基于神经网络支持的棋盘与棋子识别

棋盘与棋子识别是一个尚未得到高效解决的计算机视觉问题。然而，其解决方案对于许多希望与AI机器人对战但又倾向于基于物理棋盘分析做出决策的经验丰富的棋手而言至关重要。对于希望将比赛数字化以进行在线直播的锦标赛组织者，或希望与朋友分享对局的普通玩家来说，这同样重要。通常，此类数字化任务由人工或借助专用棋盘和棋子来完成。然而，这两种解决方案都不简便易行。为了解决这一问题，我们提出了一种用于将棋盘配置数字化的新算法。我们设计了一种对光照条件和图像拍摄角度具有鲁棒性，且能正确适用于多种棋盘样式的方法。所提出的算法迭代地处理图像。在每次迭代期间，它执行三个主要子过程：检测直线、寻找网格点和定位棋盘。最后，我们识别所有棋子并利用标准记谱法生成对棋盘的描述。对于其中的每一个步骤，我们都设计了超越现有解决方案的专属算法。我们在可能的情况下利用机器学习技术来支持我们的算法。所描述的方法表现极为出色，在检测棋盘网格点方面达到了超过 $99.5\%$ 的准确率（相比之下，最佳替代方案为 $74\%$），在图像中定位棋盘方面达到了 $95\%$ 的准确率（相比之下，最佳替代方案为 $60\%$），而在棋子识别方面几乎达到了 $95\%$ 的准确率。