一种基于自适应阈值的局部时空事件流滤波方法与系统

    公开(公告)号:CN113269683B

    公开(公告)日:2023-04-18

    申请号:CN202110435263.5

    申请日:2021-04-22

    IPC分类号: G06T5/00

    摘要: 本申请涉及滤波技术领域,具体而言,本申请涉及一种基于自适应阈值的局部时空事件流滤波方法与系统。所述方法包括:分块读入步骤,接收异步事件流,以固定时间迭代读取事件流块;时空平面构建步骤,接收所述事件流块,以像素为单位,在时间维度上累计事件个数,计算像素活动值,构成二维时空平面;局部滑动窗口步骤,接收所述二维时空平面并在其上设置固定大小的局部窗口,计算每个滑动窗口的窗口标志值;噪音候选域选择步骤,接收所述窗口标志值计算噪音候选阈值,根据所述噪音候选阈值选择噪音候选域;噪音筛选步骤,对噪音事件标记且将其从事件流块中剔除,将过滤后的异步事件流输出。本方法与系统能够有效地去除异步事件流中的噪音事件。

    一种基于自适应阈值的局部时空事件流滤波方法与系统

    公开(公告)号:CN113269683A

    公开(公告)日:2021-08-17

    申请号:CN202110435263.5

    申请日:2021-04-22

    IPC分类号: G06T5/00

    摘要: 本申请涉及滤波技术领域,具体而言,本申请涉及一种基于自适应阈值的局部时空事件流滤波方法与系统。所述方法包括:分块读入步骤,接收异步事件流,以固定时间迭代读取事件流块;时空平面构建步骤,接收所述事件流块,以像素为单位,在时间维度上累计事件个数,计算像素活动值,构成二维时空平面;局部滑动窗口步骤,接收所述二维时空平面并在其上设置固定大小的局部窗口,计算每个滑动窗口的窗口标志值;噪音候选域选择步骤,接收所述窗口标志值计算噪音候选阈值,根据所述噪音候选阈值选择噪音候选域;噪音筛选步骤,对噪音事件标记且将其从事件流块中剔除,将过滤后的异步事件流输出。本方法与系统能够有效地去除异步事件流中的噪音事件。

    一种基于时间切片卷积神经网络的目标识别系统与方法

    公开(公告)号:CN113627460B

    公开(公告)日:2023-08-18

    申请号:CN202110680725.X

    申请日:2021-06-18

    摘要: 本申请涉及一种基于时间切片卷积神经网络的目标识别系统与方法。系统包括:事件流切分模块,用于将事件流样本进行切分,形成事件集合,将事件集合通过事件表示方法表示成伪图像,将伪图像按照时间切片卷积神经网络输入通道拼接为第一特征图,再重新对每个通道赋不同的权重,得到第二特征图;特征提取模块,用于将第二特征图输入到时间切片卷积神经网络中进行特征提取变成预设规格的特征图;分类模块,用于将预设规格的特征图转换为向量,获得目标识别结果。本申请利用事件流时间相关性进行切分事件流,同时又与原有的深度学习方法融合并且有效兼容所有的事件表示方法进行目标识别,进而提升了识别效率与精度。

    一种基于时间切片卷积神经网络的目标识别系统与方法

    公开(公告)号:CN113627460A

    公开(公告)日:2021-11-09

    申请号:CN202110680725.X

    申请日:2021-06-18

    IPC分类号: G06K9/62 G06N3/04

    摘要: 本申请涉及一种基于时间切片卷积神经网络的目标识别系统与方法。系统包括:事件流切分模块,用于将事件流样本进行切分,形成事件集合,将事件集合通过事件表示方法表示成伪图像,将伪图像按照时间切片卷积神经网络输入通道拼接为第一特征图,再重新对每个通道赋不同的权重,得到第二特征图;特征提取模块,用于将第二特征图输入到时间切片卷积神经网络中进行特征提取变成预设规格的特征图;分类模块,用于将预设规格的特征图转换为向量,获得目标识别结果。本申请利用事件流时间相关性进行切分事件流,同时又与原有的深度学习方法融合并且有效兼容所有的事件表示方法进行目标识别,进而提升了识别效率与精度。