[发明专利]图像处理方法、图像处理设备以及监控系统

权利要求书

1.一种图像处理方法，其特征在于，包括：

捕获被监控场景的变化；

对捕获到的被监控场景的变化进行稀疏特征计算，获得稀疏特征图。

2.如权利要求1所述的图像处理方法，其特征在于，对捕获到的被监控场景的变化进行稀疏特征计算，获得稀疏特征图的步骤包括：

当捕获到被监控场景的变化时，产生基于像素点的事件；

将产生的事件沿时间轴进行投影，并基于投影所形成的二维图像进行稀疏特征计算来获得稀疏特征图。

3.如权利要求2所述的图像处理方法，其特征在于，所述事件包括像素点所在的位置、事件发生的时间和像素点的极性，所述极性指示像素点的亮度值变化。

4.如权利要求2所述的图像处理方法，其特征在于，产生基于像素点的事件的步骤包括：

通过事件相机捕获被监控场景的变化，产生基于像素点的事件，

或者，通过对普通相机捕获的帧图像进行帧差分处理来产生基于像素点的事件。

5.如权利要求4所述的图像处理方法，其特征在于，所述事件相机包括动态视觉传感器和/或时间异步图像传感器。

6.如权利要求2所述的图像处理方法，其特征在于，事件发生的时间越早，事件投影在二维图像上的映射值越小，事件发生的时间越晚，事件投影在二维图像上的映射值越大。

7.如权利要求2所述的图像处理方法，其特征在于，使用基于像素点的事件，对产生事件的物体的纹理进行重建。

8.如权利要求2所述的图像处理方法，其特征在于，所述二维图像为基于由物体运动产生的事件形成的二维图像，

其中，通过从产生的所有事件中滤除由光源闪烁和/或由用于捕获被监控场景的变化的相机的内部噪声所产生的事件，来获得由物体运动产生的事件。

9.如权利要求2所述的图像处理方法，其特征在于，基于投影所形成的二维图像进行稀疏特征计算来获得稀疏特征图的步骤包括：

通过稀疏卷积神经网络，对所述二维图像进行稀疏特征计算来获得稀疏特征图。

10.如权利要求9所述的图像处理方法，其特征在于，通过稀疏卷积神经网络，对所述二维图像进行稀疏特征计算来获得稀疏特征图的步骤包括：

基于稀疏卷积神经网络的结构以及所述二维图像，确定与稀疏卷积神经网络的每个卷积层对应的特征激活图；

利用所确定的各特征激活图和所述二维图像，通过稀疏卷积神经网络获得稀疏特征图。

11.如权利要求10所述的图像处理方法，其特征在于，与任一卷积层对应的特征激活图指示在所述任一卷积层中需要参与计算的像素点所在的位置。

12.如权利要求10所述的图像处理方法，其特征在于，与任一卷积层对应的特征激活图的尺寸根据稀疏卷积神经网络的所述任一卷积层的输入特征图的大小和卷积核的感受野的大小来确定。

13.如权利要求10所述的图像处理方法，其特征在于，在所述稀疏卷积神经网络中，利用任一卷积层的下一卷积层的输入特征图的稀疏性来约束所述任一卷积层的输出特征图的稀疏性。

14.如权利要求10所述的图像处理方法，其特征在于，通过以下方式获得稀疏卷积神经网络中任一卷积层的输出特征图：

基于与所述任一卷积层对应的特征激活图，从所述任一卷积层的输入特征图中抽取需要参与计算的像素点；

对抽取的像素点进行稀疏特征聚合，形成稠密矩阵；

根据形成的稠密矩阵以及与所述任一卷积层对应的卷积核矩阵，获得特征聚合矩阵；

将获得的特征聚合矩阵中的特征向量进行分散输出，以获得所述任一卷积层的输出特征图。