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！

龙图腾网获悉中国人民解放军军事科学院军事医学研究院申请的专利一种基于事件相机的脉冲神经网络跟踪方法及系统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：CN120997257B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511526372.2，技术领域涉及：G06T7/246；该发明授权一种基于事件相机的脉冲神经网络跟踪方法及系统是由李椋;呼晓畅;王刚;吴婷;王以政设计研发完成，并于2025-10-24向国家知识产权局提交的专利申请。

本一种基于事件相机的脉冲神经网络跟踪方法及系统在说明书摘要公布了：本发明提出一种基于事件相机的脉冲神经网络跟踪方法及系统。获取事件相机输出的多时间步事件数据与低分辨率灰度图像，并将事件数据按时间顺序与极性组合为多通道事件张量；分别提取事件张量中的动态事件特征与灰度图像中的静态图像特征，并通过通道拼接与卷积操作进行特征融合；将融合特征输入超分辨率解码器，通过转置卷积操作实现图像的上采样，生成高分辨率运动目标图像；将高分辨率图像输入基于LIF神经元的脉冲神经网络特征提取模块，提取目标模板与搜索区域的特征，并通过互相关运算确定目标位置以实现跟踪。本发明能够有效提升事件相机输出图像的空间分辨率与目标定位精度，在低功耗边缘设备上实现复杂动态环境下的鲁棒目标跟踪。

本发明授权一种基于事件相机的脉冲神经网络跟踪方法及系统在权利要求书中公布了：1.一种基于事件相机的脉冲神经网络跟踪方法，其特征在于，包括： S1，获取事件相机输出的多时间步事件数据与低分辨率灰度图像，并将事件数据按时间顺序与极性组合为多通道事件张量；其中，从ON和OFF子目录中分别读取对应时间步的事件图像，共计8张图像，按时间顺序拼接为一个形状为[8,H,W]的张量，4个时间步分别对应正负极性事件图；对所有图像数据进行归一化处理，将事件图像与灰度图像的强度值统一归一化到[0,1]范围，以增强模型的收敛稳定性和泛化能力； S2，分别提取事件张量中的动态事件特征与灰度图像中的静态图像特征，并通过通道拼接与卷积操作进行特征融合，以形成时空一致性特征表示；其中，通过三层连续的二维卷积操作提取动态事件特征，每层卷积后接批归一化与ReLU激活函数，最终输出通道数为64的特征图；通过并联的多尺度卷积结构提取静态图像特征，包括核大小为3×3、5×5和7×7的三组卷积通道，拼接后通过注意力机制增强关键区域响应； S3，将融合特征输入超分辨率解码器，通过转置卷积操作实现图像的上采样，生成高分辨率运动目标图像；其中，采用转置卷积操作，配置核大小为4、步长为2、填充为1，将图像空间尺寸放大至原来的2倍；通过批归一化与ReLU激活函数增强非线性建模能力，并通过最终卷积层输出1通道灰度图；所述超分辨率解码器通过自编码器结构进行辅助训练，所述自编码器包括编码器和解码器，训练目标为最小化输入低分辨率图像与自编码器重建图像之间的重构误差；并且采用复合损失函数对超分辨率解码器进行优化，所述复合损失函数至少包括自编码器重建损失、一致性损失和梯度损失，所述一致性损失约束下采样后的超分辨率图像与自编码器重建图像保持相似，所述梯度损失通过Sobel算子计算图像梯度幅值图并施加L1范数稀疏性约束； S4，将高分辨率图像输入基于LIF神经元的脉冲神经网络特征提取模块，提取目标模板与搜索区域的特征，并通过互相关运算确定目标位置以实现跟踪；其中，所述脉冲神经网络特征提取模块采用基于卷积的脉冲神经网络结构，其基础架构包含五个卷积层，各卷积层后均接入LIF神经元模型，用于模拟生物神经元的脉冲发放机制。

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人民解放军军事科学院军事医学研究院，其通讯地址为：100850 北京市海淀区太平路27号院；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”。

以上内容由龙图腾AI智能生成。