单片图像感知器件和方法

专利名称：单片图像感知器件和方法
单片图像感知器件和方法相关申请的交叉引用本申请要求于2005年6月30日提交的美国临时专利申请 no.60/694，988的优先权，其全部内容合并于此作为参考。发明背景 发明领域本发明总体上涉及成像器件。具体地，本发明涉及用于图像识别 的微型器件，其布置在透明衬底(例如玻璃)上或嵌入在其中。 相关技术的说明透明表面，例如玻璃，已经存在了几百年。透明表面起初的目的 在于保护生存空间，同时使居住者能够感知外部世界(地形、气候及 可能的威胁)。最近，对于显示器产业大量地需要透明表面，其由阴 极射线管(CRT)开始，近来用于液晶显示器(LCD)和许多其它种 类的平板显示器。在使用中，大多数情况下人们或活体(动物，植物) 被置于靠近这种透明表面。图像传感器已经存在了几十年(例如，CCD或CMOS传感器)。 例如，见美国专利No. 6，617，565的单芯片CMOS图像传感器，其内 容合并于此作为参考。通常的图像传感器是基于相机设计，并且通常 包括位于透镜后的集成电路，透镜可以是微型的或可移动的(例如螺 旋安装的透镜)。传感器用于将光能量(光子)变换为与由光敏元件 接收的光量成比例的电信号，光敏元件被组织成传感器上的阵列。依 据光敏元件的输出来合成图像。越来越需要图像识别技术。需要各种尺寸和构造的摄像机，用于 诸如安全、识别、情报、质量检査、交通监视等之类的应用。摄像机 常常通过有线或无线连接而链接到显示设备。当前，移动电话通常都 配备了微型相机，其连接到位于移动电话中的LCD显示设备。先进的图像识别需要高清晰度成像合成。当前图像识别系统以相 对低速操作，这是因为缺少处理能力和/或因为处理器只能一次处理 图像的一个像素。因此，需要新的成像识别器件，其在现有技术上加以改进。发明概述本发明的目的是提供一种图像识别器件，其具有感应区(例如光 敏元件)，所述感应区直接包含在透明或半透明的材料中，所述材料 构成入射图像与所述感应区之间的光接口。所述图像识别器件自身优 选地是透明的或半透明的。本发明的另一个目的是借助于可训练的处理元件阵列，来提供具 有"本地"决策能力的感应区。在本发明的一个实施例中，可训练的认知存储元4牛(trainable cognitive memory element)或单元与一个或 多个光敏元件相关联。本地决策能力提供了这样的优势其减小了器 件的传输要求(即带宽)，尤其是当光敏元件的数量很大时和当光敏 元件的传输频率必须很高时。通过提供每一个都具有本地决策能力的 感应区大阵列，可以获得高清晰度、高速成像器件。根据本发明的一个实施例，可训练的认知存储元件能够在低频上 并行操作并引起很低的电流。其结果是，确保了每一个元件的自主操 作，并且可以使用非常经济的能量源，例如太阳能电池或其等效物。根据本发明的一个实施例，通过一个或多个光敏元件与一个或多个可训练的认知存储元件相关联来构成创新的单片(monolithic)图 像识别器件，其全都嵌入在衬底中。根据本发明的一个实施例，可以在一个或多个阵列中布置与多个 可训练的认知元件相关联的多个光敏元件，并在平坦的透明或半透明 衬底上展开。该阵列可以具有变化的几何形状和连通性。典型的几何 形状可以是但不限于平行的神经元的线性阵列，或以光栅或蜂窝几 何结构相连的神经元的2维阵列。下面将参考附图来论述本发明的不同实施例的进一步的应用和 优点。附图的简要说明

图1A-B分别包括根据本发明实施例，传感器阵列的前视图和俯视图，所述传感器阵列布置在玻璃或有机玻璃或其它透明塑料或透明衬底上，在衬底中具有蚀刻的透镜；图2是根据本发明实施例的传感器阵列的俯视图，所述传感器阵列布置在玻璃或网状衬底上，在衬底中具有蚀刻的透镜，该图示出了检测DNA片段的情况；图3A-B分别示出了根据本发明一个实施例的传感器内核芯片的侧视图和俯视图；图4是根据本发明实施例的传感器的框图；图5A是根据本发明实施例的传感器阵列的框图；图5B是根据本发明实施例的传感器组(bank)阵列的框图；图6A-C示出了根据本发明实施例的神经系统结构；图7是根据本发明实施例的神经元的框图；以及图8—12示出了根据本发明实施例的图像识别器件的示范性应用。优选实施例的详细说明尽管本发明可以以许多不同形式来体现，但是在具有这样的理解 的情况下在此描述了多个说明性的实施例本公开应被认为是提供了 本发明原理的实例，这种实例并不意图将本发明限制于在此所述的和 /或说明的任何具体的优选实施例。本发明是一种成像器件，其可以包括传感器感知器件，例如光敏 元件，所述传感器感知器件连接、连结或者关联到可训练的认知元件， 两个元件都以化学方式沉积在透明衬底表面上或嵌入其中。感应区与 具有"本地"决策能力的可训练的认知元件的关联在本文献全文中都 称为"认知-传感器(CogniSensor)"。可训练的认知元件在本文献全 文中都称为"认知-元件(CogniMem)"。感应区通常由一个或多个光 敏元件组成，但也可以采用其它感应装置。根据本发明的实施例，认知-传感器可以被配置为识别输入的光模式(Pattern)(例如图像或图像的部分)、处理所输入的光模式以做 出本地决策、并且传输本地决策的结果或其指示。认知-传感器可以 包括多个部件，例如但不限于本地决策能力一数据输入逻辑电路、 "神经元"和决策输出逻辑电路、存储缓冲器、用于能量自主的太阳 能电池、等等。每一个认知-传感器优选地以并行布置的反应式关联 学习存储器(reactive associative learning memory ， REALM )为特征。 根据本发明的实施例，认知-元件能够在没有任何计算机指令的情况 下，以数字或模拟方式进行模式识别。认知-元件可以包括一个或多个神经元，所述神经元是可并行访 问的关联存储器，其能够做出反应以输入与它们自身内容相似的模 式。神经元通过在其它相邻神经元响应的基础上增强其响应，可以单 个地或共同地反应。可以通过连接到神经元的禁止/激发 (Inhibitatory/Excitatory)输入线来做出选择。认知-元件的神经元的内容构成了 "知识"。知识是一组静态可判 别数字特征。知识可以是静态的(载入一次)，或动态的(通过其它 神经元的反应而更新或自适应地从外部知识库载入)，但优选的是在 无需计算机来完成的情况下通过学习过程自动产生。沉积在同一衬底 上的认知-元件可以使用相同的或不同的知识。认知-元件可以沉积在衬底上或嵌入到其中(或者与之耦合)，作 为认知-传感器的一部分，或者是独立的。在前一情况下，认知-元件 通常致力于识别由光敏元件传输的像素数据。在后一情况下，认知-元件可以用于支持其它认知-元件，并可以用于例如识别由其它认知-元件单元传输的不同数据类型(例如巩固来自多个认知-传感器的响 应的模式)。以下列出的专利和已公开申请描述了可用于认知-元件和认知-传感器的神经元和神经网络的不同方面，其每一个的全部内容都合并 于此作为参考美国专利No.5,621,863 —Neuron Circuit; No.5，717，832-Impoved neuron circuit architecture; No.5,701，397-Circuit for pre隱charging a free neuron circuit; No.5，710,869-Daisy國Chain circuitfor serial connection of neuron circuits; No.5，740,326—Circuit for searching/sorting data in neural networks ; No.6，332，137-ParalIei associative memory for a stand-alone hardware recognition ; No.6,606,614-Single wire search and sort ; 曰本申请 JP8-171543-Daisy-Chain circuit for serial connection of neuron circuits; JP8-171542-Advanced loading circuit ; JP8-171541-Aggregation Circuit(Search/Sort); JP8-171540誦Neural Network and Neural chip; JP8画069445國Neuron circuit architecture ;韩国专禾lj申请 KR164943-Innovative neuron circuit architecture ;欧洲专禾l] EP0694852-Innovative neuron circuit architecture; EP0694854-Improved neural semiconductor chip architecture; EP0694855-Search/Sort for neural networks; EP0694853-Circuit for pre-charging the input vector components in a free neuron circuit during the recognition phase; EP0694856-Daisy-Chain circuit for serial connection of neuron circuits; 力口拿大申请CA2149478-Improved neuron circuit architecture;加拿大专 禾U CA2149479-Improved neural semiconductor chip architecture 。在认知-元件上实现的神经元数量可以从1变到N，由于神经元 细胞的结构，N在理论上是无限的。当前，N可以高达约1000。通 常，N由具体应用来确定，具体而言，是依据要被识别的模式的多样 性和要传输的决策的类型。本领域技术人员会认识到，硅技术会是确 定每单位面积可提供的神经元数量的重要因素。在图IA和IB中示出了根据本发明实施例的图像识别器件的示 范性结构。图IA是器件100的俯视图，其包括衬底102，衬底102 可以由多个透明或半透明材料制造，例如玻璃、有机玻璃、透明塑料 等。可以将一个或多个认知-传感器104 (在此情况下是作为阵列) 嵌入到衬底102中，或在此情况下，附着或粘到或者是耦合到衬底 102的表面(见图1B)。可以将光通路蚀刻或沉积在衬底上每一个光 敏元件的前面。例如，可以在认知-传感器104的位置对衬底102进 行蚀刻，以便为每一个认知-传感器104生成透镜102a。可替换地， 可以将微透镜102a插入到衬底102中(图2)，或者粘在(图3A-B)光敏元件前面的衬底102上。另一个选择是可以变换衬底以改变接近 每一个传感器的衬底部分的反射率，来聚焦入射光。如图1B所示， 入射光由衬底透镜102a聚焦在每一个认知-传感器104上。所述多个透镜102a允许认知-传感器104覆盖不同的视场，优选 地等于衬底表面，但也可以覆盖比等于衬底表面的视场窄或大的视 野。微透镜102a将认知-传感器104阵列变为具有无限表面和视野的 远心(telecentric)图像感知器件。图2是根据本发明另一个实施例的单片成像器件的俯视图。如所 示，透镜102a嵌入到衬底102中，位于每一个认知-传感器104之上。 作为使用该成像器件的实例，示出了将DNA片段202放置在衬底202 的表面上的情况。每一个认知-传感器104都可以被配置为独立地或 与相邻认知-传感器104合作来识别特定DNA片段，并当确认了该 片段时输出信号。图3A-B示出了单个认知-传感器104的示范性实施例。如图3A 所示，集中的神经元区104a围绕在像素感应区104b周围。在神经元 区104a中的神经元可以与像素区104b中的感应元件耦合，并可以被 配置为识别由像素区104b所感测的模式。如图3B所示，在像素区 104b上方，凸透镜或微透镜102a位于衬底102表面上，用于将入射 光聚焦在像素区104b上，或者在没有中间衬底的情况下直接连接到 传感器。透镜102a例如可以借助于常规手段以化学方式沉积在衬底 上。图4是根据本发明实施例的示范性认知-传感器104的功能框 图。认知-传感器104包括传感器或感应区402、数据提供逻辑电路 404、神经网络406和本地决策逻辑电路408。传感器402可以包括 一个或多个感应元件，例如光敏元件。数据提供逻辑电路404与感应 区402和神经网络406耦合，并且被配置为采用适于处理的方式将从 传感器输出的数据提供给神经元。神经元406是或成为"教授"了知 识的情况，并且能够处理从提供逻辑电路404输入到神经元406中的 数据，并向本地决策逻辑电路408输出处理过的数据，本地决策逻辑 电路408基于处理过的数据做出决策。本地决策逻辑电路408可以借助于各种已知的方法与其它认知-传感器或认知-元件耦合。因此，认知-传感器104可以布置为阵列或者阵列的阵列。图5A和5B示出了认知-传感器阵列的布置。如图5A所示，每 一个认知-传感器104都可以与多个认知-传感器104耦合以构成阵 列502。如下所述，可以使用输入和输出总线来对传感器进行串行或 并行地耦合。如图5B所示，每一个阵列502都可以与多个阵列502耦合，以 构成阵列组504。通过布置认知-传感器104阵列的阵列，产生了功 能极其强大的识别器件，其既是高清晰度的又是高速的。g卩，通过增 加传感器数量可以增加成像器件的分辨率。然而，通过以认知-元件 形式提供鲁棒性的本地决策能力，认知-传感器数量上的增加没有减 小器件的处理速度。此外，人们会理解可以以许多不同几何形状来组 织阵列，本发明不限于正方形阵列。如上所述，每一个神经元都可以与多个输入l-n耦合，例如其可 以是多路复用输入，但不限于此。图6A是具有多个输入的神经元的 表示，其在图6B中被简化。结果，可以用输入总线602 (在图6C中 没有总线602)来组合神经元阵列，如在图6C中的简单并行结构中 所示。可以将每一个神经元406的输出连接到总决策总线406。图7是根据本发明实施例的示范性神经元的功能框图。被组织为 无限扩展网络的神经元的目的是学习并回想(recall)数字向量或特 征(signature)(模式)。数字特征主要是通过数据减少处理而被编码 的光强度的空间分布。神经元可以如图6C所示的并行连接，其意味 着所有神经元输入以及其所有输出都并行相连。数据信号可以从多路复用的输入总线(未示出)输入到神经元 700。学习多路复用器702可以分离多路复用的输入信号，并将输入 数据信号传输到神经元回想存储器704和关联逻辑元件706。神经元 回想存储器704处理输入信号并将处理过的信号输出到关联逻辑元 件706。关联逻辑元件706包括相似性系数决策元件706a。每一个神经元都可以接收由数据提供逻辑电路404产生的被广 播的模式(即，表示传感器数据的数字特征的向量)。这个广播模式可以是即时的或者在时间域中的、传感器产生数据的变换(数据减少)。神经元具有三个可能的按时间顺序连续的状态休眠(dormant), 准备学习(RTL)和此后的调配(commit)。除了网络满(即所有神 经元都被调配)的情况之外，在全部时间中至少有一个神经元处于 RTL状态。如果人们将所有并联神经元认为是链，则RTL神经元就 可以从链的第一个位置移动到最后一个位置。在本说明的上下文中， RTL神经元通常在调配的神经元的右侧，休眠的神经元会在RTL神 经元的右侧。当神经元处于休眠时，其对任何输入模式都不会有反应。RTL神 经元会将输入的模式载入到其回想存储器中，以便在用户处理决定进 行学习时对其进行学习。该RTL神经元不会参加识别过程，但会致 力于在学习的同时构成新的知识。学习过程包括当出现未知模式且用户决定学习它时创建新知识。 该知识的增加会在RTL神经元中发生。除了创建新知识之外，调配 的神经元可能错误地识别输入模式(即，没有与适当的类别相关联)， 这样的神经元会减小其相似性域，以避免进一步的误分类。这导致了 知识修改或"自适应学习"。光元件可以输出数字化的辐射测量值。全部该值在空间分布上的 组合构成一个模式；这种模式也可以在时间域中发展，并产生模式流。 该模式经过数据减少处理，其导致了辐射测量模式的数字特征(向 量)。所述减少处理必须不超过下述的所谓"最小辨别矩阵"。例如对 于5X7矩阵，可以辨别全部欧洲大写字母，但不能辨别日本汉字字 符(对于其需要16X16矩阵)。调配的神经元在其处于RTL状态中时，通过将载入到回想存储 器704中的向量与保持在类别寄存器709中的类别相关联，学习了一 种模式。当所输入的模式进入调配的神经元时，学习/回想多路复用 器702会将其传输到关联逻辑电路706，以便该模式将其相似性相对 于保持在回想存储器704中的向量进行评价。如果发现计算的相似性 小于或等于相似性系数706a，神经元会被激活，因此信号穿过逻辑电路712。激发/禁止逻辑电路的功能是在许多神经元变为激活的时 候，在全部已调配的"激活的"(即，激发的)神经元执行总体仲裁， 并且"禁止"那些不具有最佳相似性的神经元。 关注的区域每一个认知-传感器可以与用于视频帧的关注区(ROI)相关联。 每一个认知-传感器都可以提取ROI的特征，以广播到其神经元(用 于学习或识别的目的)。ROI的特征是其像素值的压縮格式，像素值 被减小以适合于N个值的序列，其中，N是神经元存储单元的尺寸。采用这样的例子其中，神经元配备了 256字节的存储器容量。 认知-传感器可以对NXM像素的矩形ROI进行分类。ROI特征会从 NXM个值减少到256个值，例如，通过简单的块压縮。认知-传感器可以被配置为处理任何形状的ROI，并且特征提取 的选择可以是根据应用指定的(例如，部件检査、表面检査、人脸识 别、目标追踪等)。 一些特征提取可以结合时间、重复性等。此外， 神经元可以配备大于8比特的存储单元，以容纳来自具有12比特或 更大像素分辨率的传感器的输入。神经元与传感器和数据提供逻辑电路的组合，构成了一个全新的 方案，用于在无需采用任何学习或识别处理的软件的情况下，嵌入图 像识别。认知-元件的寻址可以是通过性的(pass-through)或选择性的(例 如由其它认知-元件单元的响应所驱动)。应该理解的是，容纳一个(或多个)认知-传感器的衬底起到机 械支撑和透镜的作用(例如，见图1一2)。衬底可以是但不限于刚 性的或柔性的，平面的或弯曲的，由玻璃、有机玻璃、塑料或其它材 料构成的表面。在同一衬底上的认知-传感器与认知-元件单元之间的连通性应 优选地使用最小数量的连线。载入认知-传感器中的知识可以优选地着手解决对于不同模式组 的识别，无论是否相关。 实例根据本发明的实施例，认知-传感器理想的是用于在自动化制造过程期间执行检査。如图8所示， 一个或多个认知-传感器可以用于 检査水瓶。在该实例中，使用三个不同认知-传感器来检查以专区1 一3所指代的三个不同区域。整体响应可以取决于这三个"专区"认 知-传感器的组合响应。在该实例中，可以训练认知-传感器1 (专区l)，来对包含瓶盖 802的ROI的特征进行分类。认知-传感器1可以将其ROI分类为2 类好的和坏的。坏的类别可以合并几种情况盖子丢失或盖子没有 适当的拧上。类似的，认知-传感器2 (专区2)可以学习横跨瓶子中液体线 804的ROI的特征。该ROI可以是狭窄的垂直矩形，并且将会理想 地盖瓶子中最小可能填充液面和最大可能填充液面。依据制造商的 质量控制标准，认知-传感器2可以将其ROI分类为任何数量的类别， 例如可接受和不可接受；过高、可接受和过低；或过高、高但可接 受，在范围内，低但可接受，过低。认知-传感器3 (专区3)可以学习盖标签区域的关注区806 的特征。可以训练认知-传感器3来识别各种情况或各种情况组合， 例如丢失标签、有缺陷标签(破损、划痕或折叠的)、错放的标签 (倒置，倾斜)、以及良好。可以将来自认知-传感器3的输出提供给与自动化制造过程相关 联的控制器，以基于由此做出的决策而采取适当的行动。根据本发明的实施例，可以对认知-传感器进行独立封装，以构 成智能光电池或智能微透镜。这种器件可用于大量技术，并且可以用 于例如，在机械化装配过程中检测移动部件、确定路线或规定移动 部件的路线(图9A);用于生物统计识别(biometric identification), 例如在相电话中(图9B);或者用于在门观察孔等等中的访问者检 测和识别(图9C)。根据本发明的另一个实施例，提供了司机觉性检测系统。参考 图10，可以将一个或多个认知-传感器104嵌入到挡风玻璃、仪表板 平板显示器或汽车前灯中。可以教授认知-传感器104来识别表明司机何时不再专心(例如司机睡着了)的模式并输出信号以触发警报。 这种模式可以包括凝视追踪，人脸识别，面部表情识别等。此外， 可以教授在挡风玻璃或前灯中的认知-传感器104来识别车辆外的物 体或事件，例如，用于采用挡风玻璃雨刷系统确认下雨或用于道路危 险性警告系统的道路危险性。可以以多种方式进行对于可能随机出现在远或近视场中的物体 的检测。例如，可以为两个或三个传感器配备聚焦在不同距离的透镜。 这些传感器可以载入相同的知识，但在是对不同大小的关注区域进行 工作。如果至少一个传感器辨认出物体，则识别系统的总体响应就可 以被认为是肯定的。此外，可以采用对不同波长(例如，近IR、 IR、滤色的、等等) 敏感的输入传感器来设计认知-传感器。对于给定物体或现场，这种 认知-传感器会产生不同的像素值，但可以在其各自视频图像上进行 训练以识别物体的类别。在目标追踪中，近IR和IR的认知-传感器 的组合会提供在全天任何时间识别目标的能力。根据本发明的另一个实施例，认知-传感器阵列可以用于许多其 它制造应用中。例如，如图IIA所示，认知-传感器的1维阵列1102 可以用于在制造过程中检查玻璃浮子1103。如图11B所示，认知-传 感器的2维阵列1104可以用于检测容器1105 (例如饮料瓶)底部的 污垢。在此类应用中，可以教授每一个认知-传感器来识别表明了玻 璃中裂纹或流体中污垢的模式。根据本发明的另一个实施例，可以横跨玻璃平面等等来分布认知 -传感器，以执行多个独立功能。可以对认知-传感器进行分组，并且 对于每组以不同的知识来教授。图12示出了一个实例，滑动玻璃门 1202包括几组认知-传感器1204，用于检测不同尺寸的接近物体。第 一组可以被教授用于识别第一尺寸的人或动物(例如狗)1208的知 识，而第二组可以被教授用于不同尺寸人(例如男孩)1210的知识， 第三组用于另一尺寸的人(例如成人)1212、等等。每一个组1204 都可以与一个或多个认知-元件1206耦合，用于控制滑动门。在回顾了该专利文献后，对于本领域技术人员应是显而易见的是，本发明的成像器件可以用于未在此列出的大量其它应用中。例如， 另一个应用包括水坝、桥梁或其它人造结构中永久性损害检测(组织 结构变化)。根据本发明实施例的以上描述，这种应用的实现应是明 显的。此外，电力和信号传输可以是无线的(例如红外、光电池、感 应回路、等等)。因此，以上参考附图己经充分说明了多个优选实施例。尽管基于 这些优选实施例说明了本发明，但对于本领域技术人员来说显而易见 的在本发明的精神和范围内，对于所述实施例可以得到某种修改、变 化和可选结构。
权利要求
1、一种图像识别器件，包括感应区，嵌入在透明或半透明的衬底中或位于其上；以及处理元件，与所述感应区耦合，所述处理元件嵌入在所述衬底中或位于其上；其中，所述透明或半透明衬底构成在要被感测的入射图像与所述感应区的感应像素之间的光接口。
2、 如权利要求1所述的图像识别器件，其中，所述感应区是透 明的或半透明的。
3、 如权利要求1所述的图像识别器件，其中，所述衬底包括玻 璃、有机玻璃或其它透明材料。
4、 如权利要求1所述的图像识别器件，其中，所述感应区包括 一个或多个光敏元件，并且所述处理元件包括一个或多个认知存储元 件，其中，每一个所述光敏元件都被配置为基于在输入端接收的光来 输出信号，并且每一个所述认知存储元件都被配置为依据从所述光敏 元件输出的所述信号来识别模式。
5、 如权利要求4所述的图像识别器件，其中，所述认知存储元 件是可训练的。
6、 如权利要求4所述的图像识别器件，其中，每一个所述认知 存储元件都包括多个神经元，所述神经元通过多路复用输入总线耦合 到其输入侧，并通过输出总线耦合到其输出侧，每一个所述神经元都 被教授了知识，所述知识允许相应的神经元识别信号并执行决策。
7、 如权利要求1所述的图像识别器件，其中，所述衬底包括多个透镜部分，每一个透镜部分都提供了与所述图像识别器件的感应像 素或像素区的光接口。
8、 如权利要求7所述的图像识别器件，其中，每一个透镜部分 都通过对所述衬底进行蚀刻来构成。
9、 如权利要求1所述的图像识别器件，其中，所述图像识别器 件包括组织成阵列的多个所述感应区。
10、 一种图像识别器件，包括-多个认知传感器，位于透明或半透明衬底上，每一个传感器都包括光敏元件；以及可训练的认知存储单元，其与所述光敏元件相关联； 多个光接口，形成在所述衬底上，每一个都与所述多个认知传感 器中相应的一个光耦合。
11、 如权利要求IO所述的图像识别器件，其中，所述光接口是 通过在靠近每一个所述认知传感器的位置处蚀刻所述衬底而形成的 透镜。
12、 如权利要求IO所述的图像识别器件，其中，每一个认知传 感器都是可训练的，并被配置为基于入射光来识别模式。
13、 如权利要求IO所述的图像识别器件，其中，每一个所述认 知存储元件都包括多个神经元，所述神经元通过多路复用输入总线耦 合到其输入侧，并通过输出总线耦合到其输出侧，每一个所述神经元 都被教授了知识，所述知识允许相应的神经元识别信号并执行决策。
14、 如权利要求IO所述的图像识别器件，其中，所述衬底包括 玻璃、有机玻璃或其它透明材料。
15、 如权利要求13所述的图像识别器件，其中，教授每一个认 知存储单元，以识别图像的不同部分，并且所述多个认知存储单元被 配置为共同操作来识别所述图像。
16、 如权利要求15所述的图像识别器件，其中，所述认知传感 器被配置为依据所述图像的识别而输出信号。
17、 如权利要求IO所述的图像识别器件，其中，所述认知传感 器在低频上并行工作。
18、 如权利要求IO所述的图像识别器件，其中，所述认知传感 器以极低的电流工作。
19、 一种图像识别器件，包括 衬底；认知感应装置，用于感应入射光的模式，并基于所感应的模式来 输出信号，所述认知感应装置嵌入在所述衬底中；以及 光接口装置，用于将光接口提供给所述认知感应装置。
20、 如权利要求19中所述的图像识别器件，其中，所述认知感 应装置包括多个光检测器和多个认知存储单元，其中，每一个所述光检测器都被配置为基于在输入端接收的光来 输出信号，并且每一个所述认知存储单元都被配置为依据从所述光检 测器输出的所述信号来识别模式。
21、 如权利要求19所述的图像识别器件，其中，所述光接口装 置包括在所述衬底中形成的多个透镜。
22、 如权利要求19所述的图像识别器件，其中，所述认知感应 装置包括多个认知传感器，每一个都包括光敏元件；以及可训练的认知存储单元，其与所述光敏元件相关联。
23、 如权利要求22所述的图像识别器件，其中，每一个所述认 知存储单元都包括多个神经元，所述神经元通过多路复用输入总线耦 合到其输入侧，并通过输出总线耦合到其输出侧，每一个所述神经元 都被教授了知识，所述知识允许相应的神经元识别信号并执行决策。
24、 如权利要求19所述的图像识别器件，其中，认知感应装置 无需软件程序，通过多个并行元件，数字化地执行图像识别操作，所 述多个并行元件每一个都具有自身包含的自主行为。
25、 如权利要求l所述的图像识别器件，其中，所述图像识别器 件被配置为输出无线输出信号。
26、 如权利要求IO所述的图像识别器件，其中，每一个认知传 感器都被配置为发送并接收无线信号。
27、 如权利要求19所述的图像识别器件，其中，所述认知感应 装置被配置为发送并接收无线信号。
28、 如权利要求1所述的图像识别器件，其中，该器件以无线方 式供电。
29、 如权利要求IO所述的图像识别器件，其中，该器件以无线 方式供电。
30、 如权利要求19所述的图像识别器件，其中，该器件以无线 方式供电。
31、 一种图像识别器件，包括神经元与传感器和数据提供逻辑电 路的组合。
32、 一种图像识别方法，包括以下步骤在衬底中嵌入或在其上沉积认知感应装置，用于感应入射光的模式，并基于所感应的模式来输出信号；及提供光接口装置，用于将光接口提供给所述认知感应装置。
33、 如权利要求32所述的图像识别方法，其中，所述认知感应 装置包括多个光检测器和多个认知存储单元，其中，每一个所述光检测器都被配置为基于在输入端接收的光来 输出信号，并且每一个所述认知存储单元都被配置为依据从所述光检 测器输出的所述信号来识别模式。
34、 如权利要求32所述的图像识别方法，还包括步骤提供多 个透镜，其形成在所述衬底中或沉积在其上，作为所述光接口装置的 一部分。
35、 如权利要求32所述的图像识别方法，其中，所述认知感应 装置包括多个认知传感器，每一个都包括光敏元件；以及可训练的认知存储单元，其与所述光敏元件相关联。
36、 如权利要求35所述的图像识别方法，其中，每一个所述认 知存储单元都包括多个神经元，所述神经元通过多路复用输入总线耦 合到其输入侧，并通过输出总线耦合到其输出侧，每一个所述神经元 都被教授了知识，所述知识允许相应的神经元识别信号并执行决策。
全文摘要
一种器件，其能够基于将光敏元件插入或蚀刻到透明或半透明衬底(例如玻璃)中或其上，来获得、读出并感知景象。衬底自身充当光器件，其使入射到反射图像的光子偏转到光敏元件中。光敏元件通过透明或不透明的布线互连在一起。可以对数字神经存储器进行训练，以识别特定景象，例如人脸、进入的物体、表面缺陷、挡风玻璃上的下雨等。其它应用包括图像感知汽车前灯和平板显示器，其检测并识别观察者的行为(凝视追踪、脸部识别、面部表情识别等)。再另一个应用包括滑动门，感知走向门的个人的方向和速度。再另一个应用包括水坝、桥梁或其它人造结构中的永久性损坏检测(组织结构变化)。
文档编号G06K9/78GK101253515SQ200680031521
公开日2008年8月27日 申请日期2006年6月30日 优先权日2005年6月30日
发明者A·梅嫩德斯, G·帕耶 申请人:北美Agc平板玻璃公司;美商诺利科技有限公司