国防和军队建设是我国国民经济发展的安全保障,射击训练对于提高士兵的作战能力非常关键。智能移动靶能够模拟逼真的战场情景,有助于提高受训官兵的实战能力。而智能移动靶设计的核心就在于移动靶的空间自主定位能力,定位的不精确可能导致移动靶未能出现在指定射击区域,严重情况下甚至会产生射击安全隐患。鉴于此,本文研究并实现了一种有监督数据增强的卷积神经网络迁移学习的智能移动靶图像分类定位的方法。本文主要研究工作如下:1、使用三种机器学习方法对静态空间进行场景分类定位。通过调整图像大小和使用颜色直方图均衡化,再通过扁平化处理转成一维行像素,将样本集预处理为特征向量输出,通过实验得到三种机器学习的分类定位结果。提出基于深度学习的静态空间定位方法,设计了卷积神经网络结构模型和网络参数,通过实验得到卷积神经网络的分类定位结果。2、针对复杂动态空间小样本数据集的空间分类定位问题,提出基于有监督数据增强的卷积神经网络迁移学习的方法。卷积神经网络的模型选用已经训练好的Inception-V3模型,并分别研究单一图像定位和合并图像定位的定位效果。实验结果表明,图像在已有数据的基础上,采用预设数据变换规律进行数据的扩充增强可以增强网络模型的泛化能力,使用增强后的合并图像数据进行模型训练和位置预测的效果最佳,清晰数据、遮挡数据、模糊数据、变光线数据四类测试集的正确率分别可以达到99.67%、91.67%、95.67%和98.83%,测试集平均预测正确率为95.96%。3、设计并搭建了智能移动靶系统,系统包含了图像定位系统和信息管理终端系统,可以进行数据通讯、图像采集、迁移学习模型训练、空间位置定位、地图坐标显示、移动靶信息采集管理等功能。通过对系统的实际整体性能调试验证,表明本系统在六个位置的室内定位上的实际平均预测正确率可以达到98.67%。