[发明专利]面向稀疏事件点的时空聚类小目标检测方法

权利要求书

1.一种面向稀疏事件点的时空聚类小目标检测方法，其特征在于，包括以下步骤：

对事件相机拍摄的原始数据进行预处理，获得预处理后的事件数据；

遍历所述事件数据中的所有事件点，为每一个事件点赋予一个权重值，并按照权重值大小，对所有事件点进行降序排列；

将排序靠后的M％的事件点的平均权重作为聚类阈值，根据所述聚类阈值对所述事件数据进行最近邻聚类，得到初步检测结果；

对所述初步检测结果进行点云滤波，得到最终的检测结果。

2.根据权利要求1所述的面向稀疏事件点的时空聚类小目标检测方法，其特征在于，对事件相机拍摄的原始数据进行预处理，获得预处理后的事件数据的具体实现过程包括：

去除原始数据中四维事件点坐标Z_i＝(x,y,t,p)的极性p，对去除极性后的事件点坐标进行下采样，得到三维时空点云数据[x,y,t]^T×N，所述三维时空点云数据即预处理后的事件数据；(x,y)为成像像元的二维位置坐标，t为成像时刻，N为原始数据中事件点的个数。

3.根据权利要求1所述的面向稀疏事件点的时空聚类小目标检测方法，其特征在于，对事件相机拍摄的原始数据进行预处理的实现过程包括：对所述原始数据进行下采样操作。

4.根据权利要求1所述的面向稀疏事件点的时空聚类小目标检测方法，其特征在于，对所述事件数据进行切片，得到多个数据段，为各数据段中的每一个事件点赋予一个权重值；按照权重值大小，对所有数据段的事件点进行降序排列。

5.根据权利要求1或4所述的面向稀疏事件点的时空聚类小目标检测方法，其特征在于，任一事件点a的权重值W_a的计算公式为：其中D_max为事件点a和与事件点a最远的事件点之间的欧式距离，D_ai代表事件点a与第i个事件点的欧式距离，m为输入事件总数。

6.根据权利要求5所述的面向稀疏事件点的时空聚类小目标检测方法，其特征在于，选取权重值分布在50％以下的事件点，计算选取的事件点的平均权重，即得到自适应聚类范围l。

7.根据权利要求1所述的面向稀疏事件点的时空聚类小目标检测方法，其特征在于，所述初步检测结果的获取过程包括：

根据所述聚类阈值对所述事件数据进行最近邻聚类，得到包含检测结果的聚类结果[x,y,t]^T×M；M为聚类结果中包含的事件点的总数；

若所述聚类结果包括多个类别，则计算每个类别与其余类别的二维空间坐标偏差，若二维空间坐标偏差不超过所述聚类结果中的二维位置坐标，则在断裂处进行均匀插值，补充断裂轨迹，得到初步检测结果。

8.根据权利要求1所述的面向稀疏事件点的时空聚类小目标检测方法，其特征在于，对所述初步检测结果进行点云滤波的具体实现过程包括：计算每个聚类类别的时间跨度，若某个聚类类别的时间跨度不超过点云时间维度的10％，则删除该聚类类别。

9.一种终端设备，包括存储器、处理器及存储在存储器上的计算机程序；其特征在于，所述处理器执行所述计算机程序，以实现权利要求1～8之一所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序/指令；其特征在于，所述计算机程序/指令被处理器执行时实现权利要求1～8之一所述方法的步骤。