自偏置事件相机

本文提出了一种自主方法，用于解决事件相机在机器视觉应用中因极端光照条件而产生的挑战。为应对这些条件，研究探索了事件相机调整像素功能的内置潜力，即偏置设置。由于汽车在不同时间和地点行驶，光照条件的变化不可避免。因此，本文利用驾驶员监控系统中的神经形态 YOLO 面部跟踪模块作为基于事件的应用进行研究。所提出的方法使用数值指标在实时中持续监测基于事件的应用性能。当应用发生故障时，系统通过指标下降检测到该故障，并自动调整事件相机的偏置值。采用 Nelder-Mead 单纯形算法来优化这一调整，微调持续进行直到性能恢复到满意水平。偏置优化的优势在于其能够在无需额外硬件或软件的情况下处理闪烁或黑暗等条件。为展示所提出系统的能力，在默认偏置值下无法检测人脸的极端条件下进行了测试。这些极端条件通过昏暗的环境光和各种闪烁频率进行模拟。经过自动且动态的偏置调整过程后，所有条件下面部检测的指标均显著提升。自偏置使目标检测的 YOLO 置信度指标提高了 33% 以上，面部检测提高了 37%，突显了所提出方法的有效性。