扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

天津大学:基于贝叶斯分类器的脉冲阵列图像传感器轨迹跟踪方法

论论资讯 | 2023-03-01 3热度

Optical Engineering

Explore content

About the journal

Publish with us

Trajectory tracking method based on Bayesian classifier for pulse array image sensor

Zhang P.; Xu J.; Gao Z.; Nie K.; Gao J.

Published:2023-03-01
DOI:10.1117/1.oe.62.3.033106

研究背景

随着社会的进步,图像传感器的应用越来越广泛,但是传感器采集到的数据量也越来越大,给数据处理带来了挑战。为了解决这个问题,科学家们研发了脉冲阵列图像传感器(PAIS),它能够将光强度转化为脉冲序列,从而减小数据量。然而,由于PAIS数据的稀疏性和缺乏灰度信息,传统的跟踪方法已经不再适用。因此,需要一种新的跟踪方法来最大化脉冲数据的特性。

研究内容

为了解决PAIS数据的稀疏性问题,研究人员提出了一种基于贝叶斯分类器的轨迹跟踪方法。首先,在感兴趣区域内选择具有最小间隔距离的候选点。然后,收集不同位置指定时间段内的脉冲总数,组成正负特征向量,用来训练朴素贝叶斯分类器。分类器可以准确地从候选点中获取位置,并且新跟踪位置的特征将用于训练和更新分类器。这种基于间隔距离和贝叶斯分类器的两步滤波目标点跟踪算法只需使用原始脉冲数据而无需处理,可以最大化特殊数据格式的优势并提高计算效率。通过这种方法,位置信息可以直接从脉冲数据中获取,避免了浪费计算资源在重建灰度图像和传统处理方法上的问题。研究人员在实际拍摄数据和公共事件相机数据集上进行了实验,结果表明,该方法可以高精度地跟踪轨迹并具有长时间跟踪的能力。跟踪误差在个位数内。在比较实验中,尽管该方法的数据量比同时获取帧和事件数据的其他模型要小,但结果仍表明,它具有与最先进方法相当的性能。

研究意义

这项研究提出了一种新的基于贝叶斯分类器的轨迹跟踪方法,可以解决PAIS数据的稀疏性和缺乏灰度信息的问题。该方法可以最大化特殊数据格式的优势,并提高计算效率。这对于图像传感器的应用有着重要的意义,可以减小数据处理的难度和计算资源的浪费,提高数据处理的效率和精度。

微信扫码即可查看