[發明專利]一種基于事件相機的高動態目標檢測方法在審
| 申請號： | 202010198845.1 | 申請日： | 2020-03-20 |
| 公開（公告）號： | CN111582300A | 公開（公告）日： | 2020-08-25 |
| 發明（設計）人： | 蔡志浩;曾逸文;趙江;王英勛;陳文軍;強祺昌 | 申請（專利權）人： | 北京航空航天大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京航智知識產權代理事務所(普通合伙) 11668 | 代理人： | 陳磊;張楨 |
| 地址： | 100191*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 事件 相機 動態 目標 檢測 方法 | ||
本發明公開了一種基于事件相機的高動態目標檢測方法，包括從事件相機得到事件流數據，并將事件流轉化為事件圖像；調整事件圖像的大小，將其轉化為統一的分辨率；將事件圖像放入卷積神經網絡中，得到多個預測框；通過非極大值抑制得到置信度較高的檢測結果。本發明通過將事件相機和深度學習相結合，提高高動態目標檢測的對抗光照干擾以及復雜背景環境干擾的能力。
技術領域
本發明屬于計算機視覺技術領域，尤其涉及一種基于事件相機的高動態目標檢測方法。
背景技術
目標檢測是一種在圖像中找出目標的位置和大小的計算機視覺技術。該技術可以應用于人工智能系統、車輛輔助駕駛系統、目標行為分析、智能視頻監控等領域。
事件相機與普通相機不同，它是生物啟發的視覺傳感器，輸出像素級亮度的變化。事件相機相當于以每秒數千幀的速度運行的傳統視覺傳感器，但是數據量要少得多。事件相機整體功率低、數據存儲量小、計算性能要求低，并且動態范圍相比普通相機增加了幾個數量級。這種相機不易受到運動模糊的影響，能夠在高速運動期間提供可靠的視覺信息。
當前的高動態運動目標檢測方法主要使用的是普通相機。這些方法容易受到光照的影響，當光強很弱時，難以檢測出運動目標。此外，當背景十分復雜或者是運動目標移動速度很快出現圖像模糊的時候檢測效果也會差很多。
發明內容
為了解決現有運動目標檢測方法容易受到外界光照的影響容易受到復雜背景環境的影響以及容易受到運動模糊的影響，本發明提出一種基于事件相機的高動態目標檢測方法，本發明的具體技術方案如下：
一種基于事件相機的高動態目標檢測方法，其特征在于，包括以下步驟：
S1：從事件相機得到事件流數據，并將事件流轉化為事件圖像；
S2：調整事件圖像的大小，將其轉化為統一的分辨率；
S3：將事件圖像放入卷積神經網絡中，得到多個預測框；
S4：通過非極大值抑制得到置信度較高的檢測結果。
進一步地，所述步驟S1包括以下步驟：
S11：從事件相機獲取事件流數據；
事件相機的數據表示方式為地址事件表達，每一個數據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；
從事件相機獲取事件流數據后，累積一個固定時間間隔△t內的事件，生成事件圖像，事件圖像的定義為
其中，AEframe為事件圖像，tstart為起始時刻，tend為終止時刻，tev為當前時刻，AExy為觸發的事件，時間間隔△t＝tend-tstart＝10ms；
S13：去除噪聲；
設定一個閾值N，對于一張事件圖像，如果一個事件周圍的事件數量小于閾值N，則這個事件被當作噪點去除掉，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。
進一步地，所述步驟S2將得到的事件圖像轉化為分辨率為416*416的圖像。
進一步地，所述步驟S3的卷積神經網絡為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；
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京航空航天大學，未經北京航空航天大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010198845.1/2.html，轉載請聲明來源鉆瓜專利網。
