[发明专利]基于动态视觉传感器的显著性图生成系统、方法和装置

说明书

本发明属于数据处理领域，具体涉及了一种基于动态视觉传感器的显著性图生成系统、方法和装置，旨在解决的问题。本发明包括：通过动态视觉传感器获取事件数据，并通过目标检测网络中的每个神经元将DVS事件数据和从相互关联的神经元获取的信息进行累加缓存，每隔预设的时间通过激活函数获取神经元膜电位，并根据神经元膜电位与预设的饱和阈值的大小关系输出脉冲信号，前一时刻的膜电位u(t0)经过衰减与当前接收的激励进行累加，结果用于脉冲信号和膜电位更新判断。本发明使得目标检测网络阵列生成的显著性图排除了冗余的背景信息，提高了目标检测的可信度和精确度，避免出现误判。

技术领域

本发明属于数据处理领域，具体涉及了一种基于动态视觉传感器的显著性图生成系统、方法和装置。

背景技术

动态视觉传感器(Dynamic vision sensor,DVS)逐渐获得关注，DVS是一种事件驱动型的光电传感器，此类传感器输出的信息不同于传统图像传感器具有“帧”的概念，而是大量独立事件构成的数据流，每个事件包含一个被激活的像素点的相关信息，使得像素信息不光具有亮度信息，同时也隐含了事件发生的时间顺序信息。同时，动态视觉传感器只对亮度对比发生变化的区域产生输出，因此具有过滤背景、仅仅捕捉运动目标的特点，可以极大地减少冗余背景信息，从而降低输出及待处理数据量，实际应用中可以节省计算资源和带宽。同时，DVS具有高动态测量范围，高时间分辨率特点，在视觉智能型移动设备及针对高速运动目标的检测中将带来广泛的应用前景，因此在机器学习、神经科学、计算机视觉等领域引起了强烈关注。

发明内容

为了解决现有技术中的动态视觉传感器数据无法排除冗余背景信息、数据量庞大、占用过多资源和捕捉的运动目标不明确的问题，本发明提供了一种动态视觉传感器的显著性图生成系统，所述系统包括事件数据获取模块和事件数据处理模块；

所述事件数据获取模块，用于通过动态视觉传感器获取事件数据，并将所述事件数据映射到目标检测网络阵列中；

所述事件数据处理模块，用于基于所述事件数据，通过目标检测网络阵列处理生成显著性图；

其中，所述目标检测网络阵列配置为神经形态算法模型，所述神经形态算法模型基于动态神经场构件，所述动态神经场由多个神经单元构成，每个神经单元包括低通滤波特性、局部横向激励机制、侧向抑制机制和横向相互作用机制；所述目标检测网络阵列通过基于动态神经场算法实现神经元阵列连接拓扑关系，每个神经元接受时间数据中8×8区域内的事件动态，将所述8×8区域内的事件动态作为外部刺激；每个神经元通过互连关系，与相邻5×5范围内神经元实现互连响应；

每个神经元将输入的事件信息和从相互关联的神经元获取的信息并缓存，每隔一段预设的时间通过激活函数u(t₁)获取神经元膜电位，当所述神经元输出信号小于或等于预设的饱和阈值时，该神经元输出与神经元输出信号等值的脉冲信号，当所述神经元输出信号大于预设的饱和阈值时，该神经元输出与饱和阈值等值的脉冲信号；前一时刻的膜电位u(t0)根据预设的时间常数和预设的衰减速度进行衰减，将衰减后的膜电位作为历史信息与当前时刻接收的激励进行累加，结果用于脉冲信号和膜电位更新判断。

进一步地，所述目标检测网络阵列通过所述动态神经场的低通滤波特性抑制动态视觉传感器获取事件数据时产生的背景噪声和动态视觉传感器视野区域的瞬时孤立事件产生的噪声。

进一步地，所述目标检测网络阵列的局部横向激励机制，用于稳定局部峰值吸引子；

还用于稳定捕捉到的运动目标捕捉到的运动目标属性的位置编码表示。

所述目标检测网络阵列的侧向抑制机制，用于抑制所述动态神经场中互连的神经元输入的瞬时噪声；

还用于稳定预设的选择决策器。

进一步地，所述目标检测网络阵列的横向相互作用机制，用于在目标短暂不完整情况下，通过所述横向相互作用机制对感官对象或感官对象属性的位置编码进行补全。