[发明专利]一种基于事件相机的动态目标检测方法

说明书

本发明公开了一种基于事件相机的动态目标检测方法，包括如下步骤：S1：对事件相机输出的事件流进行积分滚动更新，形成事件流三维矩阵；S2：对步骤S1中形成的事件流三维矩阵进行滤波处理，去除噪声信号；S3：计算步骤S2中去除噪声信号后事件流三维矩阵的每个像素的运动量，提取出动态边缘点；S4：对步骤S3中检测到的边缘点进行集合归类，对未被归类的边缘点进行像素填充，划分出动态物体。本发明以事件流形式提供连续的运动物体检测，可达到毫秒级运动响应，响应速度更快；且不受高速运动物体运动模糊效应的影响，使用价值更高；还能够提供更高的动态范围，在强光、逆光、明暗变化剧烈的场景下可提供更有效的检测，适用范围更广。

技术领域

本发明涉及一种动态目标检测方法，具体涉及一种基于事件相机的动态目标检测方法，属于计算机视觉技术领域。

背景技术

事件相机是一款新型传感器，不同于传统相机拍摄一幅完整的图像，事件相机拍摄的是“事件”，可以简单理解为“像素亮度的变化”，即事件相机输出的是像素亮度的变化情况。

事件相机的最基本的原理，即：当某个像素的亮度变化累计达到一定阈值后，输出一个事件。这里强调几个概念：a) 亮度变化：说明事件相机的输出和变化有关，而与亮度的绝对值没有关系；b) 阈值：当亮度变化达到一定程度时，将输出数据，这个阈值是相机的固有参数。

事件相机的事件具有三要素：时间戳、像素坐标与极性。一个事件表达的是“在什么时间，哪个像素点，发生了亮度的增加或减小”。当场景中由物体运动或光照改变造成大量像素变化时，会产生一系列的事件，这些事件以事件流(Events stream)方式输出。事件流的数据量远小于传统相机传输的数据，且事件流没有最小时间单位，所以不像传统相机定时输出数据，具有低延迟特性。

目标检测是一种在图像中找出目标的位置和大小的计算机视觉技术。该技术可以应用于人工智能系统、车辆辅助驾驶系统、目标行为分析、智能视频监控等领域。

普通相机与事件相机的输出信息差别示意图参见图1，由图可见，传统相机可以采集一段时间内像素的亮度值积累，受到感光和数据读取速率的限制，帧率非常有限，对于高速运动的物体存在运动模糊和响应时间长的问题。而事件相机是一种特殊的只对像素亮度变化敏感的相机，可以提供微秒级的响应信号，反应速度和动态范围大大优于现有的普通相机，因而很适合应用在高动态目标检测的场合。

发明内容

本发明的目的是针对现有技术中存在的上述问题，提供了一种适用于在事件相机获取的事件流数据中检测出动态目标的方法。

为了实现上述目标，本发明采用如下的技术方案：

一种基于事件相机的动态目标检测方法，包括如下步骤：S1：对事件相机输出的事件流进行积分滚动更新，形成事件流三维矩阵；S2：对步骤S1中形成的事件流三维矩阵进行滤波处理，去除噪声信号；S3：计算步骤S2中去除噪声信号后事件流三维矩阵的每个像素的运动量，提取出动态边缘点；S4：对步骤S3中检测到的边缘点进行集合归类，对未被归类的边缘点进行像素填充，划分出动态物体。

优选地，前述步骤S1中，所述的事件相机是一种对像素亮度变化事件进行感知的传感器，其输出形式为流式输出的事件流编码。事件流中的每个事件可以用一个四元组(x,y,timestamp,polarity)来表示，其中x、y为事件发生的像素点二维坐标，timestamp为事件产生的时间戳，单位为毫秒；polarity为事件信号的极性，亮度降低超过阈值为-1，亮度升高超过阈值为+1，亮度变化未超过阈值时，则不产生事件。

由于这种流式的事件数据形式不便于计算机程序处理，故为其构造一个三维矩阵形式的事件三维数组E，其三维坐标分别为timestamp、x、y，数据元素的取值表示事件的极性，即：