【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及事件流目标检测方法和系统。
技术介绍
1、事件相机是一种新型神经形态传感器，受到越来越多的关注。其与基于帧的传统相机有着完全不同的工作机制和输出方式。它基于人类视觉系统的工作原理，通过每个像素点上的光敏元件捕捉这个像素点的光强变化,并在该像素点位置处输出个离散的事件信号。有低延迟、高动态范围和受光照约束小的优势。
2、多年来，基于图像帧的目标检测算法经过了长足的发展和成熟，为各种应用场景提供了可靠的解决方案。然而，随着新型的事件相机的出现，目标检测算法迎来了新的思路和挑战。事件相机能够捕捉到场景中的运动信息，通过离散的稀疏事件流数据来显式地表征场景与物体的变化，为特殊场景下的目标检测提供了全新的途径。
3、基于事件流的目标检测算法利用事件相机捕获到的运动信息，能够以更高的响应速度和更低的能耗进行目标检测。这种算法通过将事件流数据视作离散的事件点，利用这些点之间的时空关系来建立事件流图，从而实现对场景中目标的有效检测。但现有的事件流目标检测方法直接通过主干网络进行特征提取后送进特征融...
【技术保护点】
1.一种事件流目标检测方法，其特征在于，包括：
2.根据权利要求1所述的事件流目标检测方法，其特征在于，所述基于密集卷积网络对所述事件流数据进行特征提取，生成多个初始特征的步骤，包括：
3.根据权利要求1所述的事件流目标检测方法，其特征在于，所述脉冲自注意力模块包括投影层、多个第一卷积层、多个第一批标准化层，多个第一脉冲神经元和第二脉冲神经元；所述采用脉冲自注意力模块分别对所述初始特征提取，生成多个中间特征的步骤，包括：
4.根据权利要求1所述的事件流目标检测方法，其特征在于，所述预设神经网络模块包括正则化模块、多层感知机和第三脉冲...
【技术特征摘要】
1.一种事件流目标检测方法，其特征在于，包括：
2.根据权利要求1所述的事件流目标检测方法，其特征在于，所述基于密集卷积网络对所述事件流数据进行特征提取，生成多个初始特征的步骤，包括：
3.根据权利要求1所述的事件流目标检测方法，其特征在于，所述脉冲自注意力模块包括投影层、多个第一卷积层、多个第一批标准化层，多个第一脉冲神经元和第二脉冲神经元；所述采用脉冲自注意力模块分别对所述初始特征提取，生成多个中间特征的步骤，包括：
4.根据权利要求1所述的事件流目标检测方法，其特征在于，所述预设神经网络模块包括正则化模块、多层感知机和第三脉冲神经元；所述基于预设神经网络模块分别对所述中间特征进行特征提取，生成多个目标特征的步骤，包括：
5.根据权利要求4所述的事件流目标检测方法，其特征在于，所述多层感知机包括第四脉冲神经单元、第五脉冲神经单元、第二卷积层、第三卷积层、第二批标准化层和第三批标准化层；所述采用所述多层感知机对所述第二归一化特征进行非线性变换，生成变换特征的步骤...
【专利技术属性】
技术研发人员：叶武剑，叶嘉樑，张柏宁，刘怡俊，
申请(专利权)人：广东工业大学，
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。