一种基于事件相机的海上船舶目标识别方法技术

本发明专利技术公开了一种基于事件相机的海上船舶目标识别方法。为了克服现有技术的异步稀疏的事件数据无法直接利用当前主流的卷积神经网络结构进行处理的问题；本发明专利技术依次包括事件数据采集，事件数据滤波，事件表征提取，海上船舶目标检测和海上船舶目标识别的过程，通过事件相机采集的事件数据，相较于传统图像和视频更低能耗地进行海上船舶目标识别任务。通过事件滤波和事件表征提取手段，将异步稀疏的事件数据转换为类似图像的同步事件表征，能够直接利用卷积神经网络进行处理。利用卷积神经网络进行处理。利用卷积神经网络进行处理。

【技术实现步骤摘要】
一种基于事件相机的海上船舶目标识别方法


[0001]本专利技术涉及一种视觉识别领域，尤其涉及一种基于事件相机的海上船舶目标识别方法。

技术介绍

[0002]目标识别是计算机视觉领域重要的研究方向，在于根据图像或视频对关注的目标进行检测和识别。随着深度学习在计算机视觉领域中的广泛应用，基于传统图像和视频的目标识别方法已经能够在大量任务中获得出色表现。但是，由于普通相机自身的曝光特性，实时高负载的数据获取和推理会对存储和算力资源造成大量的浪费，给算法的落地应用带来困难。在面向海上船舶目标检测的任务中，由于船舶目标的出现是小概率事件并不总是出现，无需实时进行存储和推理，因此一种更为有效和低能耗的目标识别方法显得较为重要。
[0003]例如，一种在中国专利文献上公开的“一种海上船舶目标的自动检测和识别方法及目标检测器”，其公告号CN111144208A，本专利技术的步骤如下：(1)采用可见光相机采集包含海上船舶目标的图像样本，基于该图像样本制作海上船舶目标图像库，包括训练集和测试集；(2)构建基于Faster
‑r/>RCNN算法的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于事件相机的海上船舶目标识别方法，其特征在于，包括以下步骤：S1：使用事件相机采集事件数据，当检测到事件点数量发生突变时，记录数据进行后续操作；S2：使用事件体素滤波算法对事件数据进行滤波和降采样，去除无关事件点；S3：将滤波后的事件数据在时间域上等分为若干时间窗口，分别统计每个时间窗口中的正负事件数目，作为事件表征；S4：将事件表征输入训练好的船舶目标检测网络，获得预测的船舶目标框；S5：将预测的船舶目标框输入训练好的船舶分类网络，获得预测的船舶类型。2.根据权利要求1所述的一种基于事件相机的海上船舶目标识别方法，其特征在于，所述的事件数据为事件相机采集的离散数据，具体包括：事件触发坐标、事件触发时间戳以及事件触发极性；所述的事件触发极性包括：事件触发正极性以及事件触发负极性；其中，事件触发正极性表示光强变亮超过触发阈值，事件触发负极性表示光强变暗超过触发阈值。3.根据权利要求1或2所述的一种基于事件相机的海上船舶目标识别方法，其特征在于，所述的步骤S1具体包括以下过程：S101：设置事件队列，记录某段时间内的所有事件数据；S102：获取每一最小时间单元内的事件数据，将事件数据加入事件队列，并从事件队列中删除最早的事件数据；S103：设定第一事件点数量阈值，当事件队列中的事件点数量大于第一事件点数量阈值时，将该事件队列拷贝进入待处理事件队列以待后续操作；否则，不进行操作。4.根据权利要求3所述的一种基于事件相机的海上船舶目标识别方法，其特征在于，所述的步骤S2包括以下过程：S201：根据事件相机的空间分辨率和事件队列的长度，以相同的间距对时间维度与空间维度中进行等分...

【专利技术属性】
技术研发人员：王文亮，张一帆，刘识灏，秦鑫宇，汪洋百惠，杨晓迪，
申请(专利权)人：中船浙江海洋科技有限公司，
类型：发明
国别省市：