[发明专利]基于哈希函数的动态视觉传感器背景活动噪声过滤方法、系统及介质

说明书

本发明公开了一种基于哈希函数的动态视觉传感器背景活动噪声过滤方法、系统及介质，本发明方法步骤包括接收DVS输出的事件event；采用哈希函数将事件event从高维向量压缩得到实数值；将实数值进行信息编码映射至m列表中的目标位置；判断目标位置的原值大于或等于预设阈值Thr是否成立，如果成立则判定事件event为噪声事件并过滤，否则判定事件event为真实事件；更新映射至m列表中的目标位置的值。本发明能够实现动态视觉传感器背景活动噪声的过滤，且本发明比传统的最近邻滤波器占用的内存资源更少，同时保证处理速度小于事件产生的速度从而保证实时处理，并且获得了更好的信噪比。

技术领域

本发明涉及动态视觉传感器的噪声过滤技术，具体涉及一种基于哈希函数的动态视觉传感器背景活动噪声过滤方法、系统及介质。

背景技术

动态视觉传感器(Dynamic Vision Sensor，DVS)是一种模仿生物视觉的工作机理的传感器，动态视觉传感器是像素异步工作，仅输出光强发生变化像素的地址和信息，而非被动依次读出“帧”内每个像素信息，从源头上消除冗余数据，具有场景变化实时动态响应、图像超稀疏表示、事件异步输出等特点，可广泛应用于高速目标跟踪、实时监控、工业自动化和机器人视觉等领域。在DVS中，对于单个像素点，只有接受光强度发生改变时，才会有事件 (脉冲)信号输出，没有帧的限制。事件是有极性的。如果亮度增加值超过某个阈值，那么将产生一个该像素点亮度增加的事件，反之，则产生一个该像素点亮度减弱的事件。如果光强没有变化，那么传感器将不会产生新的事件输出。DVS的这些特性使其可以拍摄高速运动的物体，即便物体运动非常快，也能拍摄清楚并且以任何速度播放。而且它比高帧率摄像机更能胜任这项任务，不会如同基于帧率的摄像机那样产生大量的冗余数据，对运算资源、能耗造成浪费。DVS的高灵敏度，无需特殊照明的特点使得其可以稳定地胜任一些低亮度的环境。它还具备高动态范围(HDR)的优点。DVS产生的事件e通常用地址事件表示(AddressEvent Representation，AER)进行表示，是一个四元组(x，y，ts，p)。其中x表示该事件产生像素的横坐标，y表示纵坐标，ts表示时间戳，p表示事件的极性。

DVS会因为热噪声和结漏电流输出一些事件，这些事件不是因为真实的物体运动产生的，没有实际意义，被称为背景活动噪声(Background Activity Noise)。通过预处理去除噪声对提高DVS输出事件的质量有重要意义，可提高后续处理算法处理DVS事件时的性能。

目前已知的DVS背景活动噪声过滤有下述方式：

1、现有的最常见的噪声滤波器是最近邻(Nearest Neighbor，NNb)滤波器，它根据时空相关性原理对DVS产生的事件进行判断。时空相关性原理表述如下：如果一个像素点产生的事件与其空间相邻的像素点产生的事件的时间差小于某个阈值，则这两个事件具有时空相关性，这两个时间都应该被判定为真实事件，从而通过滤波器。反之，如果一个像素点产生的事件与其空间相邻的像素点产生的事件的时间差都超过阈值，则认为该事件是噪声，将会被滤波器过滤。此原理的基本实现需要为DVS的每个像素点都分配一个存储单元。针对内存单元的耗费，一些工作进行了改进，通过分组共享一个存储单元或者行列共享存储单元的方式节省存储开销。

2、TrueNorth的研究人员提出了一种基于生物神经元模型的方法，在DVS的像素点之后增加了一层由泄露集成点火模型神经元组成的脉冲神经网络。该网络只有一层，神经元模型的参数设置使其实际上简化成了集成点火模型。神经元的个数和像素点的个数一一对应。神经元和像素点之间通过卷积核进行连接，通常是3x3的大小，所有神经元共享同样的权值。这样做的效果是，神经元不仅接收它对应的像素点产生的事件(脉冲)，还会接收与该像素点相邻的像素点产生的输入，当神经元积累的脉冲超过某个阈值时，它就会产生一个脉冲，该脉冲将作为该神经元对应像素点的输出事件。这种方式对移动慢的小物体的产生的事件和噪声事件的区分效果比之前的方法要好。