CN109068024A - 一种对时空信号进行滤波的方法 - Google Patents
一种对时空信号进行滤波的方法 Download PDFInfo
- Publication number
- CN109068024A CN109068024A CN201810694419.XA CN201810694419A CN109068024A CN 109068024 A CN109068024 A CN 109068024A CN 201810694419 A CN201810694419 A CN 201810694419A CN 109068024 A CN109068024 A CN 109068024A
- Authority
- CN
- China
- Prior art keywords
- signal
- time
- space
- filtered
- domain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/70—SSIS architectures; Circuits associated therewith
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种对时空信号进行滤波的方法,针对所述时空信号,记录每个空间位置的信号并进行累积,得到信号累积强度值;分析当前空间位置的信号在空间域、时间域或频率域上是否孤立,过滤该空间位置的孤立信号。本发明的应用对象不再是传统视频而是脉冲阵列视频;通过使用几种过滤方法过滤掉无用的信息,减少了计算资源的浪费;而且删去不相关信息,提取有用信息,是信号采集中非常重要的一步,可以应用于适于动态视觉传感器的全部应用场景。
Description
技术领域
本发明涉及信号处理技术领域,特别涉及一种对时空信号进行滤波的方法。
背景技术
传统的图像传感器由于其自身的设计理念,已经越来越不能满足于当前的视觉任务需求。这些传感器通常以帧为单位,按照预设的固定频率对场景进行完整采样。这种基于固定帧率的采样,不能反映场景的动态变化,容易对当前场景过采样或欠采样,导致视频数据冗余大、时域分辨率低、高速运动下易模糊等问题。与此相比,脉冲阵列信号传感器采取了一种更为高效的采样方式,通过模拟生物视网膜的多层神经网络结构,能够根据场景变化做自适应地视觉采样,具有低数据冗余、低功耗、高鲁棒性、高时间分辨率等优势。因此,脉冲阵列信号传感器及其采集的脉冲阵列信号在机器视觉,特别是智能监控、运动分析、自动驾驶等,具有广阔的前景。
动态视觉传感器(Dynamic Vison Sensor,简称DVS)是一种进行脉冲阵列信号采集的传感器。动态视觉传感器模拟生物视网膜的三层网络结构,能够根据场景动态变化作自适应采样,相比于传统视觉传感器基于帧的采样方式,具有高动态范围、高时间分辨率、低能耗、低数据冗余等特点。同时动态视觉传感器广泛采用地址事件表示协议进行脉冲传输和表示,其形式迥异于传统数字视频,以时空域稀疏的脉冲阵列表达输出事件(脉冲)发生的地址、时间与特征信息。因此,这是一种具有新采样机制、新表示结构的新型视频数据。在特定的高速运动场景、高动态范围光强、低功耗等需求场景,如无人驾驶视觉传感器、机器人视觉导航定位、无人机视觉传感器及智能手机等领域有着巨大的市场应用潜力。
动态视觉传感器模仿了神经元脉冲发放和视网膜外周细胞对亮度变化敏感机理,仅在检测到动态事件时才进行采样。动态视觉传感器采集监测区域中各局部空间位置的时空信号,并对时空信号按照时间进行累积,得到信号累积强度值。但其采集的时空信号存在空间或时间上不连续的信号,这些信号不包含有用的信息,在将信号转换为脉冲发放前,需用滤波器先将这些无用的信息过滤掉,但现有技术中鲜有关于滤波方法的介绍。
发明内容
本发明的目的是通过以下技术方案实现的。
一种对时空信号进行滤波的方法,其特征在于,包括如下步骤:
针对所述时空信号,记录每个空间位置的信号并进行累积,得到信号累积强度值;
分析当前空间位置的信号在空间域、时间域或频率域上是否孤立,过滤该空间位置的孤立信号。
优选地,上述技术方案中,分析当前空间位置的信号在空间域上是否孤立具体包括:在空间上,分析当前空间位置的信号是否是孤立的,若该位置的周围无信号,则过滤该位置的信号。
优选地,上述技术方案中,分析当前空间位置的信号在时间域上是否孤立具体包括:在时间上,分析每个空间位置的信号在一段时间间隔内是否连续,若不连续则过滤该位置的信号。
优选地,上述技术方案中,分析当前空间位置的信号在频率域上是否孤立具体包括:使用傅立叶变换将信号累积强度从空间域转化到频率域,过滤掉低频的信号。
优选地,上述技术方案中,对于空间上不孤立且时间上连续的信号,当其累积的强度超过发放阈值时,输出一个脉冲信号。
优选地,上述技术方案中,对于空间上孤立的信号,对空间孤立的判断方法基于连通域或设定的最小单元。
优选地,上述技术方案中,对于时间上不连续的信号的判断方法基于一段时间间隔或最小的时间单位。
优选地,上述技术方案中,使用傅立叶变换将信号累积强度从空间域转化到频率域,过滤掉低频的信号具体包括:在空间上用四叉树划分的结构来去除部分脉冲,划分到最大深度后去掉小于阈值的脉冲点。
优选地,上述技术方案中,使用傅立叶变换将信号累积强度从空间域转化到频率域,过滤掉低频的信号具体包括:在时间上采用二叉树划分结构,在空间上采用四叉树划分结构,将小于设定阈值的划分单元内的脉冲去掉。
优选地,上述技术方案中,所述发放阈值的设定基于在采集到物体运动信息时能够发送脉冲来确定。
本发明通过对监测区域内的各个空间位置的信号进行采集,同时对每个空间位置的信号进行累积,得到信号累积强度值;分别在空间域、时间域、频率域过滤不相关的信息;一旦信号累积强度值超过发放阈值,输出一个脉冲信号。
本发明的优点在于:其应用对象不再是传统视频而是脉冲阵列视频;通过使用几种过滤方法过滤掉无用的信息,减少了计算资源的浪费;而且删去不相关信息,提取有用信息,是信号采集中非常重要的一步,可以应用于适于动态视觉传感器的全部应用场景。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
附图1示出了本发明对时空信号进行滤波的方法流程图。
附图2示出了本发明过滤空间上孤立的信号的过程示意图。
附图3示出了本发明过滤时间上不连续的信号的过程示意图。
附图4示出了本发明在20000μs时间间隔内,输入信号大于阈值时发放脉冲的过程示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
附图1示出了本发明的对时空信号进行滤波的方法流程图。根据本发明的实施方式,提出一种对时空信号进行滤波的方法,包括:针对所述时空信号,记录每个空间位置的信号并进行累积,得到信号累积强度值;分析当前空间位置的信号是否孤立,过滤掉该位置孤立的信号。具体的,分析当前空间位置的信号是否孤立通过在空间域、时间域或频率域上进行分析来判断。
本发明通过对监测区域内的各个空间位置的信号进行采集,同时对每个空间位置的信号进行累积,得到信号累积强度值;在空间上,若采集的信号是孤立的,则过滤该信号;在时间上,若采集的信号不连续,则过滤该信号;一旦信号累积强度值超过发放阈值,输出一个脉冲信号。
具体的,在空间域上过滤信号的过程如图2表格所示。在空间域上,分析当前空间位置的信号是否是孤立的,即若该位置的周围无信号,则过滤该位置的信号。具体过滤过程如下:
1)对于位置1、2、3,接收到信号“0”,该像素点未出现运动。
2)对于位置4,接收到信号“1”,该像素点出现运动,将信号存储在缓冲区中。
3)对于位置5,接收到信号“0”,缓冲区只有一个信号,删除缓冲区内容,过滤上一个孤立的信号。
4)对于位置6,接收到信号“0”,该像素点未出现运动。
5)对于位置7,接收到信号“3”,该像素点出现运动,将信号存储在缓冲区中。
6)对于位置8,接收到信号“4”,该像素点出现运动,将信号存储在缓冲区中。
7)重复上述步骤,直至信号结束。
由上述过程可以看出,对空间域上信号的过滤通过判断该位置周围有无信号来确定,若该位置的周围无信号,则判断其为空间位置上孤立的信号,将其过滤掉。上述位置“1”、“2”、“3”的信号均为“0”,像素点未出现运动,即无信号,而在位置“4”处信号为“1”,其与前面的信号不同,该像素点出现运动。若该位置“4”之后均有信号产生,即像素点连续运动,则说明存在连续信号;若该位置“4”之后仍旧没有信号,即像素点未出现运动,信号还为“0”,则说明该位置“4”处的信号是孤立信号。在上述示例中,位置“5”处的信号为“0”,说明像素点未出现运动,由此可以判断出,位置“4”处的信号是孤立的。
之后,位置“6”的信号仍为“0”,该像素点未出现运动,与位置“5”相同。位置“7”处信号为“3”,其与前面的信号不同,该像素点出现运动。若该位置“7”之后均有信号产生,即像素点连续运动,则说明存在连续信号;若该位置“7”之后仍旧没有信号,即像素点未出现运动,信号还为“0”,则说明该位置“7”处的信号是孤立信号。在上述示例中,位置“8”处的信号为“4”,说明像素点出现运动,由此可以判断出,位置“7”处的信号是连续的。
以此类推,直至信号结束。
其中,对空间域上孤立信号的判断方法包括但不限于连通域或特定的最小单元。
当位置一定时,在时间域上过滤信号的过程如图3表格所示。在时间域上,分析每个空间位置的信号在一段时间间隔内是否连续,若不连续则过滤该位置的信号。具体过滤过程如下:
1)对于时刻1,接收到信号“0”,该像素点未出现运动。
2)对于时刻2,接收到信号“1”,该像素点出现运动,将信号存储在缓冲区中。
3)对于时刻3,接收到信号“0”,缓冲区只有一个信号,删除缓冲区内容,过滤上一个孤立的信号。
4)对于时刻4,接收到信号“0”,该像素点未出现运动。
5)对于时刻5,接收到信号“2”,该像素点出现运动,将信号存储在缓冲区中。
6)对于时刻6,接收到信号“1”,该像素点出现运动,将信号存储在缓冲区中。
7)重复上述步骤,直至信号结束。
由上述过程可以看出,对时间域上信号的过滤通过判断每个空间位置的信号在一段时间间隔内是否连续来确定,若信号在一段时间间隔内不连续则将该位置的信号过滤掉。上述时刻“1”的信号为“0”,像素点未出现运动,即无信号,而在时刻“2”处信号为“1”,其与前面的信号不同,该像素点出现运动。若该时刻“2”之后仍有信号产生,即像素点连续运动,则说明存在连续信号;若该时刻“2”之后没有信号产生,即像素点未出现运动,信号为“0”,则说明该时刻“2”处的信号是不连续的,为孤立信号。在上述示例中,时刻“3”处的信号为“0”,说明像素点未出现运动,由此可以判断出,时刻“2”处的信号是不连续的,其为孤立信号。
之后,时刻“4”处信号仍为“0”,该像素点未出现运动,与时刻“3”相同。时刻“5”处信号为“2”,其与前面的信号不同,该像素点出现运动。若该时刻“5”之后仍有信号产生,即像素点连续运动,则说明存在连续信号;若该时刻“5”之后没有信号产生,即像素点未出现运动,信号为“0”,则说明该时刻“5”处的信号是不连续的,为孤立信号。在上述示例中,时刻“6”处的信号为“1”,说明像素点连续运动,由此可以判断出,时刻“5”处的信号是连续的。
以此类推,直至信号结束。
其中,对时间域上的不连续信号,其判断方法包括但不限于一段时间间隔或最小的时间单位。
此外,对于时间域和空间域上的信号,可以从时间域和空间域上将滤波器结合起来,同时进行信号的过滤。
此外,还可以采用在频率域上分析该位置的信号是否孤立进行过滤。针对所述时空信号,记录每个空间位置的信号并进行累积,得到信号累积强度值后,使用傅立叶变换将信号累积强度从空间域转换到频率域,过滤掉低频的信号。
具体的,在空间上用四叉树划分的结构来去除某些脉冲,划分到最大深度后小于阈值的脉冲点则去掉;或者在时间上采用二叉树划分结构,在空间上采用四叉树划分结构,将小于特定阈值的划分单元内的脉冲去掉。
对于空间域上不孤立且时间域上连续的信号,当其累积的强度超过发放阈值时,输出一个脉冲信号。其中,对阈值的设定方法应基于实际情况决定,要求采集到物体运动信息时能够发送脉冲。
假定发放阈值为30,在一定时间间隔内,如具体选为20000μs时间间隔内,当信号发放大于发放阈值30时,发放脉冲的过程如图4表格所示,具体过程如下:
1)对于位置1、2,接收到信号“0”,该像素点未出现运动。
2)对于位置3,接收到信号“1”,该像素点出现运动,但未到达发放阈值,不发放脉冲。
3)对于位置4,接收到信号“0”,该像素点未出现运动。
4)对于位置5、6、7,接收到信号“38”、“37”、“45”,大于发放阈值30,发放脉冲。
5)对于位置8,接收到信号“0”,该像素点未出现运动。
6)对于位置9,接收到信号“1”,该像素点出现运动,但未到达发放阈值,不发放脉冲
7)对于位置10,接收到信号“0”,该像素点未出现运动。
8)重复上述步骤,直至信号结束。
由上述过程可以看出,对于空间域上不孤立且时间域上连续的信号,当其累积的强度超过发放阈值30时,输出一个脉冲信号。上述位置“1”、“2”的信号均为“0”,像素点未出现运动,即无信号,而在位置“3”处信号为“1”,该像素点出现运动,但是信号强度为“1”,未达到发放阈值“30”,故不发放脉冲。
之后,位置“4”处的信号为“0”,像素点未出现运动,位置“5”、“6”、“7”处的信号分别为“38”、“37”、“45”,像素点出现运动,且信号强度均大于发放阈值“30”,故发放脉冲。
之后,位置“8”的信号仍为“0”,该像素点未出现运动。位置“9”处信号为“1”,该像素点出现运动,但是信号强度为“1”,未达到发放阈值“30”,故不发放脉冲。位置“10”的信号仍为“0”,该像素点未出现运动。
以此类推,直至信号结束,由此实现脉冲的发放。
以上是对本发明所提供的一种对时空信号进行滤波的方法进行详细介绍,本发明通过对监测区域内的各个空间位置的信号进行采集,同时对每个空间位置的信号进行累积,得到信号累积强度值;一旦信号累积强度值超过发放阈值,输出一个脉冲信号;对输出的脉冲信号分别在空间域时间域、频率域过滤不相关的信息。本文中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种对时空信号进行滤波的方法,其特征在于,包括如下步骤:
针对所述时空信号,记录每个空间位置的信号并进行累积,得到信号累积强度值;
分析当前空间位置的信号在空间域、时间域或频率域上是否孤立,过滤该空间位置的孤立信号。
2.如权利要求1所述的对时空信号进行滤波的方法,其特征在于:分析当前空间位置的信号在空间域上是否孤立具体包括:在空间上,分析当前空间位置的信号是否是孤立的,若该位置的周围无信号,则过滤该位置的信号。
3.如权利要求1所述的对时空信号进行滤波的方法,其特征在于:分析当前空间位置的信号在时间域上是否孤立具体包括:在时间上,分析每个空间位置的信号在一段时间间隔内是否连续,若不连续则过滤该位置的信号。
4.如权利要求1所述的对时空信号进行滤波的方法,其特征在于:分析当前空间位置的信号在频率域上是否孤立具体包括:使用傅立叶变换将信号累积强度从空间域转化到频率域,过滤掉低频的信号。
5.如权利要求1所述的对时空信号进行滤波的方法,其特征在于:对于空间上不孤立且时间上连续的信号,当其累积的强度超过发放阈值时,输出一个脉冲信号。
6.如权利要求2所述的对时空信号进行滤波的方法,其特征在于:对于空间上孤立的信号,对空间孤立的判断方法基于连通域或设定的最小单元。
7.如权利要求3所述的对时空信号进行滤波的方法,其特征在于:对于时间上不连续的信号的判断方法基于一段时间间隔或最小的时间单位。
8.如权利要求4所述的对时空信号进行滤波的方法,其特征在于:使用傅立叶变换将信号累积强度从空间域转化到频率域,过滤掉低频的信号具体包括:在空间上用四叉树划分的结构来去除部分脉冲,划分到最大深度后去掉小于阈值的脉冲点。
9.如权利要求4所述的对时空信号进行滤波的方法,其特征在于:使用傅立叶变换将信号累积强度从空间域转化到频率域,过滤掉低频的信号具体包括:在时间上采用二叉树划分结构,在空间上采用四叉树划分结构,将小于设定阈值的划分单元内的脉冲去掉。
10.如权利要求5所述的对时空信号进行滤波的方法,其特征在于:所述发放阈值的设定基于在采集到物体运动信息时能够发送脉冲来确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810694419.XA CN109068024B (zh) | 2018-06-29 | 2018-06-29 | 一种对时空信号进行滤波的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810694419.XA CN109068024B (zh) | 2018-06-29 | 2018-06-29 | 一种对时空信号进行滤波的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109068024A true CN109068024A (zh) | 2018-12-21 |
CN109068024B CN109068024B (zh) | 2020-07-21 |
Family
ID=64817968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810694419.XA Active CN109068024B (zh) | 2018-06-29 | 2018-06-29 | 一种对时空信号进行滤波的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109068024B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110430340A (zh) * | 2019-06-28 | 2019-11-08 | 北京大学 | 一种脉冲阵列信号的降噪方法与系统 |
CN111458317A (zh) * | 2020-05-12 | 2020-07-28 | 北京大学 | 一种直接结构光照明超分辨显微重建方法 |
CN111756352A (zh) * | 2020-05-18 | 2020-10-09 | 北京大学 | 脉冲阵列时域滤波方法、装置、设备及存储介质 |
CN112687222A (zh) * | 2020-12-28 | 2021-04-20 | 北京大学 | 基于脉冲信号的显示方法、装置、电子设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105681787A (zh) * | 2016-01-22 | 2016-06-15 | 北京大学 | 对时空信号进行编码的方法和装置 |
US20170033777A1 (en) * | 2015-07-31 | 2017-02-02 | Samsung Electronics Co., Ltd. | Method and apparatus for controlling threshold voltage |
CN106407990A (zh) * | 2016-09-10 | 2017-02-15 | 天津大学 | 基于事件驱动的仿生目标识别系统 |
CN106709895A (zh) * | 2015-11-16 | 2017-05-24 | 三星电子株式会社 | 图像生成方法和设备 |
CN107220942A (zh) * | 2016-03-22 | 2017-09-29 | 三星电子株式会社 | 用于动态视觉传感器的图像表示和处理的方法和装置 |
CN107742279A (zh) * | 2017-10-31 | 2018-02-27 | 努比亚技术有限公司 | 一种图像处理方法、装置及存储介质 |
-
2018
- 2018-06-29 CN CN201810694419.XA patent/CN109068024B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170033777A1 (en) * | 2015-07-31 | 2017-02-02 | Samsung Electronics Co., Ltd. | Method and apparatus for controlling threshold voltage |
CN106709895A (zh) * | 2015-11-16 | 2017-05-24 | 三星电子株式会社 | 图像生成方法和设备 |
CN105681787A (zh) * | 2016-01-22 | 2016-06-15 | 北京大学 | 对时空信号进行编码的方法和装置 |
CN107220942A (zh) * | 2016-03-22 | 2017-09-29 | 三星电子株式会社 | 用于动态视觉传感器的图像表示和处理的方法和装置 |
CN106407990A (zh) * | 2016-09-10 | 2017-02-15 | 天津大学 | 基于事件驱动的仿生目标识别系统 |
CN107742279A (zh) * | 2017-10-31 | 2018-02-27 | 努比亚技术有限公司 | 一种图像处理方法、装置及存储介质 |
Non-Patent Citations (2)
Title |
---|
HONGJIE LIU ET AL: "Design of a Spatiotemporal Correlation Filter for Event-based Sensors", 《2015 IEEE INTERNATIONAL SYMPOSIUM ON CIRCUITS AND SYSTEMS》 * |
杨帅等: "AER 时域视觉传感器总线仲裁建模与仿真分析", 《天津工业大学学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110430340A (zh) * | 2019-06-28 | 2019-11-08 | 北京大学 | 一种脉冲阵列信号的降噪方法与系统 |
CN110430340B (zh) * | 2019-06-28 | 2020-08-25 | 北京大学 | 一种脉冲阵列信号的降噪方法与系统 |
CN111458317A (zh) * | 2020-05-12 | 2020-07-28 | 北京大学 | 一种直接结构光照明超分辨显微重建方法 |
CN111458317B (zh) * | 2020-05-12 | 2021-04-30 | 北京大学 | 一种直接结构光照明超分辨显微重建方法 |
CN111756352A (zh) * | 2020-05-18 | 2020-10-09 | 北京大学 | 脉冲阵列时域滤波方法、装置、设备及存储介质 |
CN111756352B (zh) * | 2020-05-18 | 2022-08-19 | 北京大学 | 脉冲阵列时域滤波方法、装置、设备及存储介质 |
CN112687222A (zh) * | 2020-12-28 | 2021-04-20 | 北京大学 | 基于脉冲信号的显示方法、装置、电子设备及介质 |
US11862053B2 (en) | 2020-12-28 | 2024-01-02 | Spike Vision (Beijing) Technology Co., Ltd. | Display method based on pulse signals, apparatus, electronic device and medium |
Also Published As
Publication number | Publication date |
---|---|
CN109068024B (zh) | 2020-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109068024A (zh) | 一种对时空信号进行滤波的方法 | |
CN105389549A (zh) | 基于人体动作特征的对象识别方法及装置 | |
CN111523601B (zh) | 一种基于知识引导和生成对抗学习的潜在情绪识别方法 | |
CN110069199A (zh) | 一种基于智能手表的皮肤式手指手势识别方法 | |
CN107480716A (zh) | 一种结合eog和视频的扫视信号识别方法及系统 | |
KR20190033972A (ko) | 심층신경망을 이용한 자동 뇌파 잡음 제거 방법 및 장치 | |
CN109567789A (zh) | 心电图数据的分割处理方法、装置及可读存储介质 | |
CN113283331A (zh) | 用于无人值守传感器系统的多类别目标识别方法及系统 | |
KR20190073330A (ko) | 심층신경망을 이용한 자동 뇌파 잡음 제거 방법 및 장치 | |
CN114093501A (zh) | 基于同步视频与脑电的儿童运动性癫痫智能辅助分析方法 | |
CN113112521A (zh) | 一种基于脉冲阵列的运动检测方法 | |
CN104331892B (zh) | 一种基于形态学的神经元识别与分析方法 | |
WO2019144455A1 (zh) | 基于小波分析的脑电信号去噪方法、存储介质以及装置 | |
CN106331646A (zh) | 一种人工智能安全监控系统 | |
CN113558644B (zh) | 一种3d矩阵与多维卷积网络的情感分类方法、介质和设备 | |
CN109101884B (zh) | 一种脉冲阵列预测方法 | |
CN114578967A (zh) | 一种基于脑电信号的情感识别方法及系统 | |
CN107480635A (zh) | 一种基于双模态分类模型融合的扫视信号识别方法及系统 | |
CN106940904A (zh) | 基于人脸识别和语音识别的考勤系统 | |
US6542619B1 (en) | Method for analyzing video | |
CN106707789A (zh) | 一种基于指纹识别的智能家居控制系统 | |
CN113063906B (zh) | 一种叶绿素a锋面的检测方法及装置 | |
CN110430340B (zh) | 一种脉冲阵列信号的降噪方法与系统 | |
CN105491336B (zh) | 一种低功耗图像识别模块 | |
CN101101511A (zh) | 一种脑机交互中的脑电信号复原方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |