[发明专利]一种目标识别方法及系统

权利要求书

1.一种目标识别系统，其特征在于，所述系统包括：

动态视觉传感器，获取事件流；选取DVS相机作为动态视觉传感器；DVS相机采用异步采样方式；通过上位机控制DVS相机工作，并接收其采集到的信号；具体的，使用DVS相机的SDK开发接口将采集事件流先缓存至buffer，随后读出事件流；采集到的事件流为带有时间戳、二维空间坐标和事件极性的异步事件流，其中极性表示亮度的增强或减弱，通过1或0表示；

类脑计算平台，与所述动态视觉传感器连接，用于获取事件流；对所述事件流进行编码，获得第一脉冲；将所述第一脉冲转换成第一电流，并将第一电流输入至脉冲神经网络中第一个神经元模型中，计算第一膜电位；判断所述第一膜电位是否超过电压阈值；如果所述第一膜电位超过电压阈值，则生成第二脉冲，并利用脉冲神经网络中的突触传导模型将第二脉冲转换成第二电流，并将第二电流输入至脉冲神经网络中第二个神经元模型中，计算第二膜电位；判断所述第二膜电位是否超过电压阈值；如果所述第二膜电位超过电压阈值，则生成第三脉冲，依次类推，直到最后一个神经元模型生成的膜电位超过电压阈值时，则输出目标识别结果；

所述脉冲神经网络由神经元模型、突触传导模型和突触动力学模型组成；其中，多个神经元模型之间相互连接，连接的方式包括：一对一连接、全连接、卷积连接、自定义神经元连接；

采用LIF神经元模型作为脉冲神经网络中的神经元模型，异步处理输入的脉冲，在同一内核和线程上，无需等待上一输入任务结束后再进行下一次输入；采用LIF神经元模型的具体公式为：

其中，U表示神经元膜电位，t和n分别表示神经网络层数和时间步长数，H表示时间输入，f()表示阶跃函数，X表示空间输入，u_th表示阈值电压，Wⁿ表示相邻层之间的突触权重矩阵，表示哈达玛积，表示膜电位漏电系数，g()表示输入函数，Z表示脉冲；

所述类脑计算平台还包括：

利用突触动力学模型计算第一电流经过第一神经元模型后的衰减电流；所述第二电流＝第一电流-衰减电流；

上位机，分别与所述类脑计算平台和动态视觉传感器连接；所述上位机用于显示目标识别结果；所述上位机还用于将所述事件流发送至所述类脑计算平台；具体地，上位机实时监测DVS相机的输出接口，输出接口有信号响应则立即向类脑计算平台发送信号；类脑计算平台的发送接口实时监测最后一个神经元模型的脉冲发放情况，若有脉冲发放，则向上位机实时发送相应信号，上位机接收到信号后显示识别结果；上位机对DVS事件流数据的采存、类脑计算平台网络节点的部署、数据的收发任务进行多线程处理。

2.根据权利要求1所述的目标识别系统，其特征在于，所述突触动力学模型为delta衰减型、exp衰减型和alpha衰减型中至少一种。

3.根据权利要求1所述的目标识别系统，其特征在于，所述突触传导模型包括电流型、电导型和alpha函数型中至少一种。