控制理论与应用

作者：黄庆坤,陈云华,张灵,兰浩鑫

单位：广东工业大学,广东工业大学,广东工业大学,广东工业大学

关键词：动态视觉传感器DVS; DVS数据分类; 目标识别; 时域感兴趣区域ROI; 神经网络; MK–Tempotron

基金：广东省自然科学基金项目（2016A030313713）;广东省交通运输厅科技项目（科技-2016-02-030）

动态视觉传感器(DVS)因其在获取视觉信息时具有低功耗, 低延迟等特性, 本质上十分适用于便携式设备上的实时动作识别. 在对DVS事件流时域感兴趣区域(ROI)进行定位与分割时, 现有方法往往不能根据不同物体运动自适应地设定最佳检测阈值、无法对静态场景中少量背景噪声进行过滤, 为此, 提出基于LIF神经元模型和脉冲最大值监测单元的运动符号检测(MSD), 以实现在多种不同物体运动下事件流时域ROI关键时间点的自适应精确定位; 在对分类器进行训练时, 对不同的脉冲输入模式, 使用不同的核函数调整突触后神经元膜电位, 使训练得到的突触权重朝着正确发放的方向改变, 提出一种具有抗噪性的脉冲神经网络学习算法MK–Tempotron. 实验结果表明,与同类方法相比, 本文方法在DVS数据集上的识别精度能获得高达14.61%的提升.

来源：2020年第8期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2020年第8期