本发明专利技术公开了一种仿视网膜的目标检测方法、装置、存储介质及终端，方法包括：获取目标脉冲阵列信号；目标脉冲阵列信号包括来自仿视网膜中央凹采样电路的第一脉冲阵列信号和来自仿视网膜外周采样电路的第二脉冲阵列信号；将第一脉冲阵列信号与第二脉冲阵列信号进行时空同步，得到待处理脉冲阵列信号；将待处理脉冲阵列信号输入预先训练的目标检测器中，输出待处理脉冲阵列信号对应的目标检测结果。由于本申请利用仿视网膜中央凹采样电路的高速视觉纹理成像的优势，并结合仿视网膜外周视觉采样电路的高时间分辨率、高动态范围、低功耗优势，从而可以解决传统相机在高速运动、过光照和低光照场景下难以高精度检测的问题，提升了极端场景的检测精度。了极端场景的检测精度。了极端场景的检测精度。
【技术实现步骤摘要】
一种仿视网膜的目标检测方法、装置、存储介质及终端
[0001]本专利技术涉及计算机视觉
，特别涉及一种仿视网膜的目标检测方法、装置、存储介质及终端。
技术介绍
[0002]视觉目标检测是通过特定传感器采集目标的视觉信息，并计算感兴趣目标物体的位置信息和类别属性。目标精准检测是目标跟踪、行为理解、视频对象检索等高级视觉任务的基础，并广泛应用于自动驾驶、视频监控和人机交互等领域。深度学习技术较大提升了图像或视频目标检测的准确率，但传统图像帧范式在高速运动或低光照等极端场景极大制约了目标对象进行实时精准检测。
[0003]近年来，深度学习目标检测器在大数据和强算力的驱动下，以监督学习的方式逐层端到端学习目标的高层语义特征，避免了手工设计特征的繁琐低效，在常规运动速度或适宜光照下目标检测取得了突破性进展并应用相对较成熟。然而，在实际复杂场景(高速运动或极端光照)下运动目标的视觉成像与检测技术需求日益迫切，例如高速飞行器位姿测量、高速行驶车辆检测、体育赛事中球类物体定位等。这些典型高速目标的运动速度超过100千米/小时，具有持续时间短、机动性强、轨迹复杂与规律性差等特点，但传统图像帧范式采样率一般在30
‑
120帧/秒，在单位曝光时间内高速运动目标位移量较大，其成像存在严重的运动模糊效应，从而导致高速运动目标检测性能大幅度降低。
[0004]此外，现有高速相机大多数采用传统“所见即所得”的图像帧范式成像机制，通过稠密采样直接得到高帧率图像序列，其产生的海量冗余数据会给存储和处理带来了极大挑战，在资源受限情况下难以满足高速运动目标的实时精准检测。此外，高速相机的价格昂贵也一定程度上制约了其广泛应用。因此，现有图像帧范式很难满足实际极端场景下目标高效精准检测的应用需求，探索新型视觉采样范式与目标探测技术是亟待研究的。
技术实现思路
[0005]本申请实施例提供了一种仿视网膜的目标检测方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
[0006]第一方面，本申请实施例提供了一种仿视网膜的目标检测方法，方法包括：
[0007]获取目标脉冲阵列信号；其中，
[0008]目标脉冲阵列信号包括来自仿视网膜中央凹采样电路的第一脉冲阵列信号和来自仿视网膜外周采样电路的第二脉冲阵列信号；
[0009]将第一脉冲阵列信号与第二脉冲阵列信号进行时空同步，得到待处理脉冲阵列信号；
[0010]将待处理脉冲阵列信号输入预先训练的目标检测器中，输出待处理脉冲阵列信号
对应的目标检测结果。
[0011]可选的，时空同步包括时域同步和空间同步；
[0012]将第一脉冲阵列信号与第二脉冲阵列信号进行时空同步，包括：
[0013]采用同步触发采集软件将第一脉冲阵列信号与第二脉冲阵列信号进行时域同步；
[0014]采用空间法射变换来构建第一脉冲阵列信号与第二脉冲阵列信号的映射关系，以对第一脉冲阵列信号与第二脉冲阵列信号进行空间同步。
[0015]可选的，预先训练的目标检测器包括时域聚合表征模块与动态交互融合模块；
[0016]将待处理脉冲阵列信号输入预先训练的目标检测器中，输出待处理脉冲阵列信号对应的目标检测结果，包括：
[0017]时域聚合表征模块根据待处理脉冲阵列信号进行时域建模，得到第一特征图序列和第二特征图序列；
[0018]动态交互融合模块根据第一特征图序列和第二特征图序列进行互补融合，得到待处理脉冲阵列信号对应的目标检测结果；其中，
[0019]互补融合的融合方式为特征相加方式、特征拼接方式或网络模型信号交互方式。
[0020]可选的，时域聚合表征模块包括信号划分子模块、特征表征子模块以及信息挖掘子模块；待处理脉冲阵列信号包括第一同步脉冲阵列信号和第二同步脉冲阵列信号；
[0021]时域聚合表征模块根据待处理脉冲阵列信号进行时域建模，得到第一特征图序列和第二特征图序列，包括：
[0022]信号划分子模块将第一同步脉冲阵列信号和第二同步脉冲阵列信号进行动态划分，得到划分后的脉冲阵列信号；
[0023]特征表征子模块将划分后的脉冲阵列信号进行特征编码，得到时域上多个编码特征；
[0024]信息挖掘子模块根据时域上多个编码特征进行时域建模，得到第一特征图序列和第二特征图序列。
[0025]可选的，将第一同步脉冲阵列信号和第二同步脉冲阵列信号进行动态划分，得到划分后的脉冲阵列信号，包括：
[0026]分别获取第一同步脉冲阵列信号和第二同步脉冲阵列信号各自在时域上的信号变化信息，得到第一信号变化信息和第二信号变化信息；
[0027]根据第一信号变化信息动态调整信号划分阈值，得到调整后的第一信号划分阈值；
[0028]根据第二信号变化信息动态调整信号划分阈值，得到调整后的第二信号划分阈值；
[0029]采用调整后的第一信号划分阈值将第一同步脉冲阵列信号进行动态划分，得到划分后的第一脉冲阵列信号；
[0030]采用调整后的第二信号划分阈值将第二同步脉冲阵列信号进行动态划分，得到划分后的第二脉冲阵列信号。
[0031]可选的，将划分后的脉冲阵列信号进行特征编码，得到时域上多个编码特征，包括：
[0032]在时域上按预设固定频率的时间戳对划分后的第一脉冲阵列信号进行重构，得到
重构图像序列；
[0033]将重构图像序列进行映射、转置以及仿射变换，得到时域上多个第一编码特征；
[0034]对划分后的第二脉冲阵列信号进行空间变换，得到时域上多个第二编码特征。
[0035]可选的，仿视网膜中央凹采样电路为积分型视觉采样模型，积分型视觉采样模型以异步脉冲阵列信号表示视觉纹理信息；仿视网膜外周采样电路为差分型视觉采样模型，差分型视觉采样模型以异步脉冲阵列信号表示场景动态信息；其中，积分型视觉采样模型是采样神经元积分发放模型。
[0036]第二方面，本申请实施例提供了一种仿视网膜的目标检测装置，装置包括：
[0037]信号获取模块，用于获取目标脉冲阵列信号；其中，
[0038]目标脉冲阵列信号包括来自仿视网膜中央凹采样电路的第一脉冲阵列信号和来自仿视网膜外周采样电路的第二脉冲阵列信号；
[0039]时空同步模块，用于将第一脉冲阵列信号与第二脉冲阵列信号进行时空同步，得到待处理脉冲阵列信号；
[0040]检测结果输出模块，用于将待处理脉冲阵列信号输入预先训练的目标检测器中，输出待处理脉冲阵列信号对应的目标检测结果。
[0041]第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
[0042]第四方面本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种仿视网膜的目标检测方法，其特征在于，所述方法包括：获取目标脉冲阵列信号；其中，所述目标脉冲阵列信号包括来自仿视网膜中央凹采样电路的第一脉冲阵列信号和来自仿视网膜外周采样电路的第二脉冲阵列信号；将所述第一脉冲阵列信号与所述第二脉冲阵列信号进行时空同步，得到待处理脉冲阵列信号；将待处理脉冲阵列信号输入预先训练的目标检测器中，输出所述待处理脉冲阵列信号对应的目标检测结果。2.根据权利要求1所述的方法，其特征在于，所述时空同步包括时域同步和空间同步；所述将所述第一脉冲阵列信号与所述第二脉冲阵列信号进行时空同步，包括：采用同步触发采集软件将所述第一脉冲阵列信号与所述第二脉冲阵列信号进行时域同步；采用空间法射变换来构建所述第一脉冲阵列信号与第二脉冲阵列信号的映射关系，以对所述第一脉冲阵列信号与第二脉冲阵列信号进行空间同步。3.根据权利要求1所述的方法，其特征在于，所述预先训练的目标检测器包括时域聚合表征模块与动态交互融合模块；所述将待处理脉冲阵列信号输入预先训练的目标检测器中，输出所述待处理脉冲阵列信号对应的目标检测结果，包括：所述时域聚合表征模块根据所述待处理脉冲阵列信号进行时域建模，得到第一特征图序列和第二特征图序列；所述动态交互融合模块根据所述第一特征图序列和第二特征图序列进行互补融合，得到待处理脉冲阵列信号对应的目标检测结果；其中，所述互补融合的融合方式为特征相加方式、特征拼接方式或网络模型信号交互方式。4.根据权利要求3所述的方法，所述时域聚合表征模块包括信号划分子模块、特征表征子模块以及信息挖掘子模块；所述待处理脉冲阵列信号包括第一同步脉冲阵列信号和第二同步脉冲阵列信号；所述时域聚合表征模块根据所述待处理脉冲阵列信号进行时域建模，得到第一特征图序列和第二特征图序列，包括：所述信号划分子模块将所述第一同步脉冲阵列信号和所述第二同步脉冲阵列信号进行动态划分，得到划分后的脉冲阵列信号；所述特征表征子模块将划分后的脉冲阵列信号进行特征编码，得到时域上多个编码特征；所述信息挖掘子模块根据时域上多个编码特征进行时域建模，得到第一特征图序列和第二特征图序列。5.根据权利要求4所述的方法，其特征在于，所述将所述第一同步脉冲阵列信号和所述第二同步脉冲阵列信号进行动态划分，得到划分后的脉冲阵列信号，包括...
【专利技术属性】
技术研发人员：田永鸿，李家宁，朱林，项锡捷，王艺璇，李典泽，
申请(专利权)人：北京大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。