Design and Implementation Automatic Scoring Computation ...

Design and Implementation Automatic Scoring ComputationSystem for Shooting Sport with Template Matching Algorithm

Rancang Bangun Sistem Penghitung Skor Otomatis OlahragaMenembak Menggunakan Algoritma Template Matching

Hari HarmaenFakultas Ilmu Komputer

Universitas Bina NusantaraJakarta

Indonesia

Abstract

This paper presents an Automatic Scoring System (ASS) using image processing method for processing the image of shootingtarget and bullet trail. Compared with other methods, such as acoustic method, image processing method is more efficient. GrabCut and Template Matching Algorithm will be used in the background segmentation and positioning the bullet trail. prototypeASS applications built using IP Camera, EMGU CV and C#, is divided into two modules, namely camera calibration moduleand score module. Based on the results of testing on the target paper 10m air rifle image, compared with manual / visual byofficers, ASS application provide better score. 1.67% scoring discrepancy occurred due to the poor quality of shooting targetpaper used.Key Words: automatic scoring system, grab cut algorithm, Template Matching algorithm

Abstrak

Makalah ini mepresentasikan aplikasi Penghitung Skor Otomatis (PSO) menggunakan metode pengolahan citra (imageprocessing) dalam mengolah citra target tembak dan jejak peluru. Dibandingkan dengan metode lain, seperti metode acoustic,metode image processing lebih efisien. Algoritma Grab Cut dan algoritma Template Matching akan digunakan pada prosesbackground segmentation dan proses pencarian posisi jejak peluru. prototype aplikasi PSO dibangun menggunakan PersonalComputer, IP Camera, EMGU CV dan C#, aplikasi terdiri dari dua modul, yaitu modul kalibrasi kamera dan modul penghitungskor. Berdasarkan hasil uji coba pada citra kertas target tembak 10m air rifle, dibandingkan dengan cara manual / visual olehpetugas, aplikasi PSO memberikan hasil penilaian skor menembak yang lebih baik. Kesalahan pemberian skor hanya sebesar1.67Kata kunci: penghitung skor otomatis, algoritma Grab Cut, algoritma Template Matching

1. PENDAHULUAN

Mahalnya harga perangkat Penghitung SkorOtomatis (PSO) menyebabkan penggunaannya diIndonesia sangat kurang, tercatat hanya dua daerahyang melengkapi venue menembaknya denganperangkat PSO, yaitu DKI Jakarta dan SumateraSelatan.

Perkembangan teknologi informasi (TI) telahmendorong pengembangan industri terkait lainnya.

∗Corresponding Author. Tel: +6221-5340660Email: [email protected]: 16 Oct 2012; revised: 8 Nov 2012; accepted: 18 Nov 2012Published online: 26 Nov 2012c© 2012 INKOM 2012/13-NO187

Efisiensi pelatihan olahraga dapat meningkat, jikasistem pelatihan dikembangkan secara terintegrasiantara TI dengan teknologi otomatis lainnya.Keterampilan olahraga dari atlet akan meningkat,jika dalam suatu pelatihan olahraga, informasihasil latihan memberi umpan balik yang tepat[1]. Dengan demikian penggunaan perangkat PSOdalam latihan menembak akan sangat membantuuntuk mengevaluasi dan meningkatkan kinerja atletmenembak, sekaligus untuk memodernisasi venuemenembak yang ada.

Penggunaan metode pengolahan citra dalamsistem PSO telah lama diteliti, penelitian ditujukanuntuk mendapatkan tingkat akurasi penghitunganskor yang tinggi. Dibandingkan dengan metode lain

INKOM, Vol. 6, No. 2, Article 187, Publication date: November 2012.

70 • Hari Harmaen

seperti metode acoustic [2], metode pengolahan citralebih efisien terutama dalam hal biaya selain tingkatakurasi yang semakin baik [3]. Isi makalah inidibagi menjadi beberapa bagian antara lain: bab 2menjelaskan permasalahan dalam rancang bangunsuatu sistem PSO, bab 3 menjelaskan mengenaimetode yang dilakukan pada penelitian ini, bab 4menampilkan hasil uji coba dan bab 5 simpulan.

2. DESKRIPSI MASALAH

Algoritma Template Matching telah banyakdigunakan untuk mengidentifikasi pola-pola dalamcitra yang memiliki kerumitan rendah, namundemikian algoritma ini cukup rentan terhadapperbedaan orientasi antara citra acuan (template)dengan citra yang akan diidentifikasi, yang meliputi:ukuran, posisi dan kualitas citra, sehingga tahappre-processing citra menjadi sangat penting.

Bayangan pada citra jejak peluru menjadimasalah tersendiri, karena dapat mengurangiakurasi dalam penilaian skor menembak, sehinggadiperlukan suatu cara untuk mengurangi ataubahkan menghilangkan dampak bayangan ini.

Penelitian ini diarahkan untuk menyelesaikanmasalah dalam rancang bangun suatu sistem PSOpada cabang olahraga menembak dengan mengolahcitra target tembak dan jejak peluru hasil tangkapankamera menggunakan algoritma Template Matchingsecara real-time.

3. METODOLOGI PENELITIAN

3.1 Bahan penelitian

Penelitian ini akan menggunakan bahan penelitianberupa citra dari target tembak 10m air rifle danjejak peluru yang ditangkap oleh kamera sebanyak 2x 60 tembakan (120 citra). Sebagai alat bantu dalampengujian sistem PSO akan digunakan komputerdengan sistem operasi Microsoft Windows 7 32-bit,C# dan EMGU CV (OpenCV wrapper for .NET).Untuk konfigurasi peralatan pada penelitian ini dapatdilihat pada Gambar 1.

Gambar 1. Konfigurasi peralatan

3.2 Perancangan dan pengembangan prototypesistem PSO

Desain prototype sistem PSO dibagi menjadi 2tahap, yaitu tahap Kalibrasi Kamera, kemudiantahap Pengenalan dan Penilaian Hasil Menembakseperti pada Gambar 2. Tahap Kalibrasi Kamerabertujuan untuk menghilangkan distorsi geometri[4], pada tahap ini citra papan catur hasil tangkapandari kamera, diambil, kemudian dilakukan prosespendeteksian posisi sudut dari setiap kotakyang terdapat pada citra papan catur. Posisisudut yang telah terdeteksi tersebut, kemudiandiproyeksi ulang, hingga distorsi geometri padacitra papan catur hilang. Selanjutnya terhadap citrahasil proyeksi ulang tersebut, dilakukan prosestransformasi perspektif dengan menggunakan posisisudut terluar dari kotak papan catur sebagai acuan.Hasil akhir dari tahap Kalibrasi Kamera ini akandisimpan sebagai parameter intrinsik dan ektrinsikdari kamera yang digunakan. Parameter kameratersebut akan digunakan pada tahap Pengenalan danPenilaian.

Pada tahap Pengenalan dan Penilaian HasilMenembak, ketika peluru telah ditembakkan, citratarget tembak dan jejak peluru hasil tangkapankamera, diambil, kemudian dilakukan pre-processing seperti pada Gambar 3, dengan tujuanuntuk memperbaiki kualitas citra, ekstraksi citratarget dan citra jejak peluru yang akan digunakandalam proses background segmentation denganalgoritma Grab Cut dan algoritma TemplateMatching, setelah itu dilakukan proses pemberiannilai dan menampilkan hasil akhir dari citra targetdan jejak peluru.

3.3 Pengujian dan Evaluasi Sistem

Pengujian dan evaluasi sistem dilakukan untukmendapatkan waktu proses dan tingkat keakurasiandari metode-metode yang digunakan pada tahapKalibrasi Kamera maupun tahap Pengenalandan Penilaian Hasil Menembak dengan caramembandingkan skor hasil dari sistem PSO denganskor hasil penghitungan manual / visual terhadap120 citra target tembak dan jejak peluru.

4. HASIL UJI COBA

Pengujian pada prototype aplikasi yangdikembangkan dalam penelitian ini, dibagi menjadidua bagian, bagian pertama pengujian kalibrasikamera, bagian kedua pengujian pengenalan danpenilaian hasil menembak.

4.1 Pengujian kalibrasi kamera

Data penelitian berupa citra papan catur [5] sepertipada Gambar 4, yang terdiri dari lebar 9 sudut, tinggi


Rancang Bangun Sistem PSO Olahraga Menembak Menggunakan Algoritma Template Matching • 71

Gambar 2. Desain prototype sistem PSO

6 sudut, dengan masing-masing kotak berukuran 7mm x 7 mm.

Gambar 4. Citra papan catur

Tujuan dari kalibrasi kamera ini adalah untukmenghilangkan distorsi geometri, yang disebabkanoleh posisi relatif 3 dimensi antara kamera denganobyek, distorsi lensa atau faktor lainnya [4]. Tahappengujiannya terdiri dari dua bagian, yaitu pengujiandeteksi sudut papan catur dan pengujian koreksigeometri.

4.1.1 Pengujian deteksi sudut papan catur

Pada tahap ini citra papan catur akan ditangkapkamera sebanyak minimal 15 kali, untuk setiap citra

akan diberi tanda Detected jika sudut terdeteksi danInvalid jika sudut tidak terdeteksi.

Gambar 5. Proses deteksi sudut papan catur

Citra papan catur pada Gambar 5 ditangkapoleh kamera yang berada di bawahnya, kameratidak tegak lurus dengan citra, sudut kemiringandisesuaikan hingga citra cukup jelas untuk diproses.Tampak pada citra terdapat distorsi radial, dimanacitra papan catur terlihat cembung. Pada tahap


72 • Hari Harmaen

Gambar 3. Pre-processing tahap pengenalan dan penilaian hasil menembak

pengujian ini sudut berhasil dideteksi oleh aplikasi,untuk setiap baris sudut yang terdeteksi diberi warnaberbeda dan disimpan posisinya. Hasil dari prosesini ditunjukkan seperti pada Gambar 6.

Gambar 6. Hasil deteksi sudut papan catur

4.1.2 Pengujian koreksi geometri

Pengujian koreksi geometri akan menggunakan datahasil proses deteksi sudut papan catur. Setiap titiksudut papan catur akan diproyeksikan ke titik sudutkoreksi perspektif, untuk menghilangkan distorsiyang ada. Hasilnya seperti yang ditunjukkan olehGambar 7.

Pada Gambar 7 tampak distorsi radial sudahhilang, namun demikian pada citra masihterdapat distorsi geometri lain seperti yangditunjukkan oleh garis merah pada gambar. Untukmengkoreksinya, maka sudut terluar dari papancatur akan diproyeksi kembali ke posisi garis merahmenggunakan transformasi perspektif dengan tetapmempertahankan aspect ratio dari citra. Gambar8 menunjukkan hasil dari proses transformasitersebut.

Pada Gambar 8, terlihat bahwa pada bagianatas citra jadi memanjang dan miring ke kanan,setiap sudut terluar dari papan catur, tepat beradapada garis merah. Dari pengujian kalibrasi kamera



Gambar 7. Hasil proyeksi sudut

Gambar 8. Hasil transformasi perspektif

ini dapat disimpulkan bahwa aplikasi kalibrasikamera yang dikembangkan, sudah memenuhitujuan dari proses kalibrasi kamera ini. Hasil dariproses kalibrasi kamera ini akan disimpan sebagaiparameter intrinsik dan ekstrinsik dari kamera, danakan digunakan oleh aplikasi menembak.

4.2 Pengujian pengenalan dan penilai-an hasilmenembak

Data penelitian berupa citra dari target tembak10m air rifle dan jejak peluru yang ditangkapoleh kamera sebanyak 2 x 60 tembakan (120citra). Tujuan dari akhir pengujian ini adalahuntuk menilai akurasi aplikasi menembak dalammengenali citra target tembak dan jejak peluru,sehingga dapat menghasilkan skor menembak yanglebih akurat dibandingkan dengan cara manual /visual. Pengujian dilakukan dalam tiga tahap, yaitupengenalan target tembak, pengenalan jejak peluru,dan penilaian skor menembak.

4.2.1 Pengujian pengenalan target tembak

Pada tahap ini, aplikasi diuji untuk mengenalicitra target tembak, menentukan posisi titik tengah

dan jari-jari lingkaran nomor 4 dari target tembakdengan menggunakan fungsi-fungsi pengolahancitra. Berikut tahap-tahap pengujian yang dilakukan:

(1) Konversi citra dari sistem warna RGB (Red,Green, Blue) menjadi citra binari dengan fungsifilter warna (InRange) dan fungsi Not (invert),dengan menggunakan nilai threshold minimumrgb(0, 0, 0) dan maksimum rgb(128, 128, 128).

Gambar 9. Hasil konversi RGB ke binari

Dari hasil uji coba nilai maksimum rgb(128,128, 128) merupakan nilai terbaik karenamenghasilkan sedikit obyek shape / blob padacitra binari.

(2) Membuat edge / tepi dari obyek shape / blobdengan fungsi Dilate dan Subtract

Gambar 10. Hasil pembuatan edge obyek shape

Pada Gambar 10 selain obyek shape targetjuga terdapat obyek shape lain yang tidakdiinginkan, untuk menghilangkannya akandilakukan proses filter shape / blob denganfungsi FindContours.

(3) Filter shape / blob dengan fungsiFindContours

Gambar 11. Hasil filter shape/ blob


74 • Hari Harmaen

shape / blob difilter menggunakan fungsiFindContours, dengan kondisi shape / blobharus mempunyai luas area, minimal 16000 danmaksimal 24000, nilai minimal dan maksimalarea didapat dari hasil uji coba. Hasil dari prosesfilter ditunjukkan pada Gambar 11, selanjutnyaditentukan titik tengah dari target seperti padaGambar 12 dengan menggunakan posisi danradius contours.

Gambar 12. Titik tengah target

(4) Deteksi Semua Lingkaran Target Selainberfungsi untuk memfilter shape / blob, fungsiFindContours juga menghasilkan posisi (x,y) dan ukuran (lebar, tinggi) shape / blobpada citra, sehingga dapat digunakan untukmencari titik tengah target sekaligus jari-jarilingkarannya. Dengan menggunakan ukurankertas target 10 m air rifle pada Tabel I.

Tabel I. Ukuran kertas target 10mair rifle

Ring Diameter (mm) Warna10 0.5 ( ±0.1) Hitam9 0.5 ( ±0.1) Hitam8 0.5 ( ±0.1) Hitam7 0.5 ( ±0.1) Hitam6 0.5 ( ±0.1) Hitam5 0.5 ( ±0.1) Hitam4 0.5 ( ±0.1) Hitam3 0.5 ( ±0.1) Putih2 0.5 ( ±0.1) Putih1 0.5 ( ±0.1) Putih

Jari-jari semua lingkaran target dapat diketahui,dari hasil penghitungan didapatkan skala ukuran1 pixel = 0.25 mm. Hasilnya tahap ini dapatdilihat pada Gambar 13.

Gambar 13. Hasil deteksi semua lingkaran

Dari hasil pengujian pengenalan targetmenembak di atas, dapat disimpulkan bahwaaplikasi menembak yang dikembangkan telahdapat mendeteksi target tembak dengan baik.

4.2.2 Pengujian pengenalan jejak peluru

Pada tahap ini, aplikasi diuji untuk mengenali citrajejak peluru dan menentukan posisi titik tengahjejak peluru dengan menggunakan fungsi-fungsipengolahan citra. Diameter peluru untuk 10 m airrifle adalah 4.5 mm, dengan demikian jari-jari pelurudapat dicari, menggunakan skala ukuran pixel yangtelah didapat dari tahap pengenalan target tembak.Berikut tahap-tahap pengujian yang dilakukan, tahapa dan b merupakan tahap tersendiri bukan berupaurutan proses:

(1) Konversi citra dari sistem warna RGB ke citrabinari menggunakan fungsi thresholdBinarydengan nilai threshold minimum 128 danmaksimum 255.

Gambar 14. Hasil konversi RGB ke binari

Nilai threshold minimum dan maksimum yangdigunakan merupakan nilai yang terbaik karenamenghasilkan sedikit obyek shape / blob. PadaGambar 14 obyek shape / blob peluru hanyamuncul sebagian, tidak berupa lingkaran penuh.Hal ini dapat dijelaskan dengan melihat citrasumber, dimana lubang jejak peluru tertutupserat dari kertas target, sehingga mengurangipantulan cahaya.

(2) Konversi citra dari sistem warna RGB kesistem warna HSV (Hue, Saturation, Value),kemudian citra HSV dibagi menjadi kanal Hue,kanal Saturation dan kanal Value, selanjutnyaketiga kanal tadi dirubah menjadi citra binaridengan menggunakan fungsi InRange dengannilai threshold minimum 60 dan maksimum 150.Dari hasil uji coba nilai threshold minimum60 dan maksimum 150 merupakan nilai terbaikkarena menghasilkan sedikit obyek shape /blob pada citra binari. Berutan searah jarumjam, pada Gambar 15 adalah citra HSV, citrakanal Hue, citra kanal Value dan citra kanalSaturation. Dari 3 kanal yang ada, kanal Hueakan digunakan pada proses selanjutnya (tahapc). Konversi dari sistem warna RGB ke sistem



Gambar 15. Hasil konversi RGB ke HSV

warna HSV diperlukan untuk mendeteksi jejakpeluru yang berada di luar lingkaran 4 targettembak. Jika menggunakan hasil konversi tahapa, obyek shape / blob jejak peluru tidakterdeteksi atau terlalu banyak obyek shape / blobyang memiliki luas area yang sama, sehinggaakan sulit untuk memilahnya.

(3) Deteksi lingkaran jejak peluru dengan fungsiFindContours Fungsi FindContoursdigunakan untuk mendeteksi obyek shape / blobdari jejak peluru, dengan kondisi shape / blobharus mempunyai luas area, minimal 70 danmaksimal 2000, nilai minimal dan maksimalarea didapat dari hasil uji coba. Gambar 16merupakan hasil dari proses deteksi lingkaranjejak peluru.

Gambar 16. Hasil deteksi lingkaran dengan fungsiFindContours

Bagian atas Gambar 16 merupakan hasil deteksijejak peluru dengan menggunakan citra binarihasil dari tahap a, bagian bawah menggunakancitra binari hasil tahap b. Dengan menggunakanposisi (x, y) dan ukuran (lebar, tinggi) yangdidapat dari fungsi FindContours, obyekshape / blob diperbesar seperti yang terlihat padabagian kiri Gambar 16 dan digunakan sebagaimask untuk menyalin citra sumber, sehinggayang muncul adalah citra dari jejak peluru,seperti yang terlihat pada bagian kanan Gambar16. Sampai tahap ini dengan membandingkanposisi (x, y) dari jejak peluru dengan posisi (x, y)dari target lingkaran 4, dapat ditentukan posisidari jejak peluru. Pada kondisi di atas, untukGambar 16 bagian atas, jejak peluru berada didalam lingkaran 4 target tembak, untuk Gambar16 bagian bawah, jejak peluru berada di luarlingkaran 4 target tembak. Namun titik tengahdari jejak peluru belum dapat ditentukan, karenaseperti yang terlihat pada bagian kanan Gambar16, citra jejak peluru belum tentu berada tepat ditengah-tengah lingkaran.

(4) Background segmentation Citra jejak peluruhasil dari tahap c, harus diproses lagi untukmemisahkan antara background (target tembak)dengan foreground (jejak peluru), sekaligusuntuk mengurangi dampak dari bayangan padacitra jejak peluru. Background Segmentationmenggunakan fungsi GrabCut yang merupakanimplementasi dari model segmentasi yangdikembangkan oleh Rother et al [6]. Gambar17 merupakan hasil dari proses backgroundsegmentation.

Gambar 17. Hasil background segmentation

Hasil proses background segmentation akandijadikan template untuk menentukan posisiyang lebih tepat dari jejak peluru denganmenggunakan fungsi Template Matching.


76 • Hari Harmaen

(5) Pembuatan citra template jejak peluru Denganmenggunakan posisi (x, y) dan ukuran (lebar,tinggi) jejak peluru yang didapat dari prosestahap c, maka citra hasil proses tahap d, di-crop dengan memanfaatkan fungsi Region OfInterest (ROI), hasilnya seperti yang terlihatpada Gambar 18.

Gambar 18. Template jejak peluru

(6) Mencari posisi titik tengah jejak pelurudengan Template Matching Citra template jejakpeluru akan digunakan untuk mencari posisijejak peluru pada citra target tembak denganmenggunakan fungsi MatchTemplate denganalgoritma Normalized Correlation Coefficient(NCC - Fast Normalized Cross-Correlation)yang dikembangkan oleh JP. Lewis [7].Algoritma ini berdasarkan uji coba memberikanhasil kecocokan yang terbaik, menghasilkannilai kecocokan = 1.0 (perfect match). Selainmencari kecocokan citra template, fungsi inijuga memberikan nilai balik posisi (x, y) daricitra template, dengan demikian posisi titiktengah dari jejak peluru dapat dicari. Gambar19 merupakan hasil dari fungsi MatchTemplateini.

Gambar 19. Hasil fungsi MatchTemplate NCC

Dari hasil pengujian pengenalan jejak pelurudi atas, dapat disimpulkan bahwa aplikasimenembak yang dikembangkan telah dapatmendeteksi jejak peluru dengan baik danmembutuhkan waktu proses 5 detik, pada saataplikasi baru mulai dijalankan, selanjutnyahanya membutuhkan waktu proses 2 detik.

procedure MENGHITUNG SKOR(rp,ARL). rp adalah jari jari peluru

. ARL adalah array jari jari lingkaranrl = ARL[1]

ab = Jarak(A,B)

if ab¿rl thenSkor = 0

elsei = 1

while i ≤ 10 dorl = ARL[i]

if ab = rl thenSkor = i+ 0.99

else if ab < rl thenSkor = i+ ((rl − ab)/10) + (rp/10)

else if (abrp) < rl thenSkor = i+ ((rl − ab− rp)/10)

end ifi = i+ 1

end whileend if

end procedure

Gambar 20. Algoritma menghitung skor

4.2.3 Pengujian penilaian hasil menembak

Setelah mendapatkan posisi (x, y) titik tengah daritarget tembak (A) dan jejak peluru (B), selanjutnyaadalah mencari jarak antara kedua titik tengah (AB),dengan menggunakan rumus Pythagoras:

Jarak(A,B) =√(xB − xA)2 + (yB − yA)2 (1)

Berikutnya adalah mencari skor dari jejak pelurudengan cara seperti Gambar 20.

Dari hasil uji coba penilaian skor menembakdengan menggunakan aplikasi menembak yangdikembangkan, terdapat 2 data dari 120 data yangsalah skornya atau secara prosentase 1.67% jikadibandingkan dengan skor secara visual / manual.Kesalahan ini terjadi karena lubang peluru tidakbulat sempurna atau pada permukaan kertas targettembak terdapat sobekan dekat lubang peluru,seperti algoritma menghitung skor pada Gambar 21.

Gambar 21. Lubang peluru rusak

5. KESIMPULAN

Berdasarkan hasil pengujian dan pembahasan yangtelah dikemukakan, maka hasil dari penelitian



ini dapat disimpulkan sebagai berikut: kualitaskamera dengan spesifikasi yang lebih tinggi dapatmemberikan hasil yang lebih baik pada saat tahapKalibrasi kamera maupun tahap Pengenalan danPenilaian Hasil Menembak, proses Kalibrasi kameraharus dilakukan dengan benar karena parameterintrinsik dam ekstrinsik (koefisien distorsi dantranformasi perspektif) dari kamera akan digunakantahap Pengenalan dan Penilaian Hasil Menembakyang dapat mempengaruhi tingkat akurasi aplikasimenembak dalam mengenali citra target tembakdan citra jejak peluru, kualitas kertas targettembak ikut menentukan tingkat akurasi dariaplikasi menembak dalam memberi skor, dan lampuuntuk pencahayaan pada area target tembak harusdiposisikan sedemikian rupa untuk mengurangibayangan pada kertas target tembak.

Selain itu, penggunaan fungsi GrabCut yangbertujuan untuk mengurangi dampak bayangan padacitra jejak peluru, disamping memberikan hasil yangbaik jika dibandingkan dengan cara segmentasiwarna dengan threshold tertentu, fungsi GrabCutjuga menambah waktu proses tahap Pengenalandan Penilaian Hasil Menembak sebesar 2 - 3 detikterutama pada saat pertama kali aplikasi menembakdijalankan, dan pemilihan algoritma TemplateMatching Normalized Correlation Coefficient (NCC- Fast Normalized Cross-Correlation) memberikanhasil yang baik, pada aplikasi menembak iniditetapkan nilai kecocokan = 1.0 (perfect match)

yang artinya tidak boleh ada sedikitpun yangberbeda.

Daftar Pustaka

[1] S. Ying, W. Gang, and W. Yaojun, “The applicationof information technology in sports training,” inInternational Conference on Future Computer Scienceand Education, 2011, pp. 210–212.

[2] B. G. Mobasseri, “Automatic target scoring system usingmachine vision,” Machine Vision and Applications,vol. 8, no. 1, pp. 20–30, 1995.

[3] F. Ali and A. B. Mansoor, “Computer vision basedautomatic scoring of shooting targets,” in IEEEInternational Multitopic Conference, INMIC 2008,2008, pp. 515–519.

[4] C. Ye and H. Mi, “The technology of image processingused in automatic target-scoring system,” in FourthInternational Joint Conference on ComputationalSciences and Optimization, 2011, pp. 349–352.

[5] J. Heikkila and O. Silven, “A four-step cameracalibration procedure with implicit image correction,”in Computer Vision and Pattern Recognition, 1997, pp.1106–1112.

[6] C. Rother, V. Kolmogorov, and A. Blake, “Grabcut -interactive foreground extraction using iterated graphcuts,” in ACM Transactions on Graphics (TOG) -Proceedings of ACM SIGGRAPH 2004, 2004, pp. 309–314.

[7] J. Lewis, “Fast templatematching,” in Vision Interface95, Canadian Image Processing and PatternRecognition Society, 1995, pp. 120–123.


Design and Implementation Automatic Scoring Computation ...

Documents