买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利一种基于事件相机的通过散射介质目标分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116310982B 。

龙图腾网通过国家知识产权局官网在2025-12-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310261942.4，技术领域涉及：G06V20/40；该发明授权一种基于事件相机的通过散射介质目标分类方法是由柯钧;杨泊钰设计研发完成，并于2023-03-17向国家知识产权局提交的专利申请。

本一种基于事件相机的通过散射介质目标分类方法在说明书摘要公布了：本发明公开了一种基于事件相机的通过散射介质目标分类方法，属于目标检测技术领域。本发明采集光路中的运动目标通过散射介质会形成保留有目标特征的散斑，当目标移动时，其对应的散斑便会移动，通过使用事件相机来采集移动散斑所触发的事件流，通过对事件流进行去噪处理，并利用事件的时间戳和极性信息对事件流归一化处理并制作为事件帧，然后将其送入基于稠密连接的神经网络完成分类任务。经过多组对比实验验证，对于不同长度的事件流及不同行进方向的运动目标，“事件散斑”具有保留目标特征的能力，且基于“事件散斑”的目标分类方法分类准确率最高能达到92.92％。

本发明授权一种基于事件相机的通过散射介质目标分类方法在权利要求书中公布了：1.一种基于事件相机的通过散射介质目标分类方法，其特征在于：包括如下步骤： 步骤一：搭建基于事件的运动目标散斑采集系统；使用照明光源照射运动目标，运动目标反射携带有目标信息的光束被散射介质散射，在散射介质后使用光阑调整透射散斑的大小，进而被事件相机接收； 步骤二：采集运动目标产生的事件散斑原始数据；使用事件相机拍摄运动目标产生的运动散斑；更换不同的运动目标并改变目标的运动方式，采集多组事件数据并划分为训练集和测试集； 步骤三：对步骤二采集到多组事件数据的坐标位置信息和时间戳信息进行去噪处理：每组事件数据包括像素的坐标位置、时间戳以及事件的极性；根据时间戳截取一定事件内的事件流，对该事件流内的每一个触发像素进行判断，查询像素同一行相邻位置是否有其他事件触发，若有则保留该事件，若没有则删除该事件，对所有事件流重复执行此判断，得到预处理后的事件流数据； 步骤四：使用事件数据的时间戳和极性信息对步骤三预处理后的事件流数据进行归一化处理，形成运动目标透过散射介质的事件帧，使事件帧适用于后续分类网络；根据时间戳，将事件流以相同时间范围进行分割；之后将分割出的事件在一幅画面上进行累加，从而制作一张事件帧；在累加过程中利用事件的极性p与时间戳t，对事件进行归一化处理，归一化事件时间戳公式如下： 每一个运动目标采集到的事件数据经过步骤三处理后包含的事件个数为N；归一化的目的是使得不同时间触发的事件在事件帧中的影响力不同，两种极性p表示出两种亮度变化；D代表将一段事件数据分割的数目，ti表示事件数据中第i个事件的时间戳，t1表示事件数据中第1个事件的时间戳，tN表示事件数据中最后一个事件的时间戳，则是归一化时间戳； 将事件数据分割为X段的子数据Sd制作为X张事件帧，每一张事件帧的计算公式如下： 其中，i为对应每一个事件的序号；x，y为触发事件的坐标；p为该事件的极性；S为事件子序列，d为事件子序列的序号，其中当制作第一个子序列时d＝0，第二个子序列时d＝1，第三个子序列时d＝2； 通过上述方法将去噪后的事件数据制作为所需的散斑事件帧，即“事件散斑”，再将其裁剪为适用于分类网络的大小； 步骤五：将步骤四的事件散斑送入基于DenseNet的事件散斑分类网络模型中进行分类训练；分类网络采用基于Pytorch构建的稠密连接网络，加载torchvision训练好的预训练权重；通过在开头添加卷积层来使事件散斑分类网络模型适应不同输入数据，在网络的结尾使用全连接层将预训练的1000分类结果转为我们需要的类别数，最终，得到对运动目标的分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。