[发明专利]一种基于脉冲神经网络的类脑目标跟踪方法

权利要求书

1.一种基于脉冲神经网络的类脑目标跟踪方法，其特征在于，包括以下步骤：

S1、输入图像：由摄像头组件输入待跟踪目标图像；

S2、目标检测模型对输入图像进行目标检测：

首先利用基础网络脉冲神经网络对输入图像进行特征提取，形成检测特征图之后添加不同尺度卷积层进行多尺度检测；

S3、输出坐标位置信息：由S2步骤产生的不同尺度的检测特征图进行多尺度的默认识别框预测，利用softmax对预测的默认识别框类别进行分类，边界回归获得真实目标的位置信息并输出待跟踪目标识别框的左上角和右下角顶点坐标和置信度；

S4、目标跟踪：根据S3步骤得到的目标位置信息，基于PID控制改变移动端的运动状态，进而实现目标跟踪。

2.根据权利要求1所述的一种基于脉冲神经网络的类脑目标跟踪方法，其特征在于，步骤S1所述脉冲神经网络的基本单元采用LIF神经元，LIF神经元动态模型可近似为一阶微分方程描述：其中，u(t)脉冲神经元膜电压；u_rest为神经元静息电位；R为膜电阻，I(t)为外界输入电流，τ_m为膜时间常量(τ_m＝RC)。具有更好的生物合理性，使得对输入图像进行有效提取。

3.根据权利要求1所述的一种基于脉冲神经网络的类脑目标跟踪方法，其特征在于，步骤S2所述不同尺度卷积层对基础网络产生的特征图进行进一步特征提取，并产生不同尺度大小的检测图，采用大尺度特征图检测小目标对象；采用小尺度特征图检测大目标对象。

4.根据权利要求1所述的一种基于脉冲神经网络的类脑目标跟踪方法，其特征在于，步骤S3所述目标坐标位置信息为目标物体识别框位于整个图像的左上角及右下角顶点坐标[x₁，y₁，x₂，y₂]，其中softmax计算公式为其中，S为最后一层每种输出类别的概率，e为各类别的输入比重。

5.根据权利要求1所述的一种基于脉冲神经网络的类脑目标跟踪方法，其特征在于，步骤S4所述目标跟踪是利用顶点坐标判断识别目标位于画面的位置信息，并根据调整识别框坐标差和面积差改变识别目标的运动状态。