一種基于空間梯度方差最大化的事件特征提取方法 技術(shù)領(lǐng)域 [0001] 本發(fā)明涉及圖像處理和計(jì)算機(jī)視覺技術(shù)領(lǐng)域，具體涉及一種基于空間梯度方差最大化的事件特征提取方法。 背景技術(shù) [0002] 在圖像處理和計(jì)算機(jī)視覺領(lǐng)域，特征提取是從原始數(shù)據(jù)中提取有用信息的關(guān)鍵步驟。傳統(tǒng)的特征提取方法，如基于邊緣檢測、角點(diǎn)檢測或紋理分析的方法，通常依賴于靜態(tài)圖像或視頻幀。然而，這些方法在處理動態(tài)事件，尤其是快速變化的場景時(shí)，往往無法提供足夠的實(shí)時(shí)性和準(zhǔn)確性。例如，在交通監(jiān)控、安全監(jiān)控或機(jī)器人視覺等領(lǐng)域，需要能夠快速響應(yīng)并準(zhǔn)確識別事件的特征提取技術(shù)。 [0003] 現(xiàn)有的基于事件的相機(jī)（event?based?cameras）能夠提供與傳統(tǒng)幀相機(jī)不同的數(shù)據(jù)，它們僅在像素亮度發(fā)生顯著變化時(shí)才生成事件，這使得它們在處理動態(tài)場景時(shí)具有優(yōu)勢。但是，如何從這些事件數(shù)據(jù)中提取出有用的特征，尤其是在保持高時(shí)間分辨率的同時(shí)，仍然是一個(gè)挑戰(zhàn)。 發(fā)明內(nèi)容 [0004] 鑒于上述問題，本發(fā)明提供了基于空間梯度方差最大化的事件特征提取方法，解決了現(xiàn)有技術(shù)中如何提高事件相機(jī)捕獲的數(shù)據(jù)的進(jìn)行特征提取的準(zhǔn)確性和實(shí)時(shí)性的技術(shù)問題。 [0005] 本發(fā)明提供了一種基于空間梯度方差最大化的事件特征提取方法，包括以下步驟： [0006] 步驟S1、獲取事件相機(jī)拍攝的事件流數(shù)據(jù)，對所述事件流數(shù)據(jù)進(jìn)行處理，生成二值化事件幀； [0007] 步驟S2、確定所述二值化事件幀中的每個(gè)像素對應(yīng)的事件Patch； [0008] 步驟S3、獲取各個(gè)所述事件Patch的多個(gè)空間梯度，基于所述多個(gè)空間梯度計(jì)算所述事件Patch的空間梯度方差； [0009] 步驟S4、對于所有所述事件Patch的空間梯度方差，選取空間梯度方差最大的前m個(gè)事件Patch進(jìn)行去交疊處理，得到多個(gè)無任何重疊區(qū)域的事件Patch，作為所述二值化事件幀的特征地圖。 [0010] 優(yōu)選地，所述步驟S1具體包括： [0011] 步驟S1?1、獲取事件相機(jī)拍攝的事件流數(shù)據(jù)，所述事件流數(shù)據(jù)包括按時(shí)間順序排列的多個(gè)事件，每個(gè)事件的信息包括：事件的像素坐標(biāo)、事件的極性以及事件的時(shí)間戳； [0012] 步驟S1?2、按照所述事件的時(shí)間戳，將所述事件流數(shù)據(jù)中的事件劃分到多個(gè)時(shí)間窗口； [0013] 步驟S1?3、對每個(gè)所述時(shí)間窗口，基于所述事件的像素坐標(biāo)生成二值化事件幀。 [0014] 優(yōu)選地，所述步驟S1?2具體包括： [0015] 步驟S1?2?1、獲取事件流數(shù)據(jù)的時(shí)間范圍，包括確定起始時(shí)間和結(jié)束時(shí)間； [0016] 步驟S1?2?2、確定時(shí)間窗口 ，從起始時(shí)間開始，基于所述時(shí)間窗口 將所述時(shí)間范圍平均劃分為多個(gè)時(shí)間窗口； [0017] 步驟S1?2?3、對于所述事件流數(shù)據(jù)中的每個(gè)事件，按照所述事件的時(shí)間戳，將事件分配到對應(yīng)的所述時(shí)間窗口中。 [0018] 優(yōu)選地，所述步驟S1?3具體包括： [0019] 確定寬為width?，長為?height?的二值化事件幀，初始化所有像素值為255； [0020] 遍歷每個(gè)時(shí)間窗口內(nèi)的每個(gè)事件，根據(jù)事件的像素坐標(biāo)定位二值化事件幀中對應(yīng)的像素位置，無論事件的極性 的值為正或負(fù)，均將所述像素位置的像素值設(shè)置為0，得到二值化事件幀在坐標(biāo) 處的像素值 ，表達(dá)式為： [0021] [0022] 其中， 表示二值化事件幀在坐標(biāo) 處的像素值。 [0023] 優(yōu)選地，所述步驟S2具體包括： [0024] 對于二值化事件幀中的每個(gè)像素，以所述像素為中心，n為邊長，構(gòu)成n×n的像素區(qū)域，所述像素區(qū)域中的像素值為二值化事件幀中對應(yīng)位置的像素值，將所述像素區(qū)域確定為所述像素對應(yīng)的事件Patch。 [0025] 優(yōu)選地，所述步驟S3具體包括： [0026] 步驟S3?1、對于每個(gè)事件Patch，計(jì)算事件Patch中各像素的水平方向梯度和垂直方向梯度，由各像素的所述水平方向梯度和垂直方向梯度確定各像素的空間梯度，表達(dá)式為： [0027] [0028] 其中， 表示事件Patch中的第 個(gè)像素的空間梯度， 和 分別表示第個(gè)像素的水平方向梯度和垂直方向梯度； [0029] 步驟S3?2、計(jì)算事件Patch中所有像素的空間梯度的方差，作為事件Patch的空間梯度方差，表達(dá)式為： [0030] [0031] 其中，表示事件Patch中的像素總數(shù)，表示事件Patch的空間梯度方差。 [0032] 優(yōu)選地，所述步驟S4具體包括： [0033] 步驟S4?1、對所有事件Patch的空間梯度方差進(jìn)行排序，選取空間梯度方差最大的前m個(gè)事件Patch作為候選事件Patch集合； [0034] 步驟S4?2、對所述候選事件Patch集合進(jìn)行去交疊處理，得到二值化事件幀的特征地圖，具體包括： [0035] 步驟S4?2?1、確定最小距離閾值min_distance，初始化非重疊事件Patch集合為空集；

1.一種基于空間梯度方差最大化的事件特征提取方法，其特征在于，包括以下步驟： 步驟S1、獲取事件相機(jī)拍攝的事件流數(shù)據(jù)，對所述事件流數(shù)據(jù)進(jìn)行處理，生成二值化事件幀； 步驟S2、確定所述二值化事件幀中的每個(gè)像素對應(yīng)的事件Patch； 所述步驟S2具體包括： 對于二值化事件幀中的每個(gè)像素，以像素為中心，n為邊長，構(gòu)成n×n的像素區(qū)域，所述像素區(qū)域中的像素值為二值化事件幀中對應(yīng)位置的像素值，將所述像素區(qū)域確定為所述像素對應(yīng)的事件Patch； 步驟S3、獲取各個(gè)所述事件Patch的多個(gè)空間梯度，基于所述多個(gè)空間梯度計(jì)算所述事件Patch的空間梯度方差； 步驟S4、對于所有所述事件Patch的空間梯度方差，選取空間梯度方差最大的前m個(gè)事件Patch進(jìn)行去交疊處理，得到多個(gè)無任何重疊區(qū)域的事件Patch，作為所述二值化事件幀的特征地圖。 2.根據(jù)權(quán)利要求1所述的基于空間梯度方差最大化的事件特征提取方法，其特征在于，所述步驟S1具體包括： 步驟S1?1、獲取事件相機(jī)拍攝的事件流數(shù)據(jù)，所述事件流數(shù)據(jù)包括按時(shí)間順序排列的多個(gè)事件，每個(gè)事件的信息包括：事件的像素坐標(biāo)、事件的極性以及事件的時(shí)間戳； 步驟S1?2、按照所述事件的時(shí)間戳，將所述事件流數(shù)據(jù)中的事件劃分到多個(gè)時(shí)間窗口； 步驟S1?3、對每個(gè)所述時(shí)間窗口，基于所述事件的像素坐標(biāo)生成二值化事件幀。 3.根據(jù)權(quán)利要求2所述的基于空間梯度方差最大化的事件特征提取方法，其特征在于，所述步驟S1?2具體包括： 步驟S1?2?1、獲取事件流數(shù)據(jù)的時(shí)間范圍，包括確定起始時(shí)間和結(jié)束時(shí)間； 步驟S1?2?2、確定時(shí)間窗口 ，從起始時(shí)間開始，基于所述時(shí)間窗口 將所述時(shí)間范圍平均劃分為多個(gè)時(shí)間窗口； 步驟S1?2?3、對于所述事件流數(shù)據(jù)中的每個(gè)事件，按照所述事件的時(shí)間戳，將事件分配到對應(yīng)的所述時(shí)間窗口中。 4.根據(jù)權(quán)利要求3所述的基于空間梯度方差最大化的事件特征提取方法，其特征在于，所述步驟S1?3具體包括： 確定寬為width?，長為?height?的二值化事件幀，初始化所有像素值為255； 遍歷每個(gè)時(shí)間窗口內(nèi)的每個(gè)事件，根據(jù)事件的像素坐標(biāo)定位二值化事件幀中對應(yīng)的像素位置，無論事件的極性 的值為正或負(fù)，均將所述像素位置的像素值設(shè)置為0，最終得到二值化事件幀在坐標(biāo) 處的像素值 ，表達(dá)式為： 其中， 表示二值化事件幀在坐標(biāo) 處的像素值。