事件处理方法及装置、电子设备、计算机可读介质与流程

本公开涉及计算机，特别涉及一种事件处理方法及装置、电子设备、计算机可读介质。

背景技术：

1、神经形态技术是指采用电子技术模拟生物中的神经系统结构，进行数据处理的一种技术。在相关技术中，可通过硬件电路(例如神经形态芯片)或软件系统实现神经形态模型(也可称为脉冲神经网络)。

2、在系统采用神经形态模型进行处理(例如进行脑仿真)时，通常要在运行前预先设置时间步长，以该时间步长为周期进行处理。该时间步长通常为定值，例如0.1ms，也即例如在脑仿真过程中每秒处理10000个生物时间拍。

3、相关技术中，该时间步长需要设置得足够小，才能处理到所需的细节变化，会导致运算量过大；而如果设置较大的步长，则可能丢失细节，甚至无法保证处理的准确性和真实性。

技术实现思路

1、本公开提供一种基于众核系统的事件处理方法及装置、电子设备、计算机可读介质。

2、第一方面，本公开提供了一种事件处理方法，该方法包括：

3、获取待处理的事件流；对所述事件流进行事件检测，确定所述事件流当前的事件检测结果；根据所述事件检测结果，调整对所述事件流进行处理的时间步长；采用所述时间步长对所述事件流进行处理，得到所述事件流的处理结果。

4、在一些可能的实现方式中，所述事件检测结果包括所述事件流中是否检测到事件信息，其中，所述根据所述事件检测结果，调整对所述事件流进行处理的时间步长，包括：在所述事件流中检测到事件信息的情况下，将所述时间步长调整为第二时间步长，所述第二时间步长小于初始的第一时间步长。

5、在一些可能的实现方式中，所述事件检测结果包括所述事件流中是否检测到事件信息，其中，所述根据所述事件检测结果，调整对所述事件流进行处理的时间步长，包括：在所述事件流中未检测到事件信息，且当前的时间步长为第二时间步长情况下，将所述时间步长调整为初始的第一时间步长，所述第二时间步长小于所述第一时间步长。

6、在一些可能的实现方式中，所述事件流包括多个区域，所述事件检测结果包括所述事件流的各个区域中是否检测到事件信息，其中，所述根据所述事件检测结果，调整对所述事件流进行处理的时间步长，包括：

7、在所述多个区域中存在目标区域的情况下，将所述目标区域的时间步长调整为第二时间步长，所述目标区域为检测到事件信息的区域，所述第二时间步长小于初始的第一时间步长。

8、在一些可能的实现方式中，所述事件检测结果包括所述事件流中是否检测到事件信息，以及所述事件流的事件密度，其中，所述根据所述事件检测结果，调整对所述事件流进行处理的时间步长，包括：在所述事件流中检测到事件信息的情况下，根据所述事件密度调整所述时间步长，

9、其中，根据所述事件密度调整所述时间步长，包括：在所述事件密度大于或等于第一密度阈值，且小于或等于第二密度阈值的情况下，将所述时间步长调整为第二时间步长，所述第二密度阈值大于所述第一密度阈值，所述第二时间步长小于初始的第一时间步长；或在所述事件密度大于第二密度阈值的情况下，将所述时间步长调整为第三时间步长，所述第三时间步长小于所述第二时间步长。

10、在一些可能的实现方式中，所述对所述事件流进行事件检测，确定所述事件流当前的事件检测结果，包括：对所述事件流进行事件检测，确定所述事件流当前的事件密度；在所述事件密度大于或等于第三密度阈值的情况下，确定所述事件检测结果为：所述事件流中检测到事件信息。

11、在一些可能的实现方式中，所述对所述事件流进行事件检测，确定所述事件流当前的事件检测结果，包括：根据预设的时长，将所述事件流划分为多个事件帧；通过事件检测网络对所述事件流的当前事件帧进行事件检测，得到所述事件检测结果。

12、在一些可能的实现方式中，所述采用所述时间步长对所述事件流进行处理，得到所述事件流的处理结果，包括：采用所述时间步长，通过脉冲神经网络对所述事件流进行脑仿真处理，得到所述脉冲神经网络针对所述事件流的响应信息，所述处理结果包括所述响应信息，其中，脑仿真中神经元参数的差分表达式根据所述时间步长进行调整。

13、在一些可能的实现方式中，所述事件流是事件采集设备采集的、目标场景的事件流，所述事件流用于表征所述目标场景的亮度变化信息。

14、第二方面，本公开提供了一种事件处理装置，该装置包括：

15、事件流获取模块，用于获取待处理的事件流；事件检测模块，用于对所述事件流进行事件检测，确定所述事件流当前的事件检测结果；步长调整模块，用于根据所述事件检测结果，调整对所述事件流进行处理的时间步长；事件流处理模块，用于采用所述时间步长对所述事件流进行处理，得到所述事件流的处理结果。

16、在一些可能的实现方式中，所述事件检测结果包括所述事件流中是否检测到事件信息，其中，所述步长调整模块，用于：在所述事件流中检测到事件信息的情况下，将所述时间步长调整为第二时间步长，所述第二时间步长小于初始的第一时间步长。

17、在一些可能的实现方式中，所述事件检测结果包括所述事件流中是否检测到事件信息，其中，所述步长调整模块，用于：在所述事件流中未检测到事件信息，且当前的时间步长为第二时间步长情况下，将所述时间步长调整为初始的第一时间步长，所述第二时间步长小于所述第一时间步长。

18、在一些可能的实现方式中，所述事件流包括多个区域，所述事件检测结果包括所述事件流的各个区域中是否检测到事件信息，其中，所述步长调整模块，用于：在所述多个区域中存在目标区域的情况下，将所述目标区域的时间步长调整为第二时间步长，所述目标区域为检测到事件信息的区域，所述第二时间步长小于初始的第一时间步长。

19、在一些可能的实现方式中，所述事件检测结果包括所述事件流中是否检测到事件信息，以及所述事件流的事件密度，其中，所述步长调整模块包括：调整子模块，用于在所述事件流中检测到事件信息的情况下，根据所述事件密度调整所述时间步长，

20、其中，所述调整子模块，用于：在所述事件密度大于或等于第一密度阈值，且小于或等于第二密度阈值的情况下，将所述时间步长调整为第二时间步长，所述第二密度阈值大于所述第一密度阈值，所述第二时间步长小于初始的第一时间步长；或在所述事件密度大于第二密度阈值的情况下，将所述时间步长调整为第三时间步长，所述第三时间步长小于所述第二时间步长。

21、在一些可能的实现方式中，所述事件检测模块，用于：对所述事件流进行事件检测，确定所述事件流当前的事件密度；在所述事件密度大于或等于第三密度阈值的情况下，确定所述事件检测结果为：所述事件流中检测到事件信息。

22、在一些可能的实现方式中，所述事件检测模块，用于：根据预设的时长，将所述事件流划分为多个事件帧；通过事件检测网络对所述事件流的当前事件帧进行事件检测，得到所述事件检测结果。

23、在一些可能的实现方式中，所述事件流处理模块，用于：采用所述时间步长，通过脉冲神经网络对所述事件流进行脑仿真处理，得到所述脉冲神经网络针对所述事件流的响应信息，所述处理结果包括所述响应信息，其中，脑仿真中神经元参数的差分表达式根据时间步长进行调整。

24、在一些可能的实现方式中，所述事件流是事件采集设备采集的、目标场景的事件流，所述事件流用于表征所述目标场景的亮度变化信息。

25、第三方面，本公开提供了一种电子设备，该电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序，一个或多个所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的事件处理方法。

26、第四方面，本公开提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序在被处理器执行时实现上述的事件处理方法。

27、本公开所提供的实施例，能够对事件流进行事件检测，以确定事件检测结果；根据事件检测结果，调整对事件流处理的时间步长；采用该时间步长对事件流进行处理，得到处理结果，从而实现时间步长的动态调整，在保证处理的准确性及真实性的基础上，减少整个处理过程中的运算量。

28、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。