[發(fā)明專利]一種目標(biāo)識別方法、裝置、系統(tǒng)及計算機可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010062434.X
• 申請日: 2020-01-19
• 公開（公告）號: CN111275742B
• 公開（公告）日: 2022-01-11
• 發(fā)明（設(shè)計）人: 黃鐵軍;趙君偉;田永鴻;余肇飛
• 申請（專利權(quán)）人: 北京大學(xué)
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06N3/04;G06N3/06;G06N3/08
• 代理公司: 北京辰權(quán)知識產(chǎn)權(quán)代理有限公司 11619
• 代理人: 付婧

本發(fā)明公開了目標(biāo)識別方法、裝置、系統(tǒng)及計算機可讀存儲介質(zhì)，該方法包括如下步驟：獲取原始脈沖數(shù)據(jù)，確定脈沖采樣窗口、將脈沖采樣窗口內(nèi)的脈沖輸入至脈沖神經(jīng)網(wǎng)絡(luò)，對輸入至脈沖神經(jīng)網(wǎng)絡(luò)的脈沖進行映射，滿足條件下令脈沖沿末層激發(fā)神經(jīng)元以外的各層激發(fā)神經(jīng)元依次傳遞、令脈沖沿末層激發(fā)神經(jīng)元傳遞至推理層、令脈沖沿末層推理神經(jīng)元以外的各層推理神經(jīng)元依次傳遞，確定識別結(jié)果；該裝置包括脈沖獲取模塊、采樣窗口模塊、脈沖映射模塊、神經(jīng)元激發(fā)模塊、神經(jīng)元推理模塊及識別結(jié)果確定模塊；該系統(tǒng)包括上述裝置；本發(fā)明能夠?qū)崿F(xiàn)對待識別的目標(biāo)的準(zhǔn)確識別和快速識別，而且能夠較好地適用于運動速度較高的目標(biāo)，并能兼顧識別準(zhǔn)確率與計算量。

技術(shù)領(lǐng)域

本發(fā)明涉及目標(biāo)識別技術(shù)領(lǐng)域，更為具體來說，本發(fā)明為一種目標(biāo)識別方法、裝置、系統(tǒng)及計算機可讀存儲介質(zhì)。

背景技術(shù)

近年來，人工智能領(lǐng)域發(fā)展迅猛，在算法、硬件、芯片等各方面均有突破，特別是以計算機視覺為代表的圖像領(lǐng)域，更是將諸多研究成果廣泛商用化、民用化，極大的方便了人們的日常生活。但是，當(dāng)前的人工智能算法還是以第二代人工神經(jīng)網(wǎng)絡(luò)為主要核心，該類算法早在上世紀八十年即被提出，隨著多年來的不斷研究，目前在學(xué)術(shù)界已經(jīng)陷入研究瓶頸。所以人們把重點轉(zhuǎn)移到了第三代人工神經(jīng)網(wǎng)絡(luò)(即脈沖神經(jīng)網(wǎng)絡(luò))，但由于現(xiàn)有技術(shù)存在的局限，對于計算機視覺應(yīng)用，特別是目標(biāo)識別方面，往往存在識別準(zhǔn)確率較低、識別速度慢、計算量較大、對硬件要求過高及功耗過大等問題。

因此，如何有效提高目標(biāo)識別準(zhǔn)確率和速度、降低目標(biāo)識別對計算量和功耗的要求，成為了本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題和始終研究的重點。

發(fā)明內(nèi)容

為解決現(xiàn)有目標(biāo)識別技術(shù)廣泛存在的識別效果較差、無法對高速運動的目標(biāo)進行有效識別等問題，本發(fā)明創(chuàng)新提供了一種目標(biāo)識別方法、裝置、系統(tǒng)及計算機可讀存儲介質(zhì)，通過脈沖神經(jīng)網(wǎng)絡(luò)對原始輸入脈沖進行噪聲濾波和脈沖增強，能夠?qū)崿F(xiàn)對待識別目標(biāo)的準(zhǔn)確識別和高效識別，而且還能夠顯著降低計算量和功耗。

為實現(xiàn)上述技術(shù)目的，本發(fā)明公開了一種目標(biāo)識別方法，且所述方法包括如下步驟；

獲取被拍攝的待識別目標(biāo)的原始脈沖數(shù)據(jù)，所述原始脈沖數(shù)據(jù)中包含至少一個脈沖序列；

通過對脈沖序列中的各脈沖進行篩選的方式檢索待識別目標(biāo)所在的區(qū)域，根據(jù)待識別目標(biāo)所在的區(qū)域確定脈沖采樣窗口，將脈沖采樣窗口內(nèi)的脈沖輸入至脈沖神經(jīng)網(wǎng)絡(luò)，所述脈沖神經(jīng)網(wǎng)絡(luò)包括激發(fā)層和推理層；

對輸入至脈沖神經(jīng)網(wǎng)絡(luò)的脈沖進行映射，以使激發(fā)層的首層激發(fā)神經(jīng)元數(shù)目與脈沖采樣窗口尺寸對應(yīng)，所述激發(fā)層中包含多層依次連接的激發(fā)神經(jīng)元；

在滿足第一預(yù)設(shè)條件下令脈沖沿末層激發(fā)神經(jīng)元以外的各層激發(fā)神經(jīng)元依次傳遞，并在滿足第二預(yù)設(shè)條件下令脈沖沿末層激發(fā)神經(jīng)元傳遞至推理層，所述推理層包含多層依次連接的推理神經(jīng)元；

在滿足第三預(yù)設(shè)條件下令脈沖沿末層推理神經(jīng)元以外的各層推理神經(jīng)元依次傳遞；

根據(jù)末層推理神經(jīng)元的活躍度確定識別結(jié)果。

進一步地，獲取的待識別目標(biāo)的原始脈沖數(shù)據(jù)來源于仿生視覺傳感器，利用仿生視覺傳感器拍攝待識別目標(biāo)。

進一步地，所述第一預(yù)設(shè)條件為末層激發(fā)神經(jīng)元以外的各層激發(fā)神經(jīng)元自身的膜電位變化量超過自身的第一激發(fā)閾值。

進一步地，所述第二預(yù)設(shè)條件為末層激發(fā)神經(jīng)元自身的膜電位變化量超過自身的第二激發(fā)閾值且末層激發(fā)神經(jīng)元中被激活的神經(jīng)元數(shù)目的占比大于第一預(yù)設(shè)比例。

進一步地，所述第三預(yù)設(shè)條件為末層推理神經(jīng)元以外的各層推理神經(jīng)元自身的膜電位變化量超過自身的第三激發(fā)閾值。

進一步地，在確定脈沖采樣窗口后，還包括記錄待識別目標(biāo)相鄰兩次出現(xiàn)在脈沖采樣窗口的時間間隔的步驟。