一种目标识别方法、装置、系统及计算机可读存储介质制造方法及图纸

本发明专利技术公开了目标识别方法、装置、系统及计算机可读存储介质，该方法包括如下步骤：获取原始脉冲数据，确定脉冲采样窗口、将脉冲采样窗口内的脉冲输入至脉冲神经网络，对输入至脉冲神经网络的脉冲进行映射，满足条件下令脉冲沿末层激发神经元以外的各层激发神经元依次传递、令脉冲沿末层激发神经元传递至推理层、令脉冲沿末层推理神经元以外的各层推理神经元依次传递，确定识别结果；该装置包括脉冲获取模块、采样窗口模块、脉冲映射模块、神经元激发模块、神经元推理模块及识别结果确定模块；该系统包括上述装置；本发明专利技术能够实现对待识别的目标的准确识别和快速识别，而且能够较好地适用于运动速度较高的目标，并能兼顾识别准确率与计算量。

A target recognition method, device, system and computer readable storage medium

【技术实现步骤摘要】
一种目标识别方法、装置、系统及计算机可读存储介质
本专利技术涉及目标识别
，更为具体来说，本专利技术为一种目标识别方法、装置、系统及计算机可读存储介质。
技术介绍
近年来，人工智能领域发展迅猛，在算法、硬件、芯片等各方面均有突破，特别是以计算机视觉为代表的图像领域，更是将诸多研究成果广泛商用化、民用化，极大的方便了人们的日常生活。但是，当前的人工智能算法还是以第二代人工神经网络为主要核心，该类算法早在上世纪八十年即被提出，随着多年来的不断研究，目前在学术界已经陷入研究瓶颈。所以人们把重点转移到了第三代人工神经网络(即脉冲神经网络)，但由于现有技术存在的局限，对于计算机视觉应用，特别是目标识别方面，往往存在识别准确率较低、识别速度慢、计算量较大、对硬件要求过高及功耗过大等问题。因此，如何有效提高目标识别准确率和速度、降低目标识别对计算量和功耗的要求，成为了本领域技术人员亟待解决的技术问题和始终研究的重点。
技术实现思路
为解决现有目标识别技术广泛存在的识别效果较差、无法对高速运动的目标进行有效识别等问题，本专利技术创新提供了一种目标识别方法、装置、系统及计算机可读存储介质，通过脉冲神经网络对原始输入脉冲进行噪声滤波和脉冲增强，能够实现对待识别目标的准确识别和高效识别，而且还能够显著降低计算量和功耗。为实现上述技术目的，本专利技术公开了一种目标识别方法，且所述方法包括如下步骤；获取被拍摄的待识别目标的原始脉冲数据，所述原始脉冲数据中包含至少一个脉冲序列；通过对脉冲序列中的各脉冲进行筛选的方式检索待识别目标所在的区域，根据待识别目标所在的区域确定脉冲采样窗口，将脉冲采样窗口内的脉冲输入至脉冲神经网络，所述脉冲神经网络包括激发层和推理层；对输入至脉冲神经网络的脉冲进行映射，以使激发层的首层激发神经元数目与脉冲采样窗口尺寸对应，所述激发层中包含多层依次连接的激发神经元；在满足第一预设条件下令脉冲沿末层激发神经元以外的各层激发神经元依次传递，并在满足第二预设条件下令脉冲沿末层激发神经元传递至推理层，所述推理层包含多层依次连接的推理神经元；在满足第三预设条件下令脉冲沿末层推理神经元以外的各层推理神经元依次传递；根据末层推理神经元的活跃度确定识别结果。进一步地，获取的待识别目标的原始脉冲数据来源于仿生视觉传感器，利用仿生视觉传感器拍摄待识别目标。进一步地，所述第一预设条件为末层激发神经元以外的各层激发神经元自身的膜电位变化量超过自身的第一激发阈值。进一步地，所述第二预设条件为末层激发神经元自身的膜电位变化量超过自身的第二激发阈值且末层激发神经元中被激活的神经元数目的占比大于第一预设比例。进一步地，所述第三预设条件为末层推理神经元以外的各层推理神经元自身的膜电位变化量超过自身的第三激发阈值。进一步地，在确定脉冲采样窗口后，还包括记录待识别目标相邻两次出现在脉冲采样窗口的时间间隔的步骤。进一步地，所述原始脉冲数据中包含多个脉冲序列，并对所有脉冲序列同时进行上述处理后的识别结果均一致时才对识别结果进行输出。为实现上述的技术目的，本专利技术还公开了一种目标识别装置，且所述装置包括脉冲获取模块、采样窗口模块、脉冲映射模块、神经元激发模块、神经元推理模块及识别结果确定模块；所述脉冲获取模块，用于获取被拍摄的待识别目标的原始脉冲数据；所述原始脉冲数据中包含至少一个脉冲序列；所述采样窗口模块，用于通过对脉冲序列中的各脉冲进行筛选的方式检索待识别目标所在的区域，并用于根据待识别目标所在的区域确定脉冲采样窗口，以及用于将脉冲采样窗口内的脉冲输入至脉冲神经网络；所述脉冲神经网络包括激发层和推理层；所述脉冲映射模块，用于对输入至脉冲神经网络的脉冲进行映射，以使激发层的首层激发神经元数目与脉冲采样窗口尺寸对应；所述激发层中包含多层依次连接的激发神经元；所述神经元激发模块，用于在满足第一预设条件下令脉冲沿末层激发神经元以外的各层激发神经元依次传递，并用于在满足第二预设条件下令脉冲沿末层激发神经元传递至推理层；所述推理层包含多层依次连接的推理神经元；所述神经元推理模块，用于在满足第三预设条件下令脉冲沿末层推理神经元以外的各层推理神经元依次传递；所述识别结果确定模块，用于根据末层推理神经元的活跃度确定识别结果。为实现上述的技术目的，本专利技术还公开了一种目标识别系统，该目标识别系统包括仿生视觉传感器和上述的目标识别装置，所述仿生视觉传感器用于拍摄待识别目标，以得到待识别目标的原始脉冲数据。为实现上述的技术目的，本专利技术还公开了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行，以实现如上所述的任一种目标识别方法。本专利技术的有益效果为：与现有技术相比，本专利技术能够实现对待识别的目标的准确识别和快速识别，而且能够较好地适用于运动速度较高的目标，本专利技术能够同时兼顾准确识别与计算量、功耗的问题。本专利技术还能够实现对高速旋转目标的转速测量，进而为旋转体转速标定提供一种较佳的解决方案。本专利技术能够通过具有高时间分辨率的仿生视觉传感器记录高速运动目标的动态变化信息，通过脉冲神经网络处理仿生视觉传感器输出的脉冲序列，能够实现对原始输入脉冲进行噪声滤波和脉冲增强，以较好地实现对目标的准确识别和快速识别，具体可通过控制激发层脉冲神经元的激活比例值减少推理层的脉冲输入量，进而降低整个脉冲处理算法的计算量和功耗；本专利技术通过多次测量机制可显著提升脉冲神经网络的识别准确率；本专利技术通过分析圆周运动的特点、采用固定采样窗口的方法实现高速旋转目标的转速测量，进而为旋转体转速标定提供了一种实现方法。附图说明图1为本专利技术一些实施例中的目标识别方法的流程示意图。图2为本专利技术一些实施例中的目标识别系统的组成示意图。图3为本专利技术一些实施例中以具有局部连接关系的多个激发神经元为例的脉冲识别过程的工作原理示意图。图4为本专利技术另一些实施例中脉冲识别过程的工作原理示意图。图5为通过激发层对待识别目标—字符“P”所在的区域的脉冲序列进行滤波和增强后的效果。图6为通过激发层对待识别目标—字符“C”所在的区域的脉冲序列进行噪声滤波和脉冲增强后的效果。图7为通过激发层对待识别目标—字符“L”所在的区域的脉冲序列进行噪声滤波和脉冲增强后的效果。具体实施方式下面结合说明书附图对本专利技术提供的一种目标识别方法、装置、系统及计算机可读存储介质进行详细的解释和说明。请参阅图1，图1为本专利技术一些实施例中的目标识别方法的流程示意图。本实施例提供了一种目标识别方法，具体地，该目标识别方法可包括如下步骤。步骤100，本实施例可以通过仿生视觉传感器拍摄待识别目标，从而得到待识别目标的原始脉冲数据，其中使用的仿生视觉传感器是模仿生物体眼睛的视觉传感原理而制造出的电子器件，可以为后续的类脑神经网络算法提供信息输入，仿生视觉传感器往往具有很高的时间分辨率、可记录高本文档来自技高网...

【技术保护点】
1.一种目标识别方法，其特征在于：所述方法包括如下步骤；/n获取被拍摄的待识别目标的原始脉冲数据，所述原始脉冲数据中包含至少一个脉冲序列；/n通过对脉冲序列中的各脉冲进行筛选的方式检索待识别目标所在的区域，根据待识别目标所在的区域确定脉冲采样窗口，将脉冲采样窗口内的脉冲输入至脉冲神经网络，所述脉冲神经网络包括激发层和推理层；/n对输入至脉冲神经网络的脉冲进行映射，以使激发层的首层激发神经元数目与脉冲采样窗口尺寸对应，所述激发层中包含多层依次连接的激发神经元；/n在满足第一预设条件下令脉冲沿末层激发神经元以外的各层激发神经元依次传递，并在满足第二预设条件下令脉冲沿末层激发神经元传递至推理层，所述推理层包含多层依次连接的推理神经元；/n在满足第三预设条件下令脉冲沿末层推理神经元以外的各层推理神经元依次传递；/n根据末层推理神经元的活跃度确定识别结果。/n

【技术特征摘要】
1.一种目标识别方法，其特征在于：所述方法包括如下步骤；
获取被拍摄的待识别目标的原始脉冲数据，所述原始脉冲数据中包含至少一个脉冲序列；
通过对脉冲序列中的各脉冲进行筛选的方式检索待识别目标所在的区域，根据待识别目标所在的区域确定脉冲采样窗口，将脉冲采样窗口内的脉冲输入至脉冲神经网络，所述脉冲神经网络包括激发层和推理层；
对输入至脉冲神经网络的脉冲进行映射，以使激发层的首层激发神经元数目与脉冲采样窗口尺寸对应，所述激发层中包含多层依次连接的激发神经元；
在满足第一预设条件下令脉冲沿末层激发神经元以外的各层激发神经元依次传递，并在满足第二预设条件下令脉冲沿末层激发神经元传递至推理层，所述推理层包含多层依次连接的推理神经元；
在满足第三预设条件下令脉冲沿末层推理神经元以外的各层推理神经元依次传递；
根据末层推理神经元的活跃度确定识别结果。


2.根据权利要求1所述的目标识别方法，其特征在于：获取的待识别目标的原始脉冲数据来源于仿生视觉传感器，利用仿生视觉传感器拍摄待识别目标。


3.根据权利要求1或2所述的目标识别方法，其特征在于：所述第一预设条件为末层激发神经元以外的各层激发神经元自身的膜电位变化量超过自身的第一激发阈值。


4.根据权利要求3所述的目标识别方法，其特征在于：所述第二预设条件为末层激发神经元自身的膜电位变化量超过自身的第二激发阈值且末层激发神经元中被激活的神经元数目的占比大于第一预设比例。


5.根据权利要求1、2或4中任一权利要求所述的目标识别方法，其特征在于：所述第三预设条件为末层推理神经元以外的各层推理神经元自身的膜电位变化量超过自身的第三激发阈值。


6.根据权利要求1所述的目标识别方法，其特征在于：在确定脉冲采样窗口后，还包括记录待识别目标相邻两次出现在脉冲...

【专利技术属性】
技术研发人员：黄铁军，赵君伟，田永鸿，余肇飞，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京;11