PCA-RECT：一种用于事件相机的高能效目标检测方法
计算机视觉与模式识别
2019-04-30 v1 机器人学
摘要
我们提出首个纯基于事件、高能效的使用事件相机进行目标检测与分类的方法。与传统基于帧的相机相比，选用事件相机具有高通 temporal分辨率（微秒量级）、低功耗（数百mW）和高动态范围（120 dB）等吸引人的特性。然而，基于事件的物体识别系统在精度上远落后于基于帧的系统。为此，本文提出一种基于事件的特征提取方法，通过累积图像帧上的局部活动，并对归一化邻域应用主成分分析（PCA）。随后，我们利用特征表示的低维性，提出一种无回溯k-d树机制以实现高效特征匹配。此外，所提k-d树机制允许在硬件资源有限无法实现降维时进行特征选择以获得更低维的字典表示。因此，所提系统可在现场可编程门阵列（FPGA）器件上实现，从而获得高的性能资源比。所提系统在真实世界基于事件的物体分类数据集上测试，展现出优于最先进算法的分类性能与相关度。此外，我们在实验室非受控光照条件、有限训练数据与真值标注下验证了目标检测方法与实时FPGA性能。
引用
@article{arxiv.1904.12665,
title = {PCA-RECT: An Energy-efficient Object Detection Approach for Event Cameras},
author = {Bharath Ramesh and Andres Ussa and Luca Della Vedova and Hong Yang and Garrick Orchard},
journal= {arXiv preprint arXiv:1904.12665},
year = {2019}
}
备注
Accepted in ACCV 2018 Workshops, to appear