论文部分内容阅读
传统CMOS图像传感器采用“帧扫描”的采样模式,图像数据存在冗余,限制了运动物体识别的高效性。通过对生物视觉原理的研究,人们提出了地址-事件表示(Address Event Representation,AER)的生物视觉传感器,该类传感器具备冗余低、速度快、延迟小的优势,成为当前的研究热点。动态视觉传感器(Dynamic Vision Sensor,DVS)作为最典型的AER图像传感器,特别适合应用于运动物体识别领域。为了实现基于DVS的运动物体识别,本文首先基于Slave FIFO模式的USB3.0高速数据传输,将DVS产生的图像数据高速实时的传输至PC中。然后采用本文提出的两种目标形状特征提取算法对采集到的图像数据进行了特征提取。第一种是基于DVS的目标完整轮廓提取算法,针对轮廓事件缺失的问题,设计了两类Y事件生成算法来分别修复水平和非水平方向的目标物轮廓,提取出了目标物的轮廓特征;第二种是基于双摄像头的自适应目标二值化方法,该方法首先采用两个DVS采集图像数据,然后对采集到的图像数据进行去噪、事件融合和事件匹配处理,以确定目标物的区域,最后利用图像形态学方法中的开闭操作去除掉由于事件失配引起的伪像,提取出了目标物的区域特征。本文基于自主研制的DVS、FPGA开发板、USB 3.0开发板以及PC,搭建了AER图像传感器图像数据处理系统。经测试,在Win 7 64位操作系统下,数据传输正确,传输速率达到了147600 KB/s。在PC端利用MATLAB对两种形状特征提取算法进行了大量的实验,仿真结果表明:基于DVS的轮廓提取算法能够100%的修复轮廓事件的缺失,提取出目标物完整、单像素的轮廓;基于双摄像头的自适应目标二值化方法不仅能够有效提取出目标的区域特征,而且将图像数据量降低为传统算法的10%~20%。此外,该算法具有更好的鲁棒性,在非均匀光照、低对比度、噪声和亮斑的退化因素下的误分类均只有1%左右。