用于仿生视觉传感器的多方向运动目标识别系统设计

摘要

基于地址-事件表示（Address-Event Representation, AER）图像传感器是一种仿生视觉传感器，相比基于“帧”的传统图像传感器，具有功耗低、冗余少、延迟小的特点，满足实时性要求，适用于高速采集运动物体、实现目标识别追踪的机器视觉系统。而现有基于事件的机器视觉系统仅能识别沿指定方向运动的物体，不具有普适性。仅通过增加训练样本方式实现多方向物体识别会加大数据采集工作量且导致训练时间显著增长，不便于实际操作。本文主要研究一种用于AER图像传感器的多方向运动目标识别算法，仅使用单一运动方向物体为训练样本，实现多方向运动物体的识别分类。并且，采用模块间并行处理方式，便于硬件实现，为多方向物体识别系统芯片的研究提供思路。
　　本文首先简要分析了不同种类的 AER图像传感器，包括 DVS、ATIS和DAVIS图像传感器的概念、工作原理以及应用范围，并提出了灰度图像与事件形式的转换方法。接着本文设计了基于AER图像传感器的特征提取算法，通过卷积、遗忘机制、最大值竞争等操作，实现不同方向、不同尺度下的特征提取。同时一种基于事件的目标识别算法也被提出，选取脉冲神经网络对特征响应进行识别。最后本文将基于事件的追踪算法与上述算法结合，设计出多方向运动物体识别算法，采用特征提取模块与方向识别模块并行处理，实现沿任意方向运动物体的识别分类。
　　对本文设计算法进行实验验证，结果表明，本文设计的用于AER图像传感器的多方向运动目标识别系统能够实现分类识别功能。算法选取MNIST手写数字集、卡牌、运动车辆作为样本进行实验。结果如下：1.方向检测精度较高可达到90％以上。对于水平和竖直方向的精度在99%以上，车辆运动方向误差小于3o。2.单一方向运动物体识别精度优于现有算法。在 MNIST手写数字集实验中识别精度可达到93.78%。3.多方向运动目标识别功能可实现。在卡牌实验中，识别随机运动的卡牌，正确率可达到76.39%。综上所述，本文提出的多方向运动目标识别系统能够高效的实现任意方向运动物体识别，适用于高速AER视觉系统应用领域。

目录

声明

第1章 绪论

1.1 机器视觉系统简介

1.2 传统图像传感器及集成视觉系统芯片的限制

1.3 仿生视觉传感器及视觉系统

1.4 国内外研究现状

1.5 选题意义

1.6 论文内容安排

第2章 仿生视觉传感器分类及灰度图像与事件流的转化方法

2.1 仿生视觉传感器分类

2.2 灰度图像与事件流的转换方法

2.3 本章小结

第3章 基于AER事件的特征提取方法

3.1 图像特征提取原则

3.2 基于事件触发的特征提取方法

3.3 算法流程设计

3.4 算法设计细节

3.5 实验结果与分析

3.6 本章小结

第4章 基于AER事件的目标识别算法设计

4.1 目标识别的概念和分类

4.2 用于识别的神经网络算法

4.3 事件触发的脉冲神经网络算法

4.4 实验结果与分析

4.5 本章小结

第5章 基于事件的追踪算法与多方向运动物体识别算法设计

5.1 追踪算法设计

5.2 多方向运动物体识别算法设计

5.3 实验结果与分析

5.4 本章小结

第6章 总结与展望

6.1 全文总结

6.2 后续工作展望

参考文献

发表论文和参加科研情况说明

致谢