基于脉冲神经网络与事件相机的高速旋转目标低延迟追踪与分类系统设计.docxVIP

PAGE2

基于脉冲神经网络与事件相机的高速旋转目标低延迟追踪与分类系统设计

摘要

高速旋转目标的实时追踪与分类在工业检测、无人机对抗与高速运动分析等领域需求迫切。传统基于帧的视觉方案受限于固定采样率，在目标高速旋转时易产生严重运动模糊与高延迟，难以兼顾速度与精度。本课题设计一种基于事件相机与脉冲神经网络（SNN）的异步感知与计算系统，充分利用事件相机微秒级时间分辨率与低数据冗余特性，构建低功耗、低延迟的追踪与分类一体化方案。

本文遵循工程递进流程展开。首先分析高速旋转目标感知的特殊需求，引出事件相机与SNN结合的技术路径；进而完成系统总体架构，划分异步脉冲预处理层、SNN时空特征学习层、追踪与分类决策层三大核心模块；在详细设计中，给出事件流时空聚合算法、基于泄漏集成发放（LIF）模型的SNN网络结构及在线追踪算法；系统实现部分阐述在嵌入式平台上的部署与优化，包含事件数据流式处理与模型轻量化；测试章节通过高速旋转数据集验证系统性能，追踪延迟控制在3ms以内，分类准确率达94.2%，功耗仅1.8W。本设计的核心创新在于将SNN的异步稀疏计算范式与事件相机的脉冲输出天然对齐，实现全流程异步驱动下的高速低延迟感知，为类脑视觉系统在高速场景落地提供了可行方案。

第一章绪论

1.1研究背景

在智能制造、航空航天及国防安全等领域，高速旋转目标（如高速转轴、无人机螺旋桨、导弹弹体）的实