用于AER图像传感器的目标追踪方法与流程

本发明涉及aer图像传感器图像识别领域，尤其涉及一种用于aer图像传感器的目标追踪方法。

背景技术：

在实时目标识别领域，对于高分辨率和帧频的爆发式需求增加了信息传输和储存压力，对识别的处理速度也提出了巨大的要求，后端算法和架构的优化无法从根本上解决诸多瓶颈，极大限制了识别系统的发展。aer(address-eventrepresentation,aer,地址-事件表示)图像传感器是一种模拟生物视觉皮层上的异步稀疏事件驱动信号处理的仿生视觉传感器。该传感器的像素将光强变化信息编码成事件，且只有检测到光强变化的像素才可以输出事件，显著地减少了冗余数据，为突破实时识别系统的瓶颈提供了新思路。

与帧驱动的传统图像传感器不同的是，aer图像传感器输出的异步的事件流，每个事件包含发生光强变化的像素地址、产生时间以及事件极性(光强增大或减小)。而大多数现存的图像处理算法都是基于帧驱动，无法直接利用于aer数据处理。将事件分割成固定时长的时间片是一个简单的适应这些算法的办法，但是无法利用aer传感器的优势，增加了各部分算法的处理时间，不利于实时识别系统的性能。

在实际的应用中，目标追踪算法是必不可少的，既要实现目标检测的功能，给出目标的实时位置，又要防止噪声的干扰。如果存在多个运动的目标，在诸多情况下，例如目标交叠时，仍然保证能精确定位不同目标，是追踪算法实现的关键。此外，对于基于aer图像传感器的追踪算法，事件驱动的概念尤为重要。分割时间片的算法可能会导致一个瞬间动作或目标被分割入两个时间片，影响追踪的精确度。

目前已有诸多基于事件驱动的簇追踪算法，但是各个算法基本上都是在特定的应用中才能发挥最好的性能，常用的追踪算法主要是为了实现目标的检测，而目标识别领域中，不同目标的状态决定了是否达到识别的要求，这在对运动目标的持续监控中显得尤为重要。此外，针对目标识别这个特殊的应用，尽可能简化算法复杂度，减少计算资源消耗是极为必要的。设计一款用于aer图像传感器的事件驱动目标追踪算法，为后端的识别提供目标状态信息显得极为关键。

技术实现要素：

为克服现有技术的不足，根据基于aer图像传感器的识别系统对于追踪算法事件驱动、低计算复杂度以及提供目标状态的要求，本发明旨在提出一种用于aer图像传感器的目标追踪方法。本发明采用的技术方案是，用于aer图像传感器的目标追踪方法，基于事件驱动，产生不同追踪器来区分不同目标，每个追踪器包含以下信息：追踪器的中心坐标xc，尺寸rc，搜索范围rk，追踪器产生时间tc，最后接受事件时间tl，活跃值a共计6个参数；

根据aer传感器输出的事件流的产生时间，按照顺序处理各个事件，对于坐标为xe的一个事件，首先计算它与现存的各个追踪器的欧氏距离r，如果它处于某个追踪器的搜索范围rk之内，则该追踪器的参数会被更新，如果多个追踪器满足条件，则具有最早产生时间的追踪器会被更新，(1)为欧氏距离计算以及追踪器判别公式：

r＝|xc-xe|＜rk(1)

如果不存在满足条件的追踪器，则中心坐标为xe且其他参数均为缺省的追踪器会被创建，对于满足条件的追踪器，除了创建时间始终保持不变外，其余各参数均会更新，t时刻的追踪器中心坐标将从xc(t)移至xc(t+△t)，其计算公式如(2)所示：

xc(t+δt)＝xc(t)·αx+xe·(1-αx)(2)

其中αx的大小关系追踪器中心的移动速度，△t为当前事件的时间与该追踪器最后接受事件的时间的差值，追踪器的尺寸rc与所计算的欧式距离r有关，计算公式如(3)所示：

rc(t+δt)＝max(rmin,rc(t)·αr+r·(1-αr))(3)

其中αr的大小关系追踪器尺寸变化的快慢，rmin为追踪器的最小尺寸，追踪器的搜索范围rk与追踪器尺寸r成正比例关系，倍数为αk。追踪器的活跃值a计算公式如(4)所示：

其中p为一个常数，追踪器根据其活跃值的大小，可处于隐藏层或者可见层；隐藏层的追踪器活跃值较低，为噪声引起或代表不完整的目标；可见层的追踪器则符合识别的条件，该目标所属的事件将被送入识别系统的后续模块；新创建的追踪器都处于隐藏层中，当追踪器的活跃值高于aup时，追踪器进入可见层；如果追踪器的活跃值低于aup，则该追踪器回落至隐藏层；同时，若追踪器的活跃值低于adown，则该追踪器会被直接删除；如果两个追踪器重叠，则后续事件会优先选择创建时间较早的，而创建时间较早的追踪器如果长期接收不到新的事件，也会被删除。

采用查找表的方式根据最小时间步长tmin储存数量为n的指数值，根据所计算出的△t调取所需数值。

本发明的特点及有益效果是：

本发明提出了一种基于aer图像传感器的目标追踪算法，该算法基于事件驱动，解决了传统帧驱动追踪算法不适应aer数据的问题。针对目标识别这个特殊应用，尽可能降低了计算复杂度，采用活跃值的方式区分不同目标的状态以确定是否达到识别要求，并采用查找表的方式减少活跃值计算量，该目标追踪算法有利于aer图像传感器在多目标识别上的利用。

附图说明：

图1追踪器中心移动示意图。

图2追踪器层间变化示意图。

具体实施方式

本发明提出的用于aer图像传感器的事件驱动目标追踪算法介绍如下：该算法基于事件驱动，传感器输出的每一个事件都会触发一系列的操作。算法产生不同追踪器来区分不同目标，每个追踪器包含以下信息：追踪器的中心坐标xc，尺寸rc，搜索范围rk，追踪器产生时间tc，最后接受事件时间tl，活跃值a共计6个参数。

该算法根据aer传感器输出的事件流的产生时间，按照顺序处理各个事件。对于坐标为xe的一个事件，首先计算它与现存的各个追踪器的欧氏距离r，如果它处于某个追踪器的搜索范围rk之内，则该追踪器的参数会被更新。如果多个追踪器满足条件，则具有最早产生时间的追踪器会被更新。(1)为欧氏距离计算以及追踪器判别公式。

r＝|xc-xe|＜rk(1)

如果不存在满足条件的追踪器，则中心坐标为xe且其他参数均为缺省的追踪器会被创建。对于满足条件的追踪器，除了创建时间始终保持不变外，其余各参数均会更新。t时刻的追踪器中心坐标将从xc(t)移至xc(t+△t)，其计算公式如(2)所示，其移动过程如图1所示。

xc(t+δt)＝xc(t)·αx+xe·(1-αx)(2)

其中αx的大小关系追踪器中心的移动速度，△t为当前事件的时间与该追踪器最后接受事件的时间的差值。追踪器的尺寸rc与所计算的欧式距离r有关，计算公式如(3)所示。

rc(t+δt)＝max(rmin,rc(t)·αr+r·(1-αr))(3)

其中αr的大小关系追踪器尺寸变化的快慢，rmin为追踪器的最小尺寸。追踪器的搜索范围rk与追踪器尺寸r成正比例关系，倍数为αk。追踪器的活跃值a计算公式如(4)所示。

其中p为一个常数，与活跃值每次增加幅度有关。追踪器根据其活跃值的大小，可处于隐藏层或者可见层。隐藏层的追踪器活跃值较低，一般为噪声引起或代表不完整的目标。可见层的追踪器则符合识别的条件，该目标所属的事件将被送入识别系统的后续模块。追踪器的层间变化由图2所示。新创建的追踪器都处于隐藏层中，当追踪器的活跃值高于aup时，追踪器进入可见层。如果追踪器的活跃值低于aup，则该追踪器回落至隐藏层。同时，若追踪器的活跃值低于adown，则该追踪器会被直接删除。因噪声而错误创建的追踪器会难以接收新的事件，因而会被很快删除。如果两个追踪器重叠，则后续事件会优先选择创建时间较早的，而创建时间较早的追踪器如果长期接收不到新的事件，也会被很快删除。

追踪器的活跃值计算涉及指数计算，运算量较大，因此本发明采用查找表的方式根据最小时间步长tmin储存数量为n的指数值，根据所计算出的△t调取所需数值，极大减少了运算量。

根据本发明提出的基于aer图像传感器的目标追踪算法，对于分辨率为128×128的图像传感器，以下为追踪器的缺省参数，：追踪器尺寸rc为15像素，搜索范围rk为18像素，最后接收时间tl为-1ns，初始活跃值为1v。为了让追踪器的移动和尺寸的变化更平滑，坐标移动系数αx为0.95，尺寸变化系数αr为0.95，搜索范围rk和尺寸rc的比例αk为1.2。活跃值的两个阈值与事件率有关，可令aup为50，adown为0.1，常数p可设置为1。在利用查找表简化活跃值计算上，最小时间步长tmin为20ns，τ为40000ns，查找表储存0ns至200000ns范围内数值，以tmin为步长，一共储存10000个数值。本发明提出的目标追踪算法以事件为驱动，具有较低的计算复杂度，能够满足基于aer图像传感器的目标识别系统的需求。