[发明专利]一种新型类脑视觉系统

说明书

本发明公开了一种新型类脑视觉系统，包括视网膜形态阵列和神经网络，所述视网膜形态阵列用于将视觉信息转化成电学信号，所述神经网络将输入的电学信号进行信息处理，得到视觉认知结果；通过视网膜形态阵列对视觉信息的感知和同步预处理，避免了从光感受器端向图像信息处理器传输大量冗余的视觉信息，节省了带宽资源，提高了视觉信息处理效率；利用交叉阵列配置结构更复杂、功能更多样的神经网络，通过神经网络对视觉信息的更高层次处理，实现了集图像识别，动态追踪，轨迹预测为一体的新型类脑视觉系统。

技术领域

本发明涉及机器视觉技术领域，具体涉及一种基于视网膜形态阵列和神经网络的新型类脑视觉系统。

背景技术

视觉是人与自然界进行信息交互最主要的途径，大约80％的外界信息均是以视觉的形式传递给大脑。视网膜及大脑皮层的视觉中枢是形成视觉的主要组成结构。视网膜由垂直层状分布的感光细胞、双极性细胞等组成，并通过细胞间的信息流动对视觉信息实现同步感知和预处理。具体表现为：视网膜感光细胞首先将入射的视觉信息转换为电学信号，并将电学信息传递至双极性细胞；双极性细胞自身的正负光响应允许其对电学信息进行初步的加工处理，并通过视神经将处理后的电学信息传输至大脑皮层视觉中枢。通过这种方式，视网膜在一定程度上实现了感知外界视觉信息，并同步进行低级的视觉信息处理，如对图像的边缘进行增强、去除噪声、对比度校正等操作。大脑皮层视觉中枢接收来自视网膜处理后的视觉信息，并进行高等级的视觉信息处理，如学习和推理。与此同时，人眼不仅具有视觉信息同时探测和信息处理的强大功能，其整体所需要的功耗极低，远小于20瓦，这是现有机器视觉技术远远达不到的。随着信息技术的逐步推进，构建一类与人眼相媲美的，对视觉信息实现实时处理和低功耗处理的视觉芯片，对推动诸如人机交互、自动驾驶、智能安防等先进科技应用的发展尤为重要。

传统的机器视觉技术则主要由彼此分立存在的光感受器和图像信息处理器(其内部包含存储单元和处理单元)组成。光感受器主要分为电荷耦合器件(CCD)和互补金属氧化物半导体有源像素传感器(CMOS active pixel sensor)两种类型，负责将光信号转化成电信号，并传递给图像信息处理器或者电脑，负责将接收到的电信号进行存储和运算。相较于人类视觉系统，这种分立架构的机器视觉技术在功能和能耗及延时上具有明显的不足之处。首先，光感受器无差别地为图像信息处理器传递视觉数据信息，这导致了图像信息处理器需要处理大量冗余的视觉数据。也正因如此，在处理超大数据量的视觉任务时，光感受器与图像信息处理器之间的信息传输存在着显著的带宽拥堵问题，同时伴随着超高延时和高功耗。再者，传统数字电路基于数字信号的信息存储和运算方式，决定了在视觉信息传递过程中必不可少的数模/模数转换过程。因此，随着物联网和人工智能的发展，机器视觉领域亟需解决视觉信息数据量的指数式的增长与传统视觉信息处理架构无法高效处理高数据量视觉任务之间的矛盾。

基于此，相较于传统机器视觉，人类视觉系统始终拥有高效的、并行地、低能耗的视觉信息处理方式。为了满足未来对实时和低功耗视觉信息处理的迫切发展需求，研究者迫切需要构建新的系统架构，从而有望未来能够研制出在工作性能类似甚至超越人类视觉系统的新型类脑视觉芯片。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种基于视网膜形态阵列和神经网络的新型类脑视觉系统，其解决了现有的机器视觉系统由于物理架构分离导致的高延迟和高功耗问题，从而高效完成诸如图像识别、目标追踪、轨迹预测等视觉任务。

技术方案：一种新型类脑视觉系统，包括视网膜形态阵列和神经网络，所述视网膜形态阵列用于将视觉信息转化成电学信号，所述神经网络将输入的电学信号进行信息处理，得到视觉认知结果。

进一步的，包括：

所述视网膜形态阵列和神经网络之间还设置有串并转换电路，其用于转换视网膜形态阵列输出的电学信号的维度。

进一步的，包括：