基于地址事件连通域的运动目标定位方法与流程

本发明属于物理技术领域，更进一步涉及信号处理技术领域中的一种基于地址事件连通域的运动目标定位方法。本发明可用在智慧交通、视频监控等技术领域中对运动目标进行定位。

背景技术：

目前，传统的使用事件相机进行运动目标定位方法主要有基于聚类的方法和光流法。基于聚类的方法根据地址事件信息之间的相关性，确定相关事件集合，根据相关事件集合从而确定目标位置，该方法计算复杂度高，定位精度低。基于光流的方法通过计算每个地址事件的运动矢量，将运动矢量转化为目标位置，但是光流法的两个基本假设在现实情况下不容易满足，定位的时效性和精确性难以兼得。

厦门大学在其申请的专利文献“一种基于事件相机的异步目标跟踪方法”(专利申请号2019104180735，申请公开号cn110148159a)中公开了一种事件相机运动目标定位方法。该方法通过将事件相机产生的地址事件中的开事件和闭事件投影到图像平面，形成地址事件集合对应的自适应线性衰减时间平面帧，对自适应线性衰减时间平面帧计算非零网格熵，通过t分布计算非零网格熵的置信区间，对达到置信区间的自适应线性衰减时间平面帧使用edgeboxes检测器得到运动目标位置。该方法存在的不足之处是，计算自适应线性衰减时间平面帧非零网格熵耗时，导致定位效率低。

marcocannici等人在其发表的论文“attentionmechanismsforobjectrecognitionwithevent-basedcameras”(ieeewinterconf.applicationsofcomputervision(wacv),2019)中提出一种使用峰值检测进行运动目标定位方法。该方法通过将地址事件组成的区域划分为固定步长为间隔的矩形活动窗口，对每个活动窗口进行峰值检测，记录符合置信度的活动窗口，将活动窗口合并得到运动目标区域，得到运动目标位置。该方法存在的不足之处是，使用峰值检测得到激活窗口导致定位精度低，容易定位失败。

技术实现要素：

本发明的目的在于针对上述已有技术存在的不足，提出了一种基于地址事件连通域的运动目标定位方法，以解决在使用事件相机进行运动目标定位的现有技术中，定位效率和精度低的问题；

实现本发明目的的具体思路是：定位时，对地址事件数据序列使用地址事件流数据去噪算法进行去噪，对去噪后的地址事件序列使用连通域标记方法生成连通域，筛选连通域，根据连通域确定当前地址事件序列中运动目标的位置。

实现本发明目的的方法，包括如下步骤：

(1)获取待定位运动目标的地址事件序列：

使用事件相机连续拍摄至少10毫秒的待定位运动目标，将事件相机输出的该时间段的所有地址事件数据组成一个地址事件序列；

(2)对地址事件序列去噪：

利用地址事件流数据去噪算法，对地址事件序列去噪，得到去噪后的地址事件序列；

(3)生成地址事件连通域：

使用连通域标记方法，对去噪后的地址事件序列中每个地址事件进行标记，将相同标记的地址事件组成一个连通域；

(4)判断每个连通域中地址事件的总数是否小于所有连通域的均值，若是，则执行步骤(5)，否则，则执行步骤(6)：

(5)丢弃小于所有连通域的均值的连通域：

(6)根据连通域确定当前地址事件序列中运动目标的位置：

(6a)找出连通域中地址事件行元素中的最小值和最大值，列元素的最小值和最大值；

(6b)将地址事件行元素最小值和列元素最小值组成待定位运动目标的第一个坐标点；将地址事件行元素最小值和列元素最大值组成待定位运动目标的第二个坐标点；将地址事件行元素最大值和列元素最小值组成待定位运动目标的第三个坐标点；将地址事件行元素最大值和列元素最大值组成待定位运动目标的第四个坐标点；将该四个坐标点作为运动目标的位置。

本发明与现有技术相比，具有如下优点：

第一，由于本发明对地址事件数据序列使用地址事件流数据去噪算法进行去噪，对去噪后的地址事件序列使用连通域标记方法生成连通域，克服了现有技术中计算自适应线性衰减时间平面帧非零网格熵耗时，导致定位效率低的问题，使得本发明可以降低运算时间，提高定位效率。

第二，由于本发明定位时进行连通域筛选，根据筛选后的连通域确定当前地址事件序列中运动目标的位置，克服了现有技术使用峰值检测得到激活窗口导致定位精度低，容易定位失败的问题，使得本发明提高了运动目标定位的精度和鲁棒性。

附图说明

图1是本发明的流程图；

图2是本发明仿真实验中事件相机拍摄的行驶电动车定位结果示意图；

图3是本发明仿真实验中事件相机拍摄的行驶汽车定位结果示意图。

具体实施方式

下面结合附图，对本发明作进一步详细描述。

参照图1，对本发明实现的具体步骤作进一步详细的描述。

步骤1，获取待定位运动目标的地址事件序列。

使用事件相机连续拍摄至少10毫秒的待定位运动目标，将事件相机输出的该时间段的所有地址事件数据组成一个地址事件序列。

步骤2，对地址事件序列去噪。

利用地址事件流数据去噪算法，对地址事件序列去噪，得到去噪后的地址事件序列

步骤3，生成地址事件连通域。

使用连通域标记方法，对去噪后的地址事件序列中每个地址事件进行标记，将相同标记的地址事件组成一个连通域。

连通域标记方法的步骤为：以去噪后的地址事件序列中每个地址事件为中心，搜索其八邻域内是否存在已标记地址事件，若存在，则用八邻域内已标记地址事件中最小值标记该地址事件，否则，将八邻域内已标记地址事件中的最大值加1后的值标记该地址事件。

步骤4，判断每个连通域中地址事件的总数是否小于所有连通域的均值，若是，则执行步骤5，否则，则执行步骤6。

步骤5，丢弃小于所有连通域的均值的连通域。

步骤6，根据连通域确定当前地址事件序列中运动目标的位置。

找出连通域中地址事件行元素中的最小值和最大值，列元素的最小值和最大值；

将地址事件行元素最小值和列元素最小值组成待定位运动目标的第一个坐标点；将地址事件行元素最小值和列元素最大值组成待定位运动目标的第二个坐标点；将地址事件行元素最大值和列元素最小值组成待定位运动目标的第三个坐标点；将地址事件行元素最大值和列元素最大值组成待定位运动目标的第四个坐标点；将该四个坐标点作为运动目标的位置

下面结合仿真实验对本发明的效果做进一步的说明：

1.仿真实验条件：

本发明的仿真实验的硬件平台为：处理器为intel(r)core(tm)i7-4790，主频为3.60ghz，内存12gb；

本发明的仿真实验的软件平台为：windows7专业版64位操作系统，matlabr2018b；

本发明仿真实验所使用的事件相机是上海芯仑光电科技有限公司的celex-iv；

2.仿真内容及其结果分析：

仿真实验1：

使用事件相机拍摄正常行驶中的一辆电动车15毫秒，将事件相机输出的该时间段一辆电动车的所有地址事件数据组成一个地址事件序列，对地址事件序列进行去噪，对去噪后的地址事件序列生成地址事件连通域，筛选连通域，根据连通域确定当前地址事件序列中电动车的位置，如图2所示。

图2中矩形框的位置表示采用本发明的方法进行仿真定位到待定位地址事件流中单个目标的位置图。从图2中可以看出，本发明准确的找到了单个目标的四个坐标点，并进行了框定。

仿真实验2：

使用事件相机连续拍摄正常行驶中的多辆汽车15毫秒，将事件相机输出的该时间段九辆汽车的所有地址事件数据组成一个地址事件序列，对地址事件序列进行去噪，对去噪后的地址事件序列生成地址事件连通域，对连通域进行筛选，根据九个连通域分别确定当前地址事件序列中九个车辆的位置，如图3所示。

图3中九个矩形框的位置表示采用本发明的方法进行仿真定位到待定位地址事件流中九个目标的位置图，从图3中可以看出，本发明准确的分别找到九个目标对应的坐标点，并进行了框定。