利用事件相机检测高频周期信号的概率方法

受生物眼睛启发，事件相机(event camera)是一项新颖的异步技术，对视觉信息的获取带来了范式转变。该范式使事件相机相比经典相机能够更自然地捕获像素尺度的快速运动。本文提出一种新颖的异步事件驱动算法，利用事件相机检测高频像素尺度周期信号。开发此类新算法以高效处理事件相机的异步信息至关重要，且作为研究界的主要挑战，以利用其特殊性质与潜力。结果表明，这一为满足新范式而开发的算法与一个未受关注的概率理论问题相关：令 $0\leq\tau_{1}\leq\tau_{2}\leq\cdots\leq\tau_{m}\leq1$，源自未知分布。再令 $\epsilon,\delta\in\mathbb{R}$，且 $d\in\mathbb{N}$。关于具有超过 $d$ 个相邻 $\tau_{i}$ 对、且它们之间距离在误差 $\epsilon$ 内为 $\delta$ 的概率 $\Phi(m,d)$ 能得出什么结论？该问题令人联想到顺序统计量(order statistic)领域，显示了新可视化范式也是发展数学中新领域与问题的契机。