[发明专利]一种运动目标检测跟踪方法

说明书

本申请涉及运动检测技术领域，具体而言，本申请涉及一种运动目标检测跟踪方法。所述方法包括以下步骤：采集监测区域的时空信号生成时空脉冲阵列；对所述时空脉冲阵列进行运动检测并生成对应的脉冲编码序列；将所述时空脉冲阵列输入脉冲神经网络中，所述脉冲神经网络根据所述时空脉冲阵列的发放模式进行聚类；结合所述脉冲编码序列和所述聚类结果获得目标的运动信息和位置信息；根据所述目标的运动信息和位置信息进行状态预测，将预测结果反馈到进行聚类的所述脉冲神经网络，以辅助修正预测时产生的误差。本申请的所述方法可分析获取如运动物体位置、大小、运动方向、运动速度等等运动信息，从而实现对不同运动目标的检测跟踪及运动轨迹的预测。

技术领域

本申请涉及运动检测技术领域，更为具体来说，本申请涉及一种运动目标检测跟踪方法。

背景技术

区别于通过固定曝光时间产生图片的传统相机，神经视觉传感器仿照生物视网膜根据外界光照环境产生脉冲信号的原理，基于监测区域中采样得到光信号变化产生脉冲信号。神经视觉传感器产生脉冲信号的时间分辨率可以控制在数十微秒以内，结合其采样机制可更容易采集场景中变化的视觉信息，自然比传统相机更适合获取运动物体的信息，如在相机或检测目标运动速度过快时，传统相机产生的图片会有运动模糊的现象。

然而，由于监测区域中不同运动物体彼此之间可能会有遮挡，或由于相机运动导致大量脉冲信号的产生，使得运动物体对应的脉冲信号很难从中分辨出来，区别不同运动物体和相机自运动的视觉信息本身就是一种挑战性的任务。此外，神经形态传感器的输出是事件或脉冲形式，天然适合作为脉冲神经网络这种低功耗、低延迟的模型的输入。但是目前仍然没有基于脉冲神经网络的方法可根据脉冲序列的信息进行运动物体的检测与跟踪。

因此，为了解决上述问题，本发明提出一种基于脉冲神经网络的运动目标检测跟踪方法，以至少部分地解决上述技术问题。

发明内容

本发明主要提出一种运动目标检测跟踪方法，该技术可应用于神经形态视觉芯片产生的脉冲阵列。目的是利用高频率视网膜相机获得的脉冲阵列本身具有的时空特性，仿照生物视觉特性，直接以视觉脉冲序列为输入，区别不同运动物体和相机自运动的视觉信息，并分析获取这些运动分别对应的信息，如运动物体位置、大小、运动方向、运动速度等等，实现对不同运动目标的检测跟踪，及运动轨迹预测。

首先根据运动状态来对不同的运动物体进行聚类，聚类方法采用的是学习一个运动状态生成器，学习检测到运动信息中隐藏的各种状态分布。聚类之后获得各个类别对应的运动信息，根据运动状态生成器所得各类的运动模型可预测不同物体下一时刻的运动状态，并为下一时刻的脉冲阵列进行物体类别的初始化，最后结合下个时刻的脉冲阵列运动检测结果与预测值的差异更新运动模型参数。

为实现上述技术目的，本申请提供了一种运动目标检测跟踪方法，包括以下步骤：

采集监测区域的时空信号生成时空脉冲阵列；

对所述时空脉冲阵列进行运动检测并生成对应的脉冲编码序列；

将所述时空脉冲阵列输入脉冲神经网络中，所述脉冲神经网络根据所述时空脉冲阵列的发放模式进行聚类；

结合所述脉冲编码序列和所述聚类的结果获得目标的运动信息和位置信息；

根据所述目标的运动信息和位置信息进行状态预测，将预测结果反馈到进行聚类的所述脉冲神经网络，以辅助修正预测时产生的误差。

具体地，所述对所述时空脉冲阵列进行运动检测，包括：对各个局部空间位置的时空信号进行时域上的对比，获得各个局部空间位置在时域上的运动信息，所述运动信息含速度和朝向。

具体地，所述对所述时空脉冲阵列进行运动检测并生成对应的脉冲编码序列，包括：根据各个局部空间位置的运动信息按照运动模式的相似性进行编码，或同时结合空间信息和运动信息进行编码。