[发明专利]基于ELBP特征的DVS事件分类方法

摘要

本发明提出了一种基于ELBP特征的DVS事件分类方法，旨在保证分类效率的同时，提高DVS事件分类的准确率，包括如下步骤：获取DVS事件流；对DVS事件流进行二值图转化；获取每个二值图的ELBP特征直方图；获得训练好的分类器；获取DVS事件的分类结果。本发明在对DVS事件进行特征提取时，通过对ELBP特征图进行单元划分，在各单元内计算直方图，实现了ELBP特征的有效降维，从而避免特征维度过高给分类效果带来的负面影响，提高了分类的准确率。

主权项

1.一种基于ELBP特征的DVS事件分类方法，其特征在于，包括如下步骤：(1)获取DVS事件流：将动态视觉传感器DVS输出的包括激活时刻的多个DVS事件保存为DVS事件流；(2)对DVS事件流进行二值图转化：(2a)对DVS事件流包含的多个DVS事件的激活时刻以m为单位进行分组，得到n个DVS子事件流，m≥1毫秒，n≥2；(2b)对每个DVS子事件流进行二值图转化，得到n个二值图，并将n个二值图排列为二值图序列；(3)求取每个二值图的ELBP特征直方图：(3a)将二值图序列中的任意一个二值图作为当前二值图，并计算当前二值图中每个像素点(x,y)的事件局部二值模式ELBP特征值ELBP(x,y)，所有像素点的ELBP(x,y)构成当前二值图的ELBP特征图，其中：其中，∑表示求和操作，p表示像素点(x,y)的邻居像素点的序号，b_p表示序号为p的邻居像素点的灰度值，U(x,y)表示像素点(x,y)的稳定性衡量值，其中，|·|表示求绝对值操作，x，y分别表示像素点(x,y)的横坐标和纵坐标；(3b)将当前二值图的ELBP特征图划分为2^l×2^l个不重合的单元，并计算每个单元的直方图，然后按照从左到右，从上到下的顺序，将各单元的直方图串联，得到当前二值图的ELBP特征直方图，其中，每个单元的尺寸为特征图尺寸的l是不小于1的正整数；(3c)重复步骤(3a)～(3b)，获取二值图序列中其余n‑1个二值图的ELBP特征直方图；(4)获得训练好的分类器：(4a)将n个二值图的ELBP特征直方图的一部分作为训练集，其余部分作为测试集；(4b)对训练集打标签，将训练集及其标签作为支持向量机SVM的输入进行训练，得到训练好的支持向量机SVM；(5)获取DVS事件的分类结果：将测试集输入训练好的支持向量机SVM进行分类，得到DVS事件的标签。