[发明专利]一种基于事件相机的高动态目标检测方法

权利要求书

1.一种基于事件相机的高动态目标检测方法，其特征在于，包括以下步骤：

S1：从事件相机得到事件流数据，并将事件流转化为事件图像；

S2：调整事件图像的大小，将其转化为统一的分辨率；

S3：将事件图像放入卷积神经网络中，得到多个预测框；

S4：通过非极大值抑制得到置信度较高的检测结果。

2.根据权利要求1所述的一种基于事件相机的高动态目标检测方法，其特征在于，所述步骤S1包括以下步骤：

S11：从事件相机获取事件流数据；

事件相机的数据表示方式为地址事件表达，每一个数据都是由事件的地址即事件在图像上的位置、事件的时间戳以及事件的极性组成；

S12：生成事件图像；

从事件相机获取事件流数据后，累积一个固定时间间隔Δt内的事件，生成事件图像，事件图像的定义为

其中，AE_frame为事件图像，t_start为起始时刻，t_end为终止时刻，t_ev为当前时刻，AE_xy为触发的事件，时间间隔Δt＝t_end-t_start＝10ms；

S13：去除噪声；

设定一个阈值N，对于一张事件图像，如果一个事件周围的事件数量小于阈值N，则这个事件被当作噪点去除掉，对每个事件都采取此方法处理，则形成去除噪声后的事件图像。

3.根据权利要求1所述的一种基于事件相机的高动态目标检测方法，其特征在于，所述步骤S2将得到的事件图像转化为分辨率为416*416的图像。

4.根据权利要求1所述的一种基于事件相机的高动态目标检测方法，其特征在于，所述步骤S3的卷积神经网络为tiny yolo，所述步骤S3包括以下步骤：

S31：通过卷积层和池化层提取13*13和26*26的特征图；

S32：对特征图进行预测，得到目标的x，y，w，h，confidence，其中，坐标(x，y)代表了边框的中心与网格单元边界的相对值，w和h是边框的宽和高，confidence是预测边界框和真实边界框的IOU，其中，IOU指交并比，即交集与并集的比值。

5.根据权利要求1所述的一种基于事件相机的高动态目标检测方法，其特征在于，所述步骤S4首先从所述步骤S3得到的预测框中找出置信度最大的预测框，然后计算其与剩余的预测框的IOU，如果其值大于0.4，则将该框剔除；然后对剩余的预测框重复上述过程，直到处理完所有的预测框。