检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

地址事件数据流的快速车道线识别方法

计算机仿真 2022年第10期39卷 153-158页

作者：许璐钧张远辉徐栢锐何雨辰中国计量大学机电工程学院浙江杭州310018

针对目前车道线识别方法受到运动模糊、光照明暗等问题,提出了一种针对地址事件(Address Event Representation, AER)数据流的车道线识别方法。通过利用事件流的异步输出特性,对事件数据进行滤波的方式去噪,而后用LIF(Leaky Integrate-a... 详细信息

针对目前车道线识别方法受到运动模糊、光照明暗等问题,提出了一种针对地址事件(Address Event Representation, AER)数据流的车道线识别方法。通过利用事件流的异步输出特性,对事件数据进行滤波的方式去噪,而后用LIF(Leaky Integrate-and-Fire)编码方式得到虚拟帧。然后进行逆透视变换得到车道的俯瞰图,采用直方图峰值快速定位车道位置和B样条曲线拟合车道。利用车道跟踪策略来优化算法识别效率和鲁棒性,实现车道线快速识别及跟踪。实验结果显示,上述方法平均检测率可以达到97.05%,平均每帧耗时18.24毫秒。

关键词：地址事件表示车道线识别滤波事件帧

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

用于特征提取的小尺寸事件型卷积处理器

传感技术学报 2017年第4期30卷 535-541页

作者：卢成业高志远徐江涛天津大学电子信息工程学院天津300072

设计了一款用于动态视觉传感器数据特征提取的小尺寸事件型卷积处理器,该卷积处理器包含了32×32的累加阵列、用于存储卷积核的RAM阵列、左/右移位模块、控制模块和异步的事件读出模块。为了减小面积,设计了2 bit的32×32的RAM阵列来存... 详细信息

设计了一款用于动态视觉传感器数据特征提取的小尺寸事件型卷积处理器,该卷积处理器包含了32×32的累加阵列、用于存储卷积核的RAM阵列、左/右移位模块、控制模块和异步的事件读出模块。为了减小面积,设计了2 bit的32×32的RAM阵列来存储所需的卷积核;在累加阵列中,采用7 bit的二进制计数器代替传统的加法器来实现卷积核的累加操作,在0.18μm CMOS工艺下,每个卷积单元的面积为37.5μm×40μm,对于每个事件输入输出的最小延时为17 ns,能够处理的最大事件率为12.5 Meps。基于该卷积处理器搭建了一个识别系统,利用16个卷积处理器来提取特征,利用脉冲神经网络实现了分类识别。实验结果表明,使用2 bit卷积核的小尺寸卷积处理器能够准确完成对输入事件的卷积操作,而且基于该卷积处理器所搭建的识别系统对MNIST数据库的识别效率可以达到90.57%。

关键词：动态视觉传感器地址事件表示小尺寸芯片卷积芯片 MNIST 脉冲神经网络

面向动态视觉传感器的轻量化目标分类片上系统设计

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向动态视觉传感器的轻量化目标分类片上系统设计

作者：黄进国重庆大学

学位级别：硕士

基于图像帧的视觉处理系统已广泛用于安全监控、辅助驾驶等应用,取得了巨大成功。然而,基于图像帧的视觉传感器具有输出数据冗余度大、输出延迟高和能耗高等不足,难以满足如面向边缘应用的高动态目标识别应用的高时效和高能效要求。动... 详细信息

基于图像帧的视觉处理系统已广泛用于安全监控、辅助驾驶等应用,取得了巨大成功。然而,基于图像帧的视觉传感器具有输出数据冗余度大、输出延迟高和能耗高等不足,难以满足如面向边缘应用的高动态目标识别应用的高时效和高能效要求。动态视觉传感器（Dynamic Vision Sensor,DVS）是一种新型的仿生视觉传感器,以稀疏地址事件表示（Address-Event Representation,AER）作为数据输出,具有数据稀疏、延迟低等特点。基于DVS的视觉处理系统有望取得更高的时效和能效。然而,目前基于DVS的视觉处理系统研究还不够成熟,主要以采用脉冲神经网络算法和通用类脑处理器硬件平台为主,具有系统复杂度高、硬件冗余度高等问题。论文针对高动态目标识别应用需求,结合AER传感器和传统机器学习技术,开展了面向电路实现的算法优化方法研究,完成了轻量化AER目标分类算法的优化,完成了面向DVS的轻量化目标分类片上系统架构与电路设计,在Xilinx Zynq-7045平台上完成了系统的实现与测试,达到高吞吐率、低成本与高能效的效果。论文主要贡献点有:（1）针对面向DVS的脉冲神经网络算法计算复杂的问题,论文采用轻量化的AER目标分类算法,使用类别条件概率对数化、运算定点化和查找表方法对轻量化AER目标分类算法进行了优化,简化了算法的分类推理过程,使算法更易于硬件实现;（2）针对DVS的AER事件输出时间间隔短和嵌入式设备实时性能需求高的特点,采用了AER事件并行处理及多级流水技术,设计了具备高速处理能力的轻量化AER目标分类片上系统架构,提升了系统吞吐率,满足了嵌入式应用的实时性需求;（3）设计实现了片上系统的片上在线学习电路,提升了系统对训练数据使用的灵活性,拓宽了系统的应用范围。经测试,系统在MNIST-DVS,Poker-DVS和Posture-DVS三个数据集上的目标分类正确率分别达到了77.9%,99.4%和99.3%,具有一定的应用价值。系统的AER事件吞吐率达100Meps,能效可达145事件每微焦耳。

关键词：地址事件表示目标分类机器学习片上系统

基于仿生视觉芯片的多目标识别系统关键技术的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于仿生视觉芯片的多目标识别系统关键技术的研究

作者：周义豪天津大学

学位级别：硕士

地址-事件表示(Address-Event Representaion,AER)图像传感器是一种低数据冗余的仿生视觉芯片,适用于高速目标追踪和识别的机器视觉系统。由于芯片输出的是特殊的地址事件流,因此需要研究新的系统架构和算法。当前基于AER视觉芯片的识... 详细信息

地址-事件表示(Address-Event Representaion,AER)图像传感器是一种低数据冗余的仿生视觉芯片,适用于高速目标追踪和识别的机器视觉系统。由于芯片输出的是特殊的地址事件流,因此需要研究新的系统架构和算法。当前基于AER视觉芯片的识别算法大多只关注理想数据库上的识别性能,但实际应用中出现的非理想因素也极具研究价值。本文主要研究基于仿生视觉芯片的多目标识别系统,针对实际问题完成系统的优化设计。本文首先分析AER视觉芯片的工作原理,然后提出了能够精确评估目标状态的多目标追踪算法,并基于追踪算法的中间数据,设计出用于获取分类器开启时间的活跃值峰值探测器。接着本文设计了用于AER图像的特征提取算法,利用Gabor卷积核以及最大值池化等操作,实现了对不同方向和尺度下的特征提取和特征压缩。同时本文提出了基于Tempotron学习机制设计的脉冲神经网络分类算法,并基于MATLAB GUI软件设计平台完成了多目标识别系统的初步开发。最后,针对噪声干扰和多尺度输入等非理想情况下,识别系统性能大幅降低的问题,本文在对现有方法的分析基础上,分别提出了双权值中心定位算法和特征缩放算法,实现了多目标识别系统的最终优化。本文所提出算法的实验结果如下:1.多目标追踪算法能够实现多目标的定位和状态评估。基于算法中间数据设计的活跃值峰值探测器将运行时间减少至原先的52.08%。2.双权值中心定位算法能够大幅降低噪声对识别效果的影响,在椒盐噪声密度为2.5%的MNIST数据库上仍有87.64%的识别率,优于当前现有算法。3.特征缩放法能够解决多尺度输入问题,大范围尺度下仍有83.29%的识别率。综上所述,本文所提出的多目标识别系统具有解决噪声、多目标和多尺度输入等非理想问题的能力,适用于高速AER视觉系统的实际应用。

关键词：地址事件表示仿生视觉芯片多目标追踪脉冲神经网络噪声干扰多尺度识别

用于仿生视觉传感器的多方向运动目标识别系统设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

用于仿生视觉传感器的多方向运动目标识别系统设计

作者：王含宇天津大学

学位级别：硕士

基于地址-事件表示(Address-Event Representation,AER)图像传感器是一种仿生视觉传感器,相比基于“帧”的传统图像传感器,具有功耗低、冗余少、延迟小的特点,满足实时性要求,适用于高速采集运动物体、实现目标识别追踪的机器视觉系统... 详细信息

基于地址-事件表示(Address-Event Representation,AER)图像传感器是一种仿生视觉传感器,相比基于“帧”的传统图像传感器,具有功耗低、冗余少、延迟小的特点,满足实时性要求,适用于高速采集运动物体、实现目标识别追踪的机器视觉系统。而现有基于事件的机器视觉系统仅能识别沿指定方向运动的物体,不具有普适性。仅通过增加训练样本方式实现多方向物体识别会加大数据采集工作量且导致训练时间显著增长,不便于实际操作。本文主要研究一种用于AER图像传感器的多方向运动目标识别算法,仅使用单一运动方向物体为训练样本,实现多方向运动物体的识别分类。并且,采用模块间并行处理方式,便于硬件实现,为多方向物体识别系统芯片的研究提供思路。本文首先简要分析了不同种类的AER图像传感器,包括DVS、ATIS和DAVIS图像传感器的概念、工作原理以及应用范围,并提出了灰度图像与事件形式的转换方法。接着本文设计了基于AER图像传感器的特征提取算法,通过卷积、遗忘机制、最大值竞争等操作,实现不同方向、不同尺度下的特征提取。同时一种基于事件的目标识别算法也被提出,选取脉冲神经网络对特征响应进行识别。最后本文将基于事件的追踪算法与上述算法结合,设计出多方向运动物体识别算法,采用特征提取模块与方向识别模块并行处理,实现沿任意方向运动物体的识别分类。对本文设计算法进行实验验证,结果表明,本文设计的用于AER图像传感器的多方向运动目标识别系统能够实现分类识别功能。算法选取MNIST手写数字集、卡牌、运动车辆作为样本进行实验。结果如下:1.方向检测精度较高可达到90%以上。对于水平和竖直方向的精度在99%以上,车辆运动方向误差小于3o。2.单一方向运动物体识别精度优于现有算法。在MNIST手写数字集实验中识别精度可达到93.78%。3.多方向运动目标识别功能可实现。在卡牌实验中,识别随机运动的卡牌,正确率可达到76.39%。综上所述,本文提出的多方向运动目标识别系统能够高效的实现任意方向运动物体识别,适用于高速AER视觉系统应用领域。

关键词：地址事件表示动态视觉传感器 Gabor卷积脉冲神经网络模式识别目标追踪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

AER图像传感器图像数据处理系统设计

AER图像传感器图像数据处理系统设计

作者：雷靖天津大学

学位级别：硕士

传统CMOS图像传感器采用“帧扫描”的采样模式,图像数据存在冗余,限制了运动物体识别的高效性。通过对生物视觉原理的研究,人们提出了地址-事件表示（Address Event Representation,AER）的生物视觉传感器,该类传感器具备冗余低、速度... 详细信息

传统CMOS图像传感器采用“帧扫描”的采样模式,图像数据存在冗余,限制了运动物体识别的高效性。通过对生物视觉原理的研究,人们提出了地址-事件表示（Address Event Representation,AER）的生物视觉传感器,该类传感器具备冗余低、速度快、延迟小的优势,成为当前的研究热点。动态视觉传感器（Dynamic Vision Sensor,DVS）作为最典型的AER图像传感器,特别适合应用于运动物体识别领域。为了实现基于DVS的运动物体识别,本文首先基于Slave FIFO模式的USB3.0高速数据传输,将DVS产生的图像数据高速实时的传输至PC中。然后采用本文提出的两种目标形状特征提取算法对采集到的图像数据进行了特征提取。第一种是基于DVS的目标完整轮廓提取算法,针对轮廓事件缺失的问题,设计了两类Y事件生成算法来分别修复水平和非水平方向的目标物轮廓,提取出了目标物的轮廓特征;第二种是基于双摄像头的自适应目标二值化方法,该方法首先采用两个DVS采集图像数据,然后对采集到的图像数据进行去噪、事件融合和事件匹配处理,以确定目标物的区域,最后利用图像形态学方法中的开闭操作去除掉由于事件失配引起的伪像,提取出了目标物的区域特征。本文基于自主研制的DVS、FPGA开发板、USB 3.0开发板以及PC,搭建了AER图像传感器图像数据处理系统。经测试,在Win 7 64位操作系统下,数据传输正确,传输速率达到了147600 KB/s。在PC端利用MATLAB对两种形状特征提取算法进行了大量的实验,仿真结果表明:基于DVS的轮廓提取算法能够100%的修复轮廓事件的缺失,提取出目标物完整、单像素的轮廓;基于双摄像头的自适应目标二值化方法不仅能够有效提取出目标的区域特征,而且将图像数据量降低为传统算法的10%~20%。此外,该算法具有更好的鲁棒性,在非均匀光照、低对比度、噪声和亮斑的退化因素下的误分类均只有1%左右。

关键词：地址事件表示动态视觉传感器数据传输轮廓提取图像二值化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于脉冲神经网络的AER对象识别

基于脉冲神经网络的AER对象识别

作者：王欣悦杭州电子科技大学

学位级别：硕士

事件相机是一种新型的神经形态设备,由于它具有高时间分辨率和低功耗的优势,近年来吸引了国内外许多学者的关注。事件相机将视觉输入记录为异步离散事件,通常用地址事件表示(Address-Event Representation,AER),因此它们使用脉冲神经网... 详细信息

事件相机是一种新型的神经形态设备,由于它具有高时间分辨率和低功耗的优势,近年来吸引了国内外许多学者的关注。事件相机将视觉输入记录为异步离散事件,通常用地址事件表示(Address-Event Representation,AER),因此它们使用脉冲神经网络(Spiking Neural Networks,SNN)来处理具有生物学上的合理性和更高的效率。然而现存的AER对象识别模型存在特征提取部分对空间信息不敏感的问题,在学习算法部分存在对神经元阈值调整的全局性的忽略,且缺乏直接针对多脉冲神经网络AER对象识别模型。综上,本文基于脉冲神经网络的AER对象识别研究内容如下:(1)研究提出一种基于时间表面的AER特征提取方法F-Time-Surfaces。该方法通过挖掘样本内不同空间位置和样本间相同空间位置的重要性,衡量脉冲事件空间位置的重要性,解决了原生时间表面(Time surfaces)受噪音影响明显且空间信息不敏感的问题。该方法可以提取到精确的分类特征,并能用多种分类器(如SVM或SNN)进行分类。本文在MNIST-DVS等多个开源数据集上进行了实验,该方法提取到的特征,不论使用SVM或SNN进行分类都能有较好的效果,并且与HATS和zhao’s模型相比可通过较少的信息达到更好的效果。(2)研究提出一种全局精确阈值突触调整算法GPSA。该算法利用图像处理领域的Otsu阈值分割算法来进行神经元阈值调整方向的选择,最后通过函数映射将阈值全局范围调整。解决了先前的工作中单神经元或局部神经元调整导致的大量神元死亡和神经元敏感性无法区分的问题。本文经过大量实验证明了该算法对多脉冲进行学习的可行性与稳定性,并且具有较强的抗噪性。(3)研究提出一种基于时间表面的多脉冲神经网络AER对象识别模型FTime-Surfaces-GPSA。该模型结合本文提出的特征提取方法F-Time-Surfaces和全局精确阈值突触调整算法,在特征提取部分深度挖掘脉冲位置重要性信息,并且在SNN学习部分考虑神经元的全局性,从而增强学习网络的鲁棒性和识别能力。实验表明,该模型能高效地对时空数据进行处理,对AER对象进行识别的能力优于HATS-SNN等同类模型,且具有良好的抗噪性和较快的收敛速度。最终,本文将优化的特征提取方法、突触调整算法以及多脉冲神经网络AER对象识别模型应用于AER对象可视化训练平台中,实现了用户自定义参数对AER数据进行可视化的训练和识别。

关键词：脉冲神经网络地址事件表示时间表面动态阈值