基于自适应时间表面的异步检测跟踪法用于事件相机目标跟踪

事件相机是一种异步仿生视觉传感器，在快速运动和低光照场景等多种情况下已展现出巨大潜力。然而，大多数基于事件的目标跟踪方法都是为无纹理物体和干净背景的场景设计的。支持基于边界框的目标跟踪的基于事件的方法很少。本工作的主要思想是提出一种异步的基于事件的检测跟踪（Event-based Tracking-by-Detection, ETD）方法，用于通用的基于边界框的目标跟踪。为实现这一目标，我们提出了一种具有线性时间衰减的自适应时间表面（Adaptive Time-Surface with Linear Time Decay, ATSLTD）事件到帧转换算法，该算法异步且有效地将异步视网膜事件的时空信息扭曲为一系列具有清晰物体轮廓的 ATSLTD 帧。我们将 ATSLTD 帧序列输入所提出的 ETD 方法以执行准确高效的目标跟踪，该方法利用了事件相机的高时间分辨率特性。我们将所提出的 ETD 方法与七种流行的基于传统相机或事件相机的目标跟踪方法以及 ETD 的两种变体进行了比较。实验结果表明，所提出的 ETD 方法在处理各种挑战性环境时具有优越性。