基于事件的视觉中使用图谱聚类进行运动物体检测

移动物体检测一直是计算机视觉领域的核心议题，因其广泛的应用范围而备受关注，例如在自动驾驶汽车、视频监控、安全和执法等领域。神经形态视觉传感器（Neuromorphic Vision Sensors, NVS）是一种生物启发式传感器，模仿人类眼睛的工作原理。与传统的基于帧的相机不同，这些传感器捕捉的是异步的“事件”流，这带来了许多优势，如高动态范围、低延迟、低功耗和减少的运动模糊。然而，这些优势也伴随着高昂的成本，因为事件相机数据通常包含更多的噪声且分辨率较低。此外，由于基于事件的相机只能捕捉场景中亮度的相对变化，因此事件数据并不包含传统视频数据中的常规视觉信息（如纹理和颜色）。因此，在基于事件的相机中进行移动物体检测变得极其具有挑战性。本文提出了一种无监督图谱聚类技术（Graph Spectral Clustering technique for Moving Object Detection in Event-based data, GSCEventMOD），用于基于事件数据的移动物体检测。我们还展示了如何自动确定最优的移动物体数量。在公开可用的数据集上的实验比较表明，所提出的GSCEventMOD算法在最大幅度上优于多种现有最先进技术30%。