[發(fā)明專利]一種基于事件相機(jī)的高動態(tài)目標(biāo)檢測方法

在審

• 申請?zhí)枺?/td>: 202010198845.1
• 申請日: 2020-03-20
• 公開（公告）號: CN111582300A
• 公開（公告）日: 2020-08-25
• 發(fā)明（設(shè)計(jì)）人: 蔡志浩;曾逸文;趙江;王英勛;陳文軍;強(qiáng)祺昌
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京航智知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11668
• 代理人: 陳磊;張楨

1.一種基于事件相機(jī)的高動態(tài)目標(biāo)檢測方法，其特征在于，包括以下步驟：

S1：從事件相機(jī)得到事件流數(shù)據(jù)，并將事件流轉(zhuǎn)化為事件圖像；

S2：調(diào)整事件圖像的大小，將其轉(zhuǎn)化為統(tǒng)一的分辨率；

S3：將事件圖像放入卷積神經(jīng)網(wǎng)絡(luò)中，得到多個預(yù)測框；

S4：通過非極大值抑制得到置信度較高的檢測結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于事件相機(jī)的高動態(tài)目標(biāo)檢測方法，其特征在于，所述步驟S1包括以下步驟：

S11：從事件相機(jī)獲取事件流數(shù)據(jù)；

事件相機(jī)的數(shù)據(jù)表示方式為地址事件表達(dá)，每一個數(shù)據(jù)都是由事件的地址即事件在圖像上的位置、事件的時間戳以及事件的極性組成；

S12：生成事件圖像；

從事件相機(jī)獲取事件流數(shù)據(jù)后，累積一個固定時間間隔Δt內(nèi)的事件，生成事件圖像，事件圖像的定義為

其中，AE_frame為事件圖像，t_start為起始時刻，t_end為終止時刻，t_ev為當(dāng)前時刻，AE_xy為觸發(fā)的事件，時間間隔Δt＝t_end-t_start＝10ms；

S13：去除噪聲；

設(shè)定一個閾值N，對于一張事件圖像，如果一個事件周圍的事件數(shù)量小于閾值N，則這個事件被當(dāng)作噪點(diǎn)去除掉，對每個事件都采取此方法處理，則形成去除噪聲后的事件圖像。

3.根據(jù)權(quán)利要求1所述的一種基于事件相機(jī)的高動態(tài)目標(biāo)檢測方法，其特征在于，所述步驟S2將得到的事件圖像轉(zhuǎn)化為分辨率為416*416的圖像。

4.根據(jù)權(quán)利要求1所述的一種基于事件相機(jī)的高動態(tài)目標(biāo)檢測方法，其特征在于，所述步驟S3的卷積神經(jīng)網(wǎng)絡(luò)為tiny yolo，所述步驟S3包括以下步驟：

S31：通過卷積層和池化層提取13*13和26*26的特征圖；

S32：對特征圖進(jìn)行預(yù)測，得到目標(biāo)的x，y，w，h，confidence，其中，坐標(biāo)(x，y)代表了邊框的中心與網(wǎng)格單元邊界的相對值，w和h是邊框的寬和高，confidence是預(yù)測邊界框和真實(shí)邊界框的IOU，其中，IOU指交并比，即交集與并集的比值。

5.根據(jù)權(quán)利要求1所述的一種基于事件相機(jī)的高動態(tài)目標(biāo)檢測方法，其特征在于，所述步驟S4首先從所述步驟S3得到的預(yù)測框中找出置信度最大的預(yù)測框，然后計(jì)算其與剩余的預(yù)測框的IOU，如果其值大于0.4，則將該框剔除；然后對剩余的預(yù)測框重復(fù)上述過程，直到處理完所有的預(yù)測框。