CN109884588A - 一种脉冲序列的距离度量方法及*** - Google Patents
一种脉冲序列的距离度量方法及*** Download PDFInfo
- Publication number
- CN109884588A CN109884588A CN201910040980.0A CN201910040980A CN109884588A CN 109884588 A CN109884588 A CN 109884588A CN 201910040980 A CN201910040980 A CN 201910040980A CN 109884588 A CN109884588 A CN 109884588A
- Authority
- CN
- China
- Prior art keywords
- pulse
- pulse train
- signal
- intensity
- distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
Abstract
一种脉冲序列的距离度量方法及***。其中,所述方法包括:计算脉冲序列中每相邻两个脉冲信号之间的时间差值;根据所述时间差值获得所述脉冲序列对应的光强信息;根据所述脉冲序列之间光强信息的差异度量所述脉冲序列之间的距离。所述***包括:脉冲传感器阵列以及处理器;其中,所述处理器具体包括:光照强度计算模块和脉冲序列计算模块。本发明通过对基于脉冲序列传感器而获得的脉冲序列信号产生方式的分析,将两个脉冲序列转换为对应的光照强度的变化,从而对两个脉冲序列的距离进行准确估量,进而用于为检测、跟踪、压缩等算法的设计,以及后续脉冲阵列信号的分析、编码工作提供了基础。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及了一种脉冲序列的距离度量方法及***。
背景技术
传统的图像传感器以帧为单位,按照一定频率对场景进行采样并输出视频。这种采样方式利用了人类神经***的视觉暂留原理,在人类视觉***中能够形成连续不断的视频。目前,以机器学习算法为基础的人工智能正在飞速发展,在很多领域取得了飞速发展,如视频监控、自动驾驶、智能安防、军事应用等。实际上,由于计算机***中没有人类的视觉暂留效应,这种采样方式受到采样频率的约束,不能给出一个连续的信号输入,且无法记录高速运动的物体。因此,这种采样方式得到的视频不利于算法的实施,并不是最佳输入。
近年来,基于脉冲阵列的传感器被提出,通过模拟生物视网膜的神经网络结构,能够以极高的时间分辨率,对场景的光强信息进行更为高效的采样,其输出为时域上连续的脉冲信号。所述基于脉冲阵列的传感器包括但不限于基于光照强度变化发放脉冲信号的传感器(如动态视觉传感器(Dynamic Vision Sensor,DVS),基于异步时间的图像传感器(Asynchronous Time-based image Sensor,ATIS),基于光照累积强度发放信号的传感器(Dynamic and Active Pixel Vision Sensor,DAVIS)等)、基于光照强度累积强度发放信号的传感器(如光强累积传感器)等。这些采样方式能够对场景中的信息进行高速、全时的捕获,并以脉冲阵列的方式存储下来。相比传统的固定帧率的视频,这种脉冲数据记录的信息更全面、更符合生物机理。
综上所述,脉冲阵列信号是一种与传统视频数据完全不同的信号,为了对脉冲阵列信号进行分析、编码,以设计更加复杂的检测、跟踪、压缩算法,需要对不同信号之间的相似度进行评估。因此,一个能够合理刻画脉冲阵列信号本质的度量方法是一个亟待解决的问题。
发明内容
脉冲阵列信号与传统视频输出的以帧为单位的图像序列具有很大的不同。为了对脉冲阵列信号进行分析、编码,以设计更加复杂的检测、跟踪、压缩算法,需要对不同信号之间的相似度进行评估。因此,一个能够合理刻画脉冲阵列信号的度量方法是一个亟待解决的问题。本发明的目的是通过以下技术方案实现的一种脉冲序列的距离度量方法。
根据本发明的一个方面公开了一种脉冲序列的距离度量方法,其特征在于,包括:计算脉冲序列中每相邻两个脉冲信号之间的时间差值;根据所述时间差值获得所述脉冲序列对应的光强信息;根据所述脉冲序列之间光强信息的差异度量所述脉冲序列之间的距离。
进一步的,所述脉冲信号由基于脉冲阵列的传感器获得,其中,所述基于脉冲阵列的传感器包括:动态视觉传感器、基于异步时间的图像传感器或基于光照累积强度发放信号的传感器。
更进一步的,所述脉冲信号由所述基于脉冲阵列的传感器对光强信号累积达到累积阈值时产生。
进一步的,所述根据时间差值获得对应的光强信息包括:根据所述时间差值的倒数获得对应的光强信息,具体为:
其中,θT为对应的光强,IT是相邻脉冲信号之间的时间差值,φ是调节光强的参数。
更进一步的,根据所述光强信息度量两个脉冲序列的距离包括:根据两个脉冲序列所述对应的光强信息的欧氏距离度量两个脉冲序列的距离,具体为:
其中,K为脉冲信号的时间长度,和分别为对应两个脉冲序列的光强信息。
进一步的,根据所述两个脉冲序列的距离度进行包括:信号的分析或编码;设计检测算法、跟踪算法或压缩算法。
根据本发明的另一个方面,公开了一种使用了上述一种脉冲序列的距离度量方法的***,该***包括:脉冲传感器阵列,用于采集光强信号,并输出脉冲阵列信号;处理器,其具体包括:光照强度计算模块和脉冲序列计算模块;其中,所述光照强度计算模块用于计算脉冲序列中每相邻两个脉冲信号之间的时间差值,并根据所述时间差值获得对应的光强信息;所述脉冲序列距离计算模块,用于根据所述光强信息度量两个脉冲序列的距离;其中,所述脉阵列信号包括对应多个空间位置的多个脉冲序列。
优选的,所述光照强度计算模块根据所述时间差值获得对应的光强信息,包括:根据所述时间差值的倒数获得对应的光强信息,具体为:
其中,θT为对应的光强,IT是相邻脉冲信号之间的时间差值,φ是调节光强的参数。
优选的,所述脉冲序列距离计算模块根据所述光强信息度量两个脉冲序列的距离,包括:根据两个脉冲序列所述对应的光强信息的欧氏距离度量两个脉冲序列的距离,具体为:
其中,K为脉冲信号的时间长度,和分别为对应两个脉冲序列的光强信息。
本发明的优点在于:本发明通过对基于脉冲序列传感器而获得的脉冲序列信号产生方式的分析,将两个脉冲序列转换为对应的光照强度的变化,从而对两个脉冲序列的距离进行准确估量,进而为实现检测、跟踪、压缩等算法的设计,以及后续脉冲阵列信号的分析、编码工作提供了基础。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
附图1示出了根据本发明实施方式的一种脉冲序列的距离度量方法流程图。
附图2示出了根据本发明实施方式的脉冲序列生成过程示意图。
附图3示出了根据本发明实施方式的两个脉冲序列生成过程示意图。
附图4示出了根据本发明实施方式的一种脉冲序列的距离度量***组成示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明处理的数据来源于基于脉冲阵列的传感器,所述传感器的采样原理是对每个空间位置的光强信号进行累积,得到信号累积强度值,当累积强度超过设定阈值时发出一个脉冲信号;在一定时间内,由所有空间位置发出的脉冲信号组成一个脉冲阵列。为了能够更好的利用脉冲阵列,本发明提出了对脉冲阵列中每个空间位置所对应的脉冲序列之间的距离进行度量。其中,所述距离的大小用于度量两个脉冲序列之间差异的大小。本发明的具体方法如下:
如图1所示,为根据本发明实施方式的一种脉冲序列的距离度量方法流程图。其中,所述距离度量方法包括:S1、计算脉冲序列中每相邻两个脉冲信号之间的时间差值;S2、根据所述时间差值获得所述脉冲序列对应的光强信息;S3、根据所述脉冲序列之间光强信息的差异度量所述脉冲序列之间的距离。其中,所述脉冲信号由基于脉冲阵列的传感器获得,所述脉冲信号由所述基于脉冲阵列的传感器对光强信号累积达到累积阈值时产生。
具体的,所述基于脉冲阵列的传感器包括:动态视觉传感器、基于异步时间的图像传感器或基于光照累积强度发放信号的传感器。所述根据时间差值获得对应的光强信息包括:根据所述时间差值的倒数获得对应的光强信息,具体为:
其中,θT为对应的光强,IT是相邻脉冲信号之间的时间差值,φ是调节光强的参数,可选的为255。根据所述光强信息度量两个脉冲序列的距离包括:根据两个脉冲序列所述对应的光强信息的欧氏距离获得两个脉冲序列的距离度量,具体为:
其中,K为脉冲信号的时间长度,和分别为对应两个脉冲序列的光强信息。所述两个脉冲序列的距离度量用于脉冲阵列信号的分析或编码,或设计检测算法、跟踪算法和/或压缩算法,其中,所述脉冲阵列由对应多个空间位置的多个脉冲序列获得。
如图2所示,根据本发明实施方式的脉冲序列生成过程示意图。其中,所述脉冲序列由基于脉冲阵列的传感器单元在一段时间内生成,所述脉冲阵列由位于不同空间位置中的基于脉冲阵列的传感器单元所组成的单元阵列在同一段时间内生成。其中,每个所述单元对该空间位置上的光强信号进行累积,从而产生光强累积强度,当该光强累积强度超过光强阈值时,则发出一个脉冲信号。
具体的,所述光强信号可以理解为在单位时间内到达所述单元的光子个数,所述单元一般为光电材料,通过吸收光子从而释放电子,当聚集的多个电子所形成的电压超过阈值时则进行放电,从而产生一个脉冲信号。因此,在一个脉冲序列中,每两个脉冲信号之间的时间间隔可以间接反映出这一段时间没的光照强度。容易看出,时间间隔和光照强度呈反比例关系,因此本发明中通过逆向思考将对端脉冲序列转换为该段时间内光照强度的变化,从而与另一个脉冲序列构建欧氏距离从而对两个脉冲序列的距离进行估量。其中,两个脉冲序列间的欧氏距离反应了该两个脉冲序列的相似度。
如图3所示,为根据本发明实施方式的两个脉冲序列生成过程示意图。其中,两个脉冲序列分别由两个不同空间位置上的基于脉冲阵列的传感器单元生成。在一段时间没,当两个所述传感器单元感受到的光照强度不同而光强阈值相同时,其累计光强的速度是不同的,因此产生的脉冲信号的个数也不相同,本发明中可选的,对多余的脉冲信号舍弃;优选的,通过计算所述多余脉冲信号占脉冲序列中脉冲信号总个数的比例从而构建权重,进而用于两个秒冲序列间距离估量的参考。
具体实施方式中,所述对一脉冲序列中每相邻两个脉冲信号之间的时间差值计算该脉冲所对应的光强信息的方法还可以为以下实施例中的一种或几种的结合。所述一种或几种的结合及其它替代方案均在本发明的保护范围之内。
实施例1
通过对所述时间差值求加权平均值的倒数从而获得该脉冲序列所对应的光强信息。此时所述光强信息可表示为:
其中,所述θT1为对应的光照强度,n为该脉冲序列中脉冲信号的个数Δtn为第n个脉冲信号与第n-1个信号间的时间间隔,所述ωn为第n个脉冲信号所对应的权重,其中,所述权重可以根据产生的脉冲信号的强度而确定,所述φ为调节光强的参数。
实施例2
通过对所述时间差值求对数从而获得该脉冲序列所对应的光强信息。此时所述光强信息可表示为:
θT2=φ·log(tn-tn-1)
其中,所述θT2为对应的光照强度,所述φ为调节光强的参数,所述tn为第n个脉冲信号的发生时刻。这种处理方式的优点是可以通过选取对应的底数从而将对数值约束在0到1之间,从而方便分析利用。
实施例3
通过对所述时间差值求幂函数从而获得该脉冲序列所对应的光强信息。此时所述光强信息可表示为:
其中,所述θT2为对应的光照强度,所述φ为调节光强的参数,所述tn为第n个脉冲信号的发生时刻。
具体实施方式中,通过上述实施例一种或几种结合获得的光强信息获得两个脉冲序列的距离度量的还包括以下实施例的一种。
实施例4
根据脉冲序列计算其所对应的加权平均光强信息,根据两个脉冲序列各自对应的加权平均光强信息计算两个脉冲序列之间的距离。
实施例5
根据一段时间内光强信息的时域分布进行总体估计,从而获得两个脉冲序列之间的距离度量。
实施例6
一种脉冲序列的距离度量***,如图4所示,为根据本发明实施方式的一种脉冲序列的距离度量***组成示意图。其中,所述***包括:脉冲传感器阵列,用于采集光强信号,并输出脉冲阵列信号;处理器,其具体包括:光照强度计算模块和脉冲序列计算模块;其中,所述光照强度计算模块用于计算脉冲序列中每相邻两个脉冲信号之间的时间差值,并根据所述时间差值获得对应的光强信息。
实施例7
一种有损脉冲编码***,其特征在于,该***使用了本发明所公开的一种脉冲序列的距离度量方法或***,用于运动估计、率失真决策、编码效果评估等模块。
实施例8
一种基于脉冲的跟踪***,其特征在于,该***使用了本发明所公开的一种脉冲序列的距离度量方法或***,用于对目标与待匹配区域的脉冲距离进行度量,找到相似度最高的匹配区域。
实施例9
一种基于脉冲的质量评价方法,其特征在于,该方法利用了本发明所公开的一种脉冲序列的距离度量方法,用于对待评价脉冲信号与原信号的距离进行度量并评估。
最后,需指出的是,通过本发明实施例1~4以及具体实施方式中的获得所述对应的光强信息的方法,实施例5及具体实施方式中根据所述光强信息度量两个脉冲序列的距离方法的组合亦在本发明的保护范围之内。
此外,根据所光强信息度量两个脉冲序列间距离的方法还包括未举出实施例的,高斯核卷积、相关系数以及皮尔逊系数等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种脉冲序列的距离度量方法,其特征在于,包括:
计算脉冲序列中每相邻两个脉冲信号之间的时间差值;
根据所述时间差值获得所述脉冲序列对应的光强信息;
根据所述脉冲序列之间光强信息的差异度量所述脉冲序列之间的距离。
2.根据权利要求1所述的脉冲序列的距离度量方法,其特征在于,所述脉冲信号基于脉冲阵列的传感器获得,其中,
所述基于脉冲阵列的传感器包括:动态视觉传感器、基于异步时间的图像传感器或基于光照累积强度发放信号的传感器。
3.根据权利要求2所述的脉冲序列的距离度量方法,其特征在于,所述脉冲信号由所述基于脉冲阵列的传感器对光强信号累积达到累积阈值时产生。
4.根据权利要求1所述的脉冲序列的距离度量方法,其特征在于,所述根据时间差值获得对应的光强信息包括:
根据所述时间差值的倒数获得对应的光强信息,具体为:
其中,θT为对应的光强,IT是相邻脉冲信号之间的时间差值,φ是调节光强的参数。
5.根据权利要求4所述的脉冲序列的距离度量方法,其特征在于,根据所述光强信息度量两个脉冲序列的距离包括:
根据两个脉冲序列所述对应的光强信息的欧氏距离度量两个脉冲序列的距离,具体为:
其中,K为脉冲信号的时间长度,和分别为对应两个脉冲序列的光强信息。
6.根据权利要求1或5任一项所述的脉冲序列的距离度量方法,其特征在于,根据所述两个脉冲序列的距离度进行包括:
信号的分析或编码;
设计检测算法、跟踪算法或压缩算法。
7.一种使用上述权利要求1~6任一项所述的一种脉冲序列的距离度量方法的***,该***包括:
脉冲传感器阵列,用于采集光强信号,并输出脉冲阵列信号;
处理器,其具体包括:光照强度计算模块和脉冲序列计算模块;其中,
所述光照强度计算模块用于计算脉冲序列中每相邻两个脉冲信号之间的时间差值,并根据所述时间差值获得对应的光强信息;
所述脉冲序列距离计算模块,用于根据所述光强信息度量两个脉冲序列的距离;其中,
所述脉阵列信号包括对应多个空间位置的多个脉冲序列。
8.根据权利要求7所述的***,其特征在于,所述光照强度计算模块根据所述时间差值获得对应的光强信息,包括:
根据所述时间差值的倒数获得对应的光强信息,具体为:
其中,θT为对应的光强,IT是相邻脉冲信号之间的时间差值,φ是调节光强的参数。
9.根据权利要求7所述的脉冲序列的***,其特征在于,所述脉冲序列距离计算模块根据所述光强信息度量两个脉冲序列的距离,包括:
根据两个脉冲序列所述对应的光强信息的欧氏距离度量两个脉冲序列的距离,具体为:
其中,K为脉冲信号的时间长度,和分别为对应两个脉冲序列的光强信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040980.0A CN109884588B (zh) | 2019-01-16 | 2019-01-16 | 一种脉冲序列的距离度量方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040980.0A CN109884588B (zh) | 2019-01-16 | 2019-01-16 | 一种脉冲序列的距离度量方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109884588A true CN109884588A (zh) | 2019-06-14 |
CN109884588B CN109884588B (zh) | 2020-11-17 |
Family
ID=66926175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910040980.0A Active CN109884588B (zh) | 2019-01-16 | 2019-01-16 | 一种脉冲序列的距离度量方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109884588B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113473048A (zh) * | 2021-06-16 | 2021-10-01 | 天津大学 | 面向脉冲阵列图像传感器的非均匀性校正方法 |
WO2024125552A1 (zh) * | 2022-12-15 | 2024-06-20 | 脉冲视觉(北京)科技有限公司 | 光信号的编码方法、解码方法和像素电路 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020100317A1 (en) * | 2001-01-26 | 2002-08-01 | Rolf Deserno | Method of measuring level in a vessel |
JP2006003325A (ja) * | 2004-06-21 | 2006-01-05 | Anritsu Corp | サンプリング装置および波形観測システム |
WO2006106408A2 (en) * | 2005-04-04 | 2006-10-12 | Icon Orbital Technologies Corporation | System and method for estimation of human activity and mood states based on rapid eye movements and galvanic skin response |
CN101625319A (zh) * | 2008-07-09 | 2010-01-13 | 佳能株式会社 | 多层结构测量方法和多层结构测量设备 |
CN102062853A (zh) * | 2009-11-16 | 2011-05-18 | 英属维京群岛商齐治股份有限公司 | 光学位置检测装置及其方法 |
EP2624003A1 (en) * | 2010-09-30 | 2013-08-07 | Fujikura Co., Ltd. | Semiconductor integrated circuit, magnetism detection device, electronic compass, and ammeter |
US20140205279A1 (en) * | 2013-01-18 | 2014-07-24 | Electronics And Telecommunications Research Institute | Device for monitoring optical link fault and method thereof |
CN107179132A (zh) * | 2017-05-09 | 2017-09-19 | 中国工程物理研究院激光聚变研究中心 | 光纤传像束速度干涉仪及冲击波速度计算方法 |
CN108226739A (zh) * | 2018-01-19 | 2018-06-29 | 河北工业大学 | 有机电致发光器件变温双脉冲瞬态光响应的测试方法 |
CN108431630A (zh) * | 2015-12-21 | 2018-08-21 | 株式会社小糸制作所 | 车辆用图像获取装置、控制装置、包括了车辆用图像获取装置或控制装置的车辆和车辆用图像获取方法 |
CN109039980A (zh) * | 2018-07-12 | 2018-12-18 | 北京大学 | 一种时空脉冲阵列信号进行量化的方法 |
-
2019
- 2019-01-16 CN CN201910040980.0A patent/CN109884588B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020100317A1 (en) * | 2001-01-26 | 2002-08-01 | Rolf Deserno | Method of measuring level in a vessel |
JP2006003325A (ja) * | 2004-06-21 | 2006-01-05 | Anritsu Corp | サンプリング装置および波形観測システム |
WO2006106408A2 (en) * | 2005-04-04 | 2006-10-12 | Icon Orbital Technologies Corporation | System and method for estimation of human activity and mood states based on rapid eye movements and galvanic skin response |
CN101625319A (zh) * | 2008-07-09 | 2010-01-13 | 佳能株式会社 | 多层结构测量方法和多层结构测量设备 |
CN102062853A (zh) * | 2009-11-16 | 2011-05-18 | 英属维京群岛商齐治股份有限公司 | 光学位置检测装置及其方法 |
EP2624003A1 (en) * | 2010-09-30 | 2013-08-07 | Fujikura Co., Ltd. | Semiconductor integrated circuit, magnetism detection device, electronic compass, and ammeter |
US20140205279A1 (en) * | 2013-01-18 | 2014-07-24 | Electronics And Telecommunications Research Institute | Device for monitoring optical link fault and method thereof |
CN108431630A (zh) * | 2015-12-21 | 2018-08-21 | 株式会社小糸制作所 | 车辆用图像获取装置、控制装置、包括了车辆用图像获取装置或控制装置的车辆和车辆用图像获取方法 |
CN107179132A (zh) * | 2017-05-09 | 2017-09-19 | 中国工程物理研究院激光聚变研究中心 | 光纤传像束速度干涉仪及冲击波速度计算方法 |
CN108226739A (zh) * | 2018-01-19 | 2018-06-29 | 河北工业大学 | 有机电致发光器件变温双脉冲瞬态光响应的测试方法 |
CN109039980A (zh) * | 2018-07-12 | 2018-12-18 | 北京大学 | 一种时空脉冲阵列信号进行量化的方法 |
Non-Patent Citations (3)
Title |
---|
DEVI CHADAZ: "《地面无线光通信》", 31 December 2017 * |
G.S. BHUMBRA 等: ""Spike coding from the perspective of a neurone"", 《THE JOURNAL OF PHYSIOLOGY》 * |
杜仙童 等: ""光纤中短间距脉冲串的非线性传输特性与混沌孤子波包产生"", 《光子学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113473048A (zh) * | 2021-06-16 | 2021-10-01 | 天津大学 | 面向脉冲阵列图像传感器的非均匀性校正方法 |
CN113473048B (zh) * | 2021-06-16 | 2022-08-30 | 天津大学 | 面向脉冲阵列图像传感器的非均匀性校正方法 |
WO2024125552A1 (zh) * | 2022-12-15 | 2024-06-20 | 脉冲视觉(北京)科技有限公司 | 光信号的编码方法、解码方法和像素电路 |
Also Published As
Publication number | Publication date |
---|---|
CN109884588B (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kamboh et al. | Computationally efficient neural feature extraction for spike sorting in implantable high-density recording systems | |
CN104205169B (zh) | 基于异步光传感器估计光流的方法 | |
CN105374026B (zh) | 一种适用于海防监控的海上红外小目标的检测方法 | |
CN113420624A (zh) | 一种非接触式疲劳检测方法及*** | |
CN106128121A (zh) | 基于局部特征分析的车辆排队长度快速检测算法 | |
CN109376589A (zh) | 基于卷积核筛选ssd网络的rov形变目标与小目标识别方法 | |
CN114469124B (zh) | 一种运动过程中异常心电信号的识别方法 | |
Yang et al. | Simper: Simple self-supervised learning of periodic targets | |
CN116309781B (zh) | 一种基于跨模态融合的水下视觉目标测距方法及装置 | |
CN109884588A (zh) | 一种脉冲序列的距离度量方法及*** | |
CN105726023A (zh) | 一种脑电信号质量实时判定*** | |
Malakuti et al. | Towards an intelligent bed sensor: Non-intrusive monitoring of sleep irregularities with computer vision techniques | |
CN114154530A (zh) | 一种心电时序信号房颤检测模型训练方法及装置 | |
CN109101884A (zh) | 一种脉冲阵列预测方法 | |
CN113011399A (zh) | 基于生成协同判别网络的视频异常事件检测方法及*** | |
Aziz et al. | A MIMO radar-based metric learning approach for activity recognition | |
CN109288511B (zh) | 一种从钙离子荧光观测值中获取神经元动作电位出现时刻的采样算法 | |
CN116350198A (zh) | 一种远距离移动目标心率实时监测方法 | |
CN110210359A (zh) | 空间滤波测速技术中速度测量优化方法 | |
CN109541567A (zh) | 基于深度学习的高速机动目标检测方法 | |
CN114092844A (zh) | 一种基于生成对抗网络的多波段图像目标检测方法 | |
CN111144316B (zh) | 基于堆栈自编码器的海面目标检测方法 | |
Schnier et al. | Modeling the active neuron separation in the compressed sensing and finite rate of innovation framework | |
Wang et al. | Adaptive cluster structured sparse Bayesian learning with application to compressive reconstruction for chirp signals | |
CN117037287B (zh) | 一种基于3d脉冲神经网络的行为识别方法、***及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220126 Address after: 100084 b501b-2, 5th floor, building 8, yard 1, Zhongguancun East Road, Haidian District, Beijing Patentee after: Pulse vision (Beijing) Technology Co.,Ltd. Address before: 100871 No. 5, the Summer Palace Road, Beijing, Haidian District Patentee before: Peking University |
|
TR01 | Transfer of patent right |