[发明专利]一种对象识别方法及装置、芯片及电子设备

说明书

本发明公开了一种对象识别方法及装置、芯片及电子设备。方案包括获取视觉传感器采集到的事件数据流，事件数据流包括至少一个像素事件的事件数据，事件数据包括像素事件的时间信息和空间信息；根据时间信息与空间信息，确定像素事件之间的时空关联关系；基于时空关联关系，对事件数据流进行事件数据去噪处理；根据去噪后像素事件的空间信息，计算去噪后像素事件的距离特征；基于距离特征对去噪后像素事件进行聚类处理，得到聚类结果；根据聚类结果，对基于神经网络的对象识别模型进行训练，得到基于脉冲神经网络的训练后对象识别模型，以通过训练后对象识别模型识别聚类结果对应的对象。本方案解决现有识别方法低效问题，可以高效识别对象。

技术领域

本申请涉及计算机技术领域，具体涉及一种对象识别方法及装置、芯片及电子设备。

背景技术

对象识别在视觉处理领域中具有重要意义，其可以用于判断视觉信息中是否包含某类对象，并明确这些对象的具体信息，如对象位置与对象尺寸等信息，因此，对象识别在实际应用中具有广泛的应用场景。

在对相关技术的研究和实践过程中，本申请的发明人发现，当前可以通过应用人工神经网络模型（Artificial Neural Network，ANN）来进行对象识别，具有如下缺点：

为了实时、高速识别物体，需要规模极大的深度学习模型，这需要大量的硬件资源消耗，如GPU；

传统基于帧的相机实时采集大量的数据，如果采集点过多，对带宽的需求则极高；通常为了减少负载而降低帧率，而这对实时高速目标识别并不适用；

高功耗问题：大量的基于帧数据的高功耗采集端、用于训练和推理的大量GPU、不论目标是否存在都需要在线识别造成的能源浪费等。

本申请的发明人发现，当前的对象识别方法存在如上缺陷，例如会消耗大量硬件资源、网络资源、存储资源等，使得当前的对象识别方法有待改进。

发明内容

本申请实施例提供一种对象识别方法及装置、芯片及电子设备，可以提高对象识别的效率。

一种对象识别方法，包括：

获取视觉传感器采集到的事件数据流，所述事件数据流包括至少一个像素事件的事件数据，所述事件数据包括所述像素事件的时间信息和空间信息；

根据所述时间信息与所述空间信息，确定所述像素事件之间的时空关联关系；

基于所述时空关联关系，对所述事件数据流进行事件数据去噪处理，得到处理后事件数据流，所述处理后事件数据流包括去噪后像素事件的事件数据；

根据所述去噪后像素事件的空间信息，计算所述去噪后像素事件的距离特征；

基于所述距离特征对去噪后像素事件进行聚类处理，得到聚类结果；

根据所述聚类结果，对基于神经网络的对象识别模型进行训练，得到基于脉冲神经网络的训练后对象识别模型，以通过所述训练后对象识别模型识别所述聚类结果对应的对象。

在某类实施例中，根据所述时间信息与所述空间信息，确定所述像素事件之间的时空关联关系，包括：

基于所述视觉传感器的参数信息，生成所述事件数据流的初始关联掩膜，所述初始关联掩膜包括至少一个信息单元，所述信息单元用于记录像素事件的时间信息；

对所述像素事件的空间信息进行信息压缩，得到压缩后空间信息；

根据所述压缩后空间信息，确定所述像素事件对应的目标信息单元；

根据所述像素事件的时间信息，对所述目标信息单元进行信息更新，以生成更新后关联掩膜，所述更新后关联掩膜表征像素事件之间的时空关联关系。