买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学技术大学申请的专利一种基于时-空-极性域解耦合的事件相机分类检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117290785B 。

龙图腾网通过国家知识产权局官网在2025-08-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311231821.1，技术领域涉及：G06F18/2415；该发明授权一种基于时-空-极性域解耦合的事件相机分类检测方法是由张越一;彭岩松;孙晓艳;吴枫设计研发完成，并于2023-09-22向国家知识产权局提交的专利申请。

本一种基于时-空-极性域解耦合的事件相机分类检测方法在说明书摘要公布了：本发明公开了一种基于时‑空‑极性域解耦合的事件相机分类检测方法，其步骤包括：1基于事件相机的数据收集和预处理，2基于事件嵌入模块的事件表征转换，3基于时‑空‑极性域解耦合的分组特征提取，4根据分组特征进行分类检测，进行网络训练，并得到训练好的分类检测模型。本发明能从事件相机采集到的事件流中提取时‑空‑极性域解耦合的特征，从而能实现高性能的分类检测。

本发明授权一种基于时-空-极性域解耦合的事件相机分类检测方法在权利要求书中公布了：1.一种基于时-空-极性域解耦合的事件相机分类检测方法，其特征在于，包括如下步骤： 步骤一、基于事件相机的数据收集和预处理： 利用事件相机采集异步的事件流和RGB图像，并将所述事件流按照时间戳划分为单个事件流样本，从而得到M个事件流样本，其中第i个事件流样本记为Ei，且 其中，xi,j,yi,j,ti,j,pi,j分别表示第i个事件流样本Ei中第j个事件的横坐标、纵坐标、记录的时间戳和极性，Ni表示第i个事件流样本Ei中包含的事件总数，令单个事件流样本的空间范围为H×W，H和W分别为高度和宽度的最大值； 根据第i个事件流样本Ei中第1个事件的时间戳t0找到时间最相邻的RGB图片，并标注RGB图片中物体的信息并形成规范化标签li，从而形成事件相机训练数据集 步骤二、构建事件嵌入模块，用于将异步事件流转换成事件表征： 步骤2.1、将第i个事件流样本Ei中的时间戳离散化，使其成为在[0,K-1]范围内的整数序列其中，为向下取整操作，K为离散化后的时间区间数，tend为第Ni个事件的时间戳； 步骤2.2、根据第i个事件流样本Ei中的横坐标纵坐标得到第i个事件流样本Ei的词符块位置以及第i个事件流样本Ei的词符块内各像素的位置其中，mod为取余数操作，P为词符块的边长； 步骤2.3、利用式1得到第i个事件流样本Ei的一维数组ai： 式1中，pi表示第i个事件流样本Ei的极性； 步骤2.4、对ai进行频数统计后，再进行矩阵拼接和矩阵重塑操作，得到第i个事件表征 步骤2.5、使用分组卷积层和MLP层从第i个事件表征Ri中提取特征，得到第i个含有G组时-空-极性特征的事件词符其中，tokeni,k表示Ti中维度为G·G的第k个词符，G为依照时间和极性不同而划分的组数，C为每组的通道数，即每组的特征维度； 步骤2.6、从所述事件相机训练数据集X中批量选取B个事件流样本并按照步骤2.1-步骤2.5的过程将XE转换为事件词符 步骤三、构建层级式分组特征提取网络，并用于对事件词符XT进行基于时-空-极性域解耦合的分组特征提取，得到输出其中，fl,b表示第l个层级的第b个输出； 步骤四、构建分类模块和检测模块： 步骤4.1、所述分类模块对所述层级式分组特征提取网络中第L个层级的输出进行全局平均池化操作后，再输入全连接层中进行处理，从而得到一批事件流样本XE的规范化预测标签其中，pb,c表示批量选取的B个事件流样本XE中第b个事件流样本Eb所对应预测标签为第c种类别的概率，Cls为类别总数； 步骤4.2、所述检测模块将输出Fout送入YOLOX检测层中进行处理，并输出目标检测结果其中，P'b表示第b个事件流样本Fb的目标检测结果，P'b∈RN×Cls+5，N为目标检测结果中的检测框的数量，且每个检测框包含Cls+5个预测值，分别为检测框内的目标是各种类别的率，检测框的中心点横坐标，检测框的中心点纵坐标，检测框的宽度，检测框的长度以及置信度； 通过置信度筛选和非极大值抑制对检测结果进行过滤，得到最终的检测结果其中，pdb表示第b个事件流样本Eb的预测结果；N-为筛选后剩余检测框的数量； 步骤五、网络训练： 步骤5.1、对于分类任务，利用式2构建交叉熵损失LCE： 式2中，pb为第b个事件流样本Eb所对应预测标签被正确分类的概率； 步骤5.2、对于检测任务，利用式3构建总损失函数L： L＝a·LConf+b·LCls+c·LReg3 式3中，LReg表示回归损失，并由式4得到，LConf表示置信度损失，并通过pb取pdb中的置信度来计算，LCls表示类别损失，并通过pb取pdb中检测框内目标被正确分类的概率来计算，a、b、c为三种损失的权重； LReg＝-logIoUPDbox,GT4 式3中，PDbox为检测结果PD中的检测框的中心点横坐标，检测框的中心点纵坐标，检测框的宽度，检测框的长度；GT为规范化标签中对应检测框的中心点横坐标，检测框的中心点纵坐标，检测框的宽度，检测框的长度；IoU·指计算两组框的交并比； 步骤5.3、使用梯度下降法对所述事件嵌入模块、层级式分组特征提取网络、分类模块和检测模块进行训练，并计算损失函数以更新网络参数，直到损失达到收敛为止，从而得到训练好的分类检测模型，用于对事件流样本进行分类检测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。