[发明专利]基于ELBP特征的DVS事件分类方法

权利要求书

1.一种基于ELBP特征的DVS事件分类方法，其特征在于，包括如下步骤：

(1)获取DVS事件流：

将动态视觉传感器DVS输出的包括激活时刻的多个DVS事件保存为DVS事件流；

(2)对DVS事件流进行二值图转化：

(2a)对DVS事件流包含的多个DVS事件的激活时刻以m为单位进行分组，得到n个DVS子事件流，m≥1毫秒，n≥2；

(2b)对每个DVS子事件流进行二值图转化，得到n个二值图，并将n个二值图排列为二值图序列；

(3)求取每个二值图的ELBP特征直方图：

(3a)将二值图序列中的任意一个二值图作为当前二值图，并计算当前二值图中每个像素点(x,y)的事件局部二值模式ELBP特征值ELBP(x,y)，所有像素点的ELBP(x,y)构成当前二值图的ELBP特征图，其中：

其中，∑表示求和操作，p表示像素点(x,y)的邻居像素点的序号，b_p表示序号为p的邻居像素点的灰度值，U(x,y)表示像素点(x,y)的稳定性衡量值，其中，|·|表示求绝对值操作，x，y分别表示像素点(x,y)的横坐标和纵坐标；

(3b)将当前二值图的ELBP特征图划分为2^l×2^l个不重合的单元，并计算每个单元的直方图，然后按照从左到右，从上到下的顺序，将各单元的直方图串联，得到当前二值图的ELBP特征直方图，其中，每个单元的尺寸为特征图尺寸的l是不小于1的正整数；

(3c)重复步骤(3a)～(3b)，获取二值图序列中其余n-1个二值图的ELBP特征直方图；

(4)获得训练好的分类器：

(4a)将n个二值图的ELBP特征直方图的一部分作为训练集，其余部分作为测试集；

(4b)对训练集打标签，将训练集及其标签作为支持向量机SVM的输入进行训练，得到训练好的支持向量机SVM；

(5)获取DVS事件的分类结果：

将测试集输入训练好的支持向量机SVM进行分类，得到DVS事件的标签。

2.根据权利要求1所述的基于ELBP特征的DVS事件分类方法，其特征在于，步骤(2)中所述的对DVS事件流进行二值图转化，采用AedatTools处理函数。

3.根据权利要求1所述的基于ELBP特征的DVS事件分类方法，其特征在于，步骤(3a)中所述的当前二值图中每个像素点(x,y)，包括8个邻居像素点，其位置和序号分别为：

第一个邻居像素点的位置为(x-1,y-1)，序号p＝0；

第二个邻居像素点的位置为(x-1,y)，序号p＝1；

第三个邻居像素点的位置为(x-1,y+1)，序号p＝2；

第四个邻居像素点的位置为(x,y+1)，序号p＝3；

第五个邻居像素点的位置为(x+1,y+1)，序号p＝4；

第六个邻居像素点的位置为(x+1,y)，序号p＝5；

第七个邻居像素点的位置为(x+1,y-1)，序号p＝6；

第八个邻居像素点的位置为(x,y-1)，序号p＝7。

4.根据权利要求1所述的基于ELBP特征的DVS事件分类方法，其特征在于，步骤(4b)中所述的将训练集及其标签作为支持向量机SVM的输入进行训练，以及步骤(5)中所述的将测试集输入训练好的支持向量机SVM进行分类，采用函数库LIBSVM实现。