[发明专利]一种基于事件相机的静态和动态目标检测方法及设备

说明书

基于事件相机的静态和动态的目标识别的检测方法，包括以下步骤：S1.初始化；S2.数据采样；S3.动态数据评估：评估采样到的事件相机数据是否属于动态数据；S4.如果步骤S3中的评估显示不属于动态数据，则数据是静态数据，通过曝光采样对静态数据进行采样处理；S5.将采样到的事件相机数据通过数据转换，转换成为可以进行特征提取的矩阵数据；S6.将转换好的事件相机数据，利用神经网络提取事件相机数据的目标特征；S7.全将提取到的目标特征输入到最后全连接层进行检测结果的预测；以及S8.输出结果。本发明方法解决了事件相机无法对静态和动态目标同时获取的问题，以及利用神经网络对事件相机获取到动态和静态目标进行有效的识别的问题。

技术领域

本发明属于人工智能领域，特别涉及一种基于事件相机的静态和动态的目标识别的检测方法及设备。

背景技术

随着芯片技术和脑启发的技术不断的发展，基于神经科学的传感器芯片不断被提出，事件相机就是其中最有代表性的一种仿生设备。事件相机是一种新型的传感器设备，跟传统的一帧一帧进行拍摄的摄像机有所区别，事件相机关注的是事件的捕捉，即关注像素亮度的变化，它的更新不是根据曝光时间来进行固定帧率的更新，而是事件触发的不固定帧率的更新。事件触发指的是场景中光线发生变化或者目标在场景中进行移动，都可以看作是事件触发，当事件触发在事件相机的感应器件的某一点的积累到达一定的阈值，事件相机就会输出一个事件。相比于传统相机，事件相机有以下三个优点：(1)很少有运动模糊，传统相机以固定的帧率去拍摄捕获视频图像，帧与帧的中间，有以一定的曝光事件，如果移动的目标的速度较快就会产生一定运动模糊，留下一段残影，不利于对快速移动的目标进行检测识别。而事件相机有极高的更新速度率，相邻事件的更新速度可以小于1微秒，可以获取远动目标的变化(2)有较高的动态范围，传统的相机的动态范围较低，当遇到光线较暗或者光线过于明亮的场景时，往往一片模糊，而事件相机可以克服在光线太暗或者太亮的情况，其动态范围是普通相机的两倍(3)较低的功率；事件相机的功率要远低于普通设备，这导致它的适用场景要不普通的相机的范围要广。

但在人工智能技术的应用场景中，我们不仅需要对运动的目标进行检测，而且也需要对静态的目标进行检测，针对目前只能利用事件相机对运动目标进行检测的弊端。

发明内容

本发明提供了一种基于事件相机的静态和动态的目标识别的检测方法及设备，利用深度学习技术，结合经过改进的事件相机，利用人工神经网络的训练和学习，可以同时利用事件相机有效的对静态和动态的目标进行有效的识别。解决了事件相机无法对静态和动态目标同时获取的问题，以及利用神经网络对事件相机获取到动态和静态目标进行有效的识别的问题。

本发明的技术方案如下：

根据一个方面，本发明提供了一种基于事件相机的静态和动态的目标识别的检测方法，包括以下步骤：S1.初始化：对事件相机进行启动初始化操作，将事件相机固定在一个位置，保持事件相机静止，并对事件相机进行启动；S2.数据采样：在完成事件相机相机初始化以后，对事件相机的获取的事件相机数据进行采样；S3.动态数据评估：评估采样到的事件相机数据是否属于动态数据；S4.曝光采样：如果步骤S3中的评估显示不属于动态数据，则数据是静态数据，通过曝光采样对静态数据进行采样处理；S5.数据转换：将采样到的事件相机数据通过数据转换，转换成为可以进行特征提取的矩阵数据；S6.特征提取：将转换好的事件相机数据，利用神经网络提取事件相机数据的目标特征；S7.全连接预测：将提取到的目标特征输入到最后全连接层进行检测结果的预测；以及S8.输出结果：将预测结果得分最高的作为最后的结果进行输出。

优选的，在上述基于事件相机的静态和动态的目标识别的检测方法中，在步骤S1中，将启动时候产生的数据删减和丢弃，在初始化阶段要舍弃事件相机启动时获取到的信息。

优选的，在上述基于事件相机的静态和动态的目标识别的检测方法中，在步骤S2中，选取在0到1s内的随机时间长度的事件相机数据进行采样。