[发明专利]地址事件驱动非结构化信号的实时目标跟踪方法

权利要求书

1.一种地址事件驱动非结构化信号的实时目标跟踪方法，其特征在于，针对待跟踪的地址事件流，计算每个地址事件对应位置处的膜电压，估计当前地址事件的运动矢量，修正运动矢量，确定当前地址事件序列内目标的位置，该方法具体步骤包括如下：

(1)读取数据包并进行预处理：

(1a)依次读取文件中以.aedat或.bin格式结尾的待跟踪地址事件流数据包；

(1b)利用解码函数包，将待跟踪地址事件流数据包转换为m行k列的矩阵，其中，m表示待跟踪地址事件流数据包的事件总数，k表示每个地址事件的四个属性；

(2)构造平面矩阵：

从m行k列矩阵中按行读入一个地址事件，将读入地址事件极性为1的事件时间戳存储到平面矩阵的正平面上，将读入地址事件极性为-1的事件时间戳存储到平面矩阵的负平面上；

(3)计算每个地址事件对应位置处的膜电压：

当每次读入一个地址事件，将读入的当前地址事件对应位置处的膜电压增加一个累积膜电压值，作为该地址事件对应位置处的膜电压；

(4)判断当前地址事件对应位置处膜电压是否大于膜电压阈值，若是，则将当前地址事件作为有效点后执行步骤(5)，否则，将当前地址事件作为无效点，执行步骤(2)；

(5)构建局部时空平面：

从平面矩阵中选取一个以当前地址事件时间戳为中心，大小为N行N列的矩阵，将该矩阵中每一个元素的坐标值作为局部时空平面中每一个元素的位置，该矩阵中每一个元素值放入局部时空平面每一个对应的位置处，其中N的取值为小于平面矩阵的大小；

(6)计算时间差参考值：

以当前地址事件为中心遍历其周围的每一个地址事件，计算每一个地址事件的时间戳与当前地址事件时间戳的差值，统计所有差值中小于采样阈值的个数作为时间差参考值；

(7)判断时间差参考值是否大于等于参考阈值，若是，则执行步骤(8)，否则，执行步骤(2)；

(8)估计当前地址事件的运动矢量；

(8a)在局部时空平面中以当前地址事件为中心遍历其周围的每一个地址事件，将小于采样阈值的每一个地址事件的时间戳加入到局部拟合平面；

(8b)按照下式，计算局部拟合平面中的每一个地址事件在三维坐标系中的法向量：

θ_xi＝(t-t_i)/(x-x_i)

θ_yi＝(t-t_i)/(y-y_i)

其中，θ_xi表示局部拟合平面中第i个地址事件在三维坐标系中x方向的法向量，x_i表示局部平面矩阵中第i个地址事件在三维空间坐标系的横坐标值，θ_yi表示局部拟合平面中第i个地址事件在三维坐标系中y方向的法向量，y_i表示局部平面矩阵中第i个地址事件在三维空间坐标系的纵坐标值，t_i表示局部平面矩阵中第i个地址事件产生的时间戳；

(8c)按照下式，利用梯度向量归一公式，估计当前地址事件的运动矢量：

v_x＝a/(a²+b²)

v_y＝b/(a²+b²)

其中，a表示局部拟合平面中当前地址事件在三维坐标系中x方向的法向量，n表示局部平面矩阵中地址事件的总数，∑表示求和操作，i表示局部平面矩阵中地址事件的序号，b表示局部拟合平面中当前地址事件在三维坐标系中y方向的法向量，v_x表示局部拟合平面中当前地址事件在x方向的运动矢量，v_y表示局部拟合平面中当前地址事件在y方向的运动矢量；

(9)判断当前地址事件的时间戳是否在时间间隔内，若是，则执行步骤(2)，否则，执行步骤(10)；

(10)修正运动矢量：

(10a)利用如下高斯加权法，修正当前地址事件序列内所有地址事件的运动方向；

所述高斯加权法的步骤如下：

第一步，计算每一个地址事件的运动角度：

δ_j＝a tan(v_yj/v_xj)×180/π

其中，δ_j表示当前地址事件序列内第j个地址事件的运动角度，atan表示反正切操作，v_yj表示当前地址事件序列内第j个地址事件在三维坐标系中y方向的运动矢量，v_xj表示当前地址事件序列内第j个地址事件在三维坐标系中x方向的运动矢量，×表示相乘操作，π表示圆周率；

第二步，按照当前地址事件序列内每个事件的运动矢量的正负符号，将每个运动角度划分到平面坐标系的四个象限中；

第三步，将平面坐标系的每一个象限中的运动角度，按照从小到大的顺序排列，得到运动角度序列；

第四步，分别去掉运动角度序列中前后各20％的元素，再将剩余的所有元素取平均值，得到关键元素；

第五步，以关键元素为中心，定义满足高斯分布的加权参数；

第六步，利用下式，修正当前地址事件序列内每一个地址事件的运动矢量：

v’_xj＝w_k×v_xj

v’_yj＝w_k×v_yj

其中，v'_xj表示当前地址事件序列内第j个地址事件在三维坐标系中x方向上修正后的运动矢量，v'_yj表示当前地址事件序列内第j个地址事件在三维坐标系中y方向上修正后的运动矢量，w_k表示高斯分布中的第k个加权参数；

(10b)利用如下低通加权法，修正当前地址事件序列内所有地址事件的运动大小；

所述低通加权法的步骤如下：

第一步，计算每一个地址事件的运动矢量加权：

其中，v_j表示第j个地址事件的加权运动矢量，表示开平方操作；

第二步，将当前地址事件序列内每个地址事件的加权运动矢量，按照从小到大的顺序排列，得到加权运动矢量序列；

第三步，去掉加权运动矢量序列中后20％的元素，再将剩余的所有元素取平均值，得到关键元素；

第四步，以关键元素为转折点，定义满足低通分布的加权参数；

第五步，利用下式，修正当前地址事件序列内每一个地址事件的运动矢量：

其中，v”_xj表示当前地址事件序列内第j个地址事件在三维坐标系中x方向上修正后的运动矢量，v”_yj表示当前地址事件序列内第j个地址事件在三维坐标系中y方向上修正后的运动矢量，u_m表示低通分布中第m个加权参数，tan表示正切操作；

(11)确定当前地址事件序列内目标的位置：

利用轮廓检测函数包，将修正后的运动矢量转化为目标位置，完成实时跟踪。