[发明专利]一种基于动态视觉传感器的步态识别方法

权利要求书

1.一种基于动态视觉传感器的步态识别方法，其特征在于，包括如下：

(1)按照如下步骤对基于Tempotron算法的脉冲神经网络模型进行训练：

S101.应用动态视觉传感器对行人的步态场景进行录制，得到包含多个步态周期的事件流，其中，所述事件流由若干组依次连续的文件头字段、行事件字段、列事件字段和时间片分隔事件字段组成；

S102.将所述事件流分割成多个数据段样本，其中，每个数据段样本均包含处于一个完整步态周期内的所有数据；

S103.将所述数据段样本编码为脉冲序列；

S104.将所述脉冲序列作为输入，将与行人对应的二进制标签作为输出，对所述脉冲神经网络模型进行训练，其中，所述二进制标签的二进制位数与所述脉冲神经网络模型的神经元数目相同；

(2)按照如下步骤应用已训练的所述脉冲神经网络模型对待识别行人进行步态识别：

S201.执行步骤S101～S103，获取待识别行人的数据段样本及对应的脉冲序列；

S202.将待识别行人的脉冲序列作为已训练的所述脉冲神经网络模型的输入，获取各个神经元的输出；

S203.根据各个神经元的输出，获取二进制标签，最后根据该二进制标签识别出待识别行人。

2.如权利要求1所述的一种基于动态视觉传感器的步态识别方法，其特征在于，在所述步骤S104中，对所述脉冲神经网络模型进行训练的步骤包括如下：

S301.对于每个神经元，在向各个传入突触输入一批脉冲序列后，按照如下公式计算亚阈值膜电压V_i(t)：

式中，i和a分别为自然数，为第i个数据段样本内的第a个脉冲序列，ω_a为第a个传入突触的权重，V_rest为静息电位，为归一化的突触后电位，计算公式如下：

式中，V₀是使PSP核归一化的因子，τ_m为膜积分的衰减时间常数，τ_s为突触电流的衰减时间常数；

S302.当所述亚阈值膜电压V_i(t)达到阈值电位V_thr时，触发神经元发放脉冲，然后使所述亚阈值膜电压V_i(t)平缓下降至静息电位；

S303.比较神经元的实际输出与目标输出是否一致，若不一致，对突触权重ω_a采用以下规则修正：

(a)若实际输出为发放脉冲，而目标输出为不发放脉冲，则对每一个ω_a的修正值Δω_a计算如下：

(b)若实际输出为未发放脉冲，而目标输出为发放脉冲，则对每一个ω_a的修正值Δω_a计算如下：

式中，常数λ为每一个输入脉冲所带来的传入突触的权重改变的最大值，其值大于0，t_max为亚阈值膜电压达到最大值的时间；

S304.根据所述修正值Δω_a对传入突触的权重ω_a进行修正，然后执行步骤S301，进行下一次训练。

3.如权利要求2所述的一种基于动态视觉传感器的步态识别方法，其特征在于，在所述步骤S304之前，按照如下公式计算所述修正值Δω_a：

式中，为前一次训练时的修正值，μ为动量启发式学习参数，其值介于0～1之间。

4.如权利要求1所述的一种基于动态视觉传感器的步态识别方法，其特征在于，在所述步骤S102中，按照移动窗口方式对所述事件流进行分割，其中，移动窗口的时长大于或等于平均步态周期T，移动窗口的步长小于平均步态周期T。

5.如权利要求1所述的一种基于动态视觉传感器的步态识别方法，其特征在于，在所述步骤S103之前，还包括如下步骤：基于相邻像素点的事件时间差和/或基于同时发生事件的数目对所述数据段样本进行去噪声处理。