44、基于事件的神经形态系统与大规模神经形态系统探索

基于事件的神经形态系统与大规模神经形态系统探索

1. 基于事件的视觉传感器应用

1.1 动作与形状识别

在事件分类方面已有一些工作，例如检测人员摔倒，这对老年人护理很重要。早期，有基于单个动态视觉传感器（DVS）从正面或侧面观察人员，对DVS时空事件直方图进行分类的简单摔倒检测器。后来，有研究展示了使用立体DVS传感器的摔倒检测器，可实现对摔倒人员的俯视视角。此外，还有团队开发了基于MIPS内核的全定制嵌入式数字信号处理器（DSP），利用单线和双线DVS传感器输出对平面形状进行高速分类。

1.2 智能交通系统中的应用

VISe视觉传感器在车道检测和车道偏离警告方面有高度成熟的应用。该系统会在引导、搜索和跟踪状态之间切换，并在跟踪阶段使用卡尔曼滤波器，还能检测连续和虚线车道标记的差异。DVS在智能交通系统中也有重要应用，特别是在高速公路交通监测方面。研究人员开发了专门算法，利用嵌入式商用DSP处理DVS输出，实现了车辆速度测量、车辆计数，甚至能在夜间根据前照灯间距对汽车和卡车进行分类。

2. 基于事件的音频处理

基于事件的方法在需要精确计时的应用中特别有益，例如双耳听觉处理。在双耳听觉处理中，使用互相关来确定耳间时间差（ITD），最终确定声源的方位。一种基于事件的估计ITD的方法，通过对来自两个源的事件滚动缓冲区进行互相关。该方法计算一只耳朵（一个耳蜗通道）的事件与另一只耳朵（相应耳蜗通道）先前事件之间的ITD，只考虑一定范围内（如±1 ms）的ITD。每个ITD会被加权并存储在ITD值的衰减直方图中，直方图中的峰值位置表示声源的ITD。

在混响空间中定位声音更困难，但声音起始点可用于消除源方向的歧义。在ITD