

表1 军棋数据集

2.4 棋力预测与比较

不同的棋子图片按类别放在对应的数据集文件夹中,提取文件夹名称,即为棋子类别。模型训练好后，将获得的对战双方图片送入模型进行预测。根据大棋吃小棋，同归于尽或挖雷等军棋玩法规则，工兵能排除地雷，其它棋子不能排雷；炸弹与任何棋子相遇时同归于尽等军棋玩法规则，设定比较判断条件。将军棋中的工兵、排长、连长、营长、团长、旅长、师长、军长、司令分别设定棋力为1～9，地雷、炸弹设为-1、-2，军棋设为100，在程序中设定比较判断条件，最后得到比较结果。

3 系统硬件组成

3.1 树莓派介绍

本系统采用卷积神经训练模型，训练后的模型装载到树莓派中。树莓派被誉为 “世界上最流行最便宜的小型电脑”，它只有一张信用卡那么大，放到手掌中也绰绰有余。树莓派可以安装多种Linux系统发行版，在嵌入式和物联网领域应用广泛。目前树莓派更新到第4代，如图4所示，可根据需要配置1G、2G或4G内存，支持双屏4K输出和H.265硬件解码；处理器搭载博通1.5GHz的四核ARM Cortex-A72处理器，支持双频无线Wi-Fi(802.11ac)、蓝牙5.0，提供两个Micro HDMI 2.0视频输出接口；内置千兆以太网口、MIPI DSI接口、MIPI CSI相机接口、立体声耳机接口、2个USB 3.0和2个USB 2.0，扩展接口是40针的GPIO。

图4 树莓派

3.2 系统硬件组成

树莓派经济性高，但总体来说性能比不上常见的个人电脑。因此训练模型的任务预先需要在电脑上完成，为了提高准确率，训练时输入图片要达到一定数量，在采集到的图像有限的条件下，可以采用之前提到的数据增强的方法。树莓派中用Python语言编写军棋判定的程序，并加载训练好的模型。本系统硬件部分完成军棋双方对战时相碰棋子大小的判定，结构如图5所示，因此给树莓派连接摄像头，按下相应的按键后将采集到图像后送入训练好的模型中进行棋面大小和属于红黑的判断，为了增强效果和交互性，可以点亮指定颜色的灯进行示意，并且也可以用语音播报胜负一方。

图5 系统框图

4 试验与结果分析

4.1 实验过程

本文在Pycharm集成开发环境中构架AlexNet模型，以第一层卷积层构建如下：

self.c1=Conv2D(filters=96,kernel_size=(11,11),strides=4, input_shape=input_shape)

self.b1=BatchNormalization()

self.a1=Activation(‘relu’)

self.p1=MaxPool2D(pool_size=(3,3),strides=2)，其中input_shape=(224, 224, 3)，最后一层全连接层为self.f3=Dense(num_classes, activation=’softmax’)，其 中num_classes=24[6]。将训练集图片进行归一化处理后送入AlexNet 进行特征提取；将训练集图片进行归一化处理后送入AlexNet 进行特征提取；模型训练完成后，将测试集传入训练好的模型进行预测，准确率达到98.73%。

4.2 实验结果分析

将军棋队战中双方图片放入经过训练的模型中进行棋面文字预测，识别准确，可达98.78%。再按照军棋规则，即可自动判定大小。军棋棋面字体风格各异，利用卷积神经网络能很好的应对棋子洁净度，光线的影响，具有较高的实用价值。

5 结语

本文采用卷积神经网络中的AlexNet模型来对军棋棋面文字识别，进而实现双方对战时无需人工第三方即做出自动判定，结果显示识别准确率较高。卷积神经网络关键处在于能获取足够丰富的数据集，后续为了达到更好的识别效果，应当尽可能多获取数据并提升数据预处理方法，经过训练得到更优的模型，以此应对识别过程中因外界因素，如棋面洁净度，周围光线环境对预测结果的不良影响。