[发明专利]基于仿生图像传感器的异步目标检测方法、系统、终端及介质

权利要求书

1.一种基于仿生图像传感器的异步目标检测方法，其特征在于，包括：

接收由仿生图像传感器实时记录的在划分的一或多个网格区域中发生的一或多个事件；其中，每个事件定义有该事件所发生的网格区域的位置信息；

当检测到有发生在其上的事件个数达到设定阈值的网格区域出现时，将该网格区域作为补丁区域并记录当前时刻；

基于事件编码算法，将所述补丁区域中的各事件转化为对应所述当前时刻的事件帧图像；

将所述事件帧图像输入第一特征提取模型，获得对应所述补丁区域的特征信息；

根据所述补丁区域的特征信息对初始特征图进行特征更新，以获得对应所述当前时刻的事件复用特征图并进行保存，以作为下一次异步目标检测的初始特征图；

将所述事件复用特征图输入第二特征提取模型，获得对应所述当前时刻的异步目标检测结果。

2.根据权利要求1中所述的基于仿生图像传感器的异步目标检测方法，其特征在于，所述第一特征提取模型以及所述第二特征提取模型均采用卷积神经网络结构；其中，所述第一特征提取模型以及所述第二特征提取模型的训练过程包括：

分别利用样本图像集以及与样本图像集中各样本图像的特征信息训练所述第一特征提取模型以及所述第二特征提取模型。

3.根据权利要求1中所述的基于仿生图像传感器的异步目标检测方法，其特征在于，所述根据所述补丁区域的特征信息对初始特征图进行特征更新的方式包括：

根据所述补丁区域的特征信息，对初始特征图对应补丁区域位置的区域的特征信息进行替换。

4.根据权利要求1中所述的基于仿生图像传感器的异步目标检测方法，其特征在于，所述网格区域根据所述仿生图像传感器的视场范围进行划分。

5.根据权利要求1中所述的基于仿生图像传感器的异步目标检测方法，其特征在于，所述将所述事件复用特征图输入第二特征提取模型，获得对应所述当前时刻的异步目标检测结果的方式包括：

将所述事件复用特征图输入第二特征提取模型，获得对应所述事件复用特征图的检测结果；

将所述检测结果进行非极大值抑制处理，获得对应所述当前时刻的最终异步目标检测结果。

6.根据权利要求1中所述的基于仿生图像传感器的异步目标检测方法，其特征在于，所述事件编码算法包括，但不限于：

其中，n表示像素(x，y)位置在固定时间间隔内发生事件的总次数，F(x，y)为所述像素(x，y)位置的像素值。

7.根据权利要求1中所述的基于仿生图像传感器的异步目标检测方法，其特征在于，所述初始特征图包括：对应首次异步目标检测的无事件发生特征图和/或对应非首次异步目标检测的上一次异步目标检测所保存的事件复用特征图。

8.一种基于仿生图像传感器的异步目标检测系统，其特征在于，包括：

接收模块，用于接收由仿生图像传感器实时记录的在划分的一或多个网格区域中发生的一或多个事件；其中，每个事件定义有该事件所发生的网格区域的位置信息；

事件数检测模块，连接所述接收模块，用于当检测到有发生在其上的事件个数达到设定阈值的网格区域出现时，将该网格区域作为补丁区域并记录当前时刻；

事件编码模块，连接所述事件数检测模块，用于基于事件编码算法，将所述补丁区域中的各事件转化为对应所述当前时刻的事件帧图像；

补丁区域特征提取模块，连接所述时间编码模块，用于将所述事件帧图像输入第一特征提取模型，获得对应所述补丁区域的特征信息；

特征更新模块，连接所述补丁区域特征提取模块，用于根据所述补丁区域的特征信息对初始特征图进行特征更新，以获得对应所述当前时刻的事件复用特征图并进行保存，以作为下一次异步目标检测的初始特征图；

异步目标检测模块，连接所述特征更新模块，用于将所述事件复用特征图输入第二特征提取模型，获得对应所述当前时刻的异步目标检测结果。