इवेंट कैमरा

From Vigyanwiki
Revision as of 16:01, 29 May 2023 by Manidh (talk | contribs)
(diff) ← Older revision | Latest revision (diff) | Newer revision → (diff)

इवेंट कैमरा, जिसे तंत्रिकाप्रभावी कैमरा के रूप में भी जाना जाता है,[1] सिलिकॉन रेटिना[2] या गतिशील दृष्टि संवेदक,[3] एक प्रतिबिम्ब संवेदक है जो दीप्तता में स्थानीय परिवर्तनों पर प्रतिक्रिया करता है। ईवेंट कैमरे कैमरा कपाट (फ़ोटोग्राफ़ी) का उपयोग करके छवियों को अधिकृत नहीं करते हैं जैसा कि पारंपरिक (फ़्रेम) कैमरा करता है। इसके अतिरिक्त, एक इवेंट कैमरे के अंदर प्रत्येक चित्रांश स्वतंत्र रूप से और अतुल्यकालिक रूप से संचालित होता है, दीप्तता में होने वाले परिवर्तनों की प्रतिवेदन करता है, और अन्यथा निष्क्रिय रहता है।

कार्यात्मक विवरण

इवेंट कैमरा चित्रांश स्वतंत्र रूप से दीप्तता में होने वाले परिवर्तनों का प्रतिक्रिया दिखाते हैं।[4]प्रत्येक चित्रांश एक संदर्भ दीप्तता स्तर संग्रहीत करता है, और निरंतर इसकी तुलना वर्तमान दीप्तता (चमक) स्तर से करता है। यदि दीप्तता में अंतर एक सीमा से अधिक है, तो वह चित्रांश अपने संदर्भ स्तर को पुनः स्थापित करता है और एक इवेंट उत्पन्न करता है: एक असतत पैकेट जिसमें चित्रांश पता और टाइमस्टैम्प होता है। घटनाओं में दीप्तता परिवर्तन की ध्रुवीयता (वृद्धि या कमी), या रोशनी के स्तर का तात्कालिक माप भी हो सकता है।[5] इस प्रकार, इवेंट कैमरे दृश्य रोशनी में परिवर्तन से प्रवर्तित होने वाली घटनाओं की एक अतुल्यकालिक वर्ग का उत्पादन करते हैं।

इवेंट कैमरा और पारंपरिक कैमरा द्वारा तैयार किए गए डेटा की तुलना।

इवेंट कैमरों में माइक्रोसेकंड समतुल्यकालिक विभेदन ,फ्रेम कैमरों की तुलना में 120 dB गतिक परिसर और कम अतिप्रभावाधीन (फ़ोटोग्राफ़ी) कम/ अतिप्रभावाधीन और धीमी गति होता है[4][6] । यह उन्हें उद्देश्य और कैमरा गतिविधि (प्रकाशीय प्रवाह) को अधिक सटीक रूप से पथानुसरण करने की अनुमति देता है। वे ग्रे-स्केल जानकारी देते हैं। प्रारंभ में (2014), विभेदन 100 चित्रांश तक सीमित था। बाद की प्रविष्टि 2019 में 640x480 विभेदन तक पहुंच गई। क्योंकि व्यक्तिगत चित्रांश स्वतंत्र रूप से प्रदीप्ति करते हैं, इवेंट कैमरे अतुल्यकालिक अभिकलन संरचना जैसे तंत्रिकाप्रभावी इंजीनियरिंग के साथ एकीकरण के लिए उपयुक्त दिखाई देते हैं। चित्रांश स्वतंत्रता इन कैमरों को उन दृश्यों के साथ मेल जोल बिठाने की अनुमति देती है, उन क्षेत्रों में औसत किए बिना उज्ज्वल और मंद रोशनी वाले क्षेत्रों के दृश्यों का सामना करने की अनुमति देता है।[7]

विशिष्ट प्रतिबिम्ब संवेदक विशेषताएं
सेंसर गतिशील

रेंज (डीबी)

समान

फ्रैमरेट * (एफपीएस)

स्थानिक

रेजोल्यूशन (एमपी)

शक्ति

खपत (एमडब्ल्यू)

मानव नेत्र 30-40 200-300 - 10[8]
हाई-एंड डीएसएलआर कैमरा (निकॉन डी850) 44.6[9] 120 2-8 -
अल्ट्राहाई-स्पीड कैमरा (फैंटम v2640)[10] 64 12,500 0.3–4 -
इवेंट कैमरा[11] 120 1,000,000 0.1–0.2 30

*अस्थायी समाधान का संकेत देता है क्योंकि मानव आंखें और इवेंट कैमरे फ्रेम को आउटपुट नहीं करते हैं।







प्रकार

समतुल्यकालिक विभेदन संवेदक (जैसे डीवीएस[4] (सक्रिय दृष्टि संवेदक) या एसडीवीएस[12] (संवेदनशील-डीवीएस) ऐसी घटनाओं का उत्पादन करते हैं जो ध्रुवीयता (दीप्तता में वृद्धि या कमी) का संकेत देते हैं, जबकि अस्थायी प्रतिबिम्ब संवेदक [5]प्रत्येक इवेंट के साथ तात्कालिक विकिरण का संकेत दें। डेविस[13] (सक्रिय और एक्टिव-चित्रांश दृष्टि संवेदक ) में सक्रिय दृष्टि संवेदक (डीवीएस ) के अतिरिक्त एक ग्लोबल कैमरा कपाट सक्रिय चित्रांश संवेदक (एपीएस) होता है जो समान प्रकाशसंवेदी ऐरे को साझा करता है। इस प्रकार, यह घटनाओं के साथ-साथ प्रतिबिम्ब फ़्रेम बनाने की क्षमता रखता है। कई इवेंट कैमरों में एक जड़त्वीय माप इकाई (आईएमयू) भी होती है।

इवेंट कैमरे
नाम इवेंट उत्पादन प्रतिबिम्ब फ्रेम रंग आईएमयू निर्माता व्यावसायिक तौर पर उपलब्ध रेजोल्यूशन
DVS128[4] ध्रुवीयता नहीं नहीं नहीं इनीवेशन नहीं 128x128
sDVS128[12] ध्रुवीयता नहीं नहीं नहीं सीएसआईसी नहीं 128x128
DAVIS240[13] ध्रुवीयता हाँ नहीं हाँ इनीवेशन नहीं 240x180
DAVIS346[14] ध्रुवीयता हाँ नहीं हाँ इनीवेशन हाँ 346 x 260
DVXplorer[15] ध्रुवीयता नहीं नहीं हाँ इनीवेशन हाँ 640 x 480
SEES[16] ध्रुवीयता हाँ नहीं हाँ अंतर्दृष्टि हाँ
मेटाविज़न पैकेज्ड जेनरेशन 3 सेंसर[17] ध्रुवीयता नहीं नहीं नहीं प्रोफेसी हाँ 640x480
SilkyEvCam कैमरा (प्रोफेसी जेन 3)[18] ध्रुवीयता नहीं नहीं नहीं सेंचुरी आर्क्स / प्रोफेसी हाँ 640×480
VisionCamEB कैमरा (Prophesee Gen 3) [19] ध्रुवीयता नहीं नहीं नहीं इमागो टेक्नोलॉजीज / प्रोफेसी हाँ 640×480
सैमसंग डीवीएस[20] ध्रुवीयता नहीं नहीं हाँ सैमसंग हाँ 640×480
ऑनबोर्ड [5] ध्रुवीयता नहीं नहीं हाँ प्रोफेसी नहीं 640×480
Celex[21] तीव्रता हाँ नहीं हाँ सेलेपिक्सल हाँ 64x64
IMX636[22] सेंसर ध्रुवीयता हाँ नहीं नहीं सोनी / प्रोफेसी हाँ 1280x720
EVK3[23] कैमरा (IMX636 ES/ Prophesee Gen 3.1) ध्रुवीयता नहीं नहीं नहीं प्रोफेसी हाँ 1280x720 / 640×480
EVK4[24] कैमरा (IMX636 ES) ध्रुवीयता नहीं नहीं नहीं प्रोफेसी हाँ 1280x720
IMX637[25] sensor ध्रुवीयता हाँ नहीं नहीं सोनी / प्रोफेसी नहीं 640x512







रेटिनोमॉर्फिक संवेदक

Main article: रेटिनोमॉर्फिक सेंसर
Left: फोटोसेंसिटिव संधारित्र का योजनाबद्ध क्रॉस-सेक्शनल आरेख। केंद्र: रेटिनोमॉर्फिक संवेदक का परिपथ आरेख, शीर्ष पर प्रकाशसंवेदी संधारित्र के साथ। दाएं: निरंतर रोशनी के अनुप्रयोग के लिए रेटिनोमॉर्फिक संवेदक की अपेक्षित क्षणिक प्रतिक्रिया।

इवेंट संवेदक का एक अन्य वर्ग इस नाम का रेटिनोमॉर्फिक संवेदक है। जबकि रेटिनोमॉर्फिक शब्द का प्रयोग सामान्यतः इवेंट संवेदकों का वर्णन करने के लिए किया गया है,[26][27] 2020 में इसे श्रृंखला में एक प्रतिरोधी और साधारण संधारित्र के आधार पर एक विशिष्ट संवेदक डिज़ाइन के नाम के रूप में अपनाया गया था।[28] ये संधारित्र प्रकाशीय संधारित्र से भिन्न होते हैं, जिनका उपयोग सौर ऊर्जा को स्टोर करने के लिए किया जाता है,[29] और इसके अतिरिक्त रोशनी के अनुसार धारिता को बदलने के लिए डिज़ाइन किया गया है। धारिता बदलने पर वे थोड़ा आवेशित/अनावेशित होते हैं, लेकिन संतुलन में रहते हैं। जब एक साधारण संधारित्र को एक अवरोधक के साथ श्रृंखला में रखा जाता है, और परिपथ में एक इनपुट वोल्टेज लगाया जाता है, तो परिणाम एक संवेदक होता है जो प्रकाश की तीव्रता में परिवर्तन होने पर वोल्टेज को आउटपुट करता है, अन्यथा नहीं करता है।

अन्य इवेंट संवेदक (सामान्यतः एक प्रकाश चालकीय डायोड और कुछ अन्य परिपथ तत्व) के विपरीत, ये संवेदक स्वाभाविक रूप से सिग्नल उत्पन्न करते हैं। इसलिए उन्हें एक एकल उपकरण माना जा सकता है जो अन्य इवेंट कैमरों में एक छोटे परिपथ के समान परिणाम उत्पन्न करता है। रेटिनोमॉर्फिक संवेदक का आज तक केवल एक अनुसंधान वातावरण में अध्ययन किया गया है।[30][31][32][33]


कलनात्मक विधि

प्रतिबिम्ब पुनर्रचना

घटनाओं से प्रतिबिम्ब पुनर्रचना में उच्च गतिशील सीमा , उच्च अस्थायी विभेदन और कम गति ब्लर के साथ चित्र और वीडियो बनाने की क्षमता है। समतुल्यकालिक स्मूथिंग का उपयोग करके प्रतिबिम्ब पुनर्रचना प्राप्त किया जा सकता है, उदा उच्च पास फिल्टर ,हाई-पास या पूरक फिल्टर और ढाल अनुमान[34] इसके बाद ग्रेडिएंट-डोमेन इमेज प्रोसेसिंग[35]वैकल्पिक तरीकों में गणितीय अनुकूलन सम्मिलित है[36]।

स्थानिक संवलन

स्थानिक घटना-संचालित संवलन की अवधारणा को 1999 में पोस्ट किया गया था[37] (डीवीएस से पहले), लेकिन बाद में यूरोपीय संघ की परियोजना कैवियार[38] (जिसके समय डीवीएस का आविष्कार किया गया था) के समय घटना-दर-घटना एक मनमाना संवलन कर्नेल प्रस्तुत करके सामान्यीकृत किया गया था। घटना के चारों ओर इंटीग्रेटेड-एंड-फायर पिक्सेल की एक सरणी में समन्वय करें।[39] मल्टी-कर्नेल इवेंट-संचालित संवलन का विस्तार[40] इवेंट-संचालित डीप कन्वेन्शनल न्यूरल नेटवर्क के लिए अनुमति देता है।[41]


गति संसूचक और अनुगामी

एक इवेंट कैमरा द्वारा देखी गई प्रतिबिम्ब विभाजन और चलती वस्तु का पता लगाना एक सूक्ष्म कार्य लग सकता है, क्योंकि यह संवेदक ऑन-चिप द्वारा किया जाता है। हालाँकि, ये कार्य कठिन हैं, क्योंकि घटनाओं में बहुत कम जानकारी होती है[42] और इसमें बनावट और रंग जैसी उपयोगी दृश्य विशेषताएं सम्मिलित नहीं हैं।[43] चलते कैमरे को देखते हुए ये कार्य और चुनौतीपूर्ण हो जाते हैं,[42]क्योंकि घटनाओं को प्रतिबिम्ब तल पर हर जगह प्रवर्तित किया जाता है, जो चलती वस्तुओं और स्थिर दृश्य (जिसकी स्पष्ट गति कैमरे की स्वयं-गति से प्रेरित होती है) द्वारा निर्मित होती है। इस समस्या को हल करने के लिए हाल के कुछ दृष्टिकोणों में गति-प्रतिपूर्ति मॉडल और पारंपरिक क्लस्टर विश्लेषण का समावेश सम्मिलित है।[44][45] [46][47][43][48]


संभावित अनुप्रयोग

संभावित अनुप्रयोगों में वस्तु पहचान, स्वायत्त वाहन और यंत्रमानवशास्त्र सम्मिलित हैं।[32]अमेरिकी सेना अवरक्त विकिरण और अन्य इवेंट कैमरों पर विचार कर रही है क्योंकि उनसे कम बिजली की खपत और कम ऊष्मा का उत्पादन होता है।[7]


यह भी देखें

  • तंत्रिकाप्रभावी इंजीनियरिंग
  • रेटिनोमॉर्फिक संवेदक
  • रोलिंग शटर

संदर्भ

  1. ↑ Li, Hongmin; Liu, Hanchao; Ji, Xiangyang; Li, Guoqi; Shi, Luping (2017). "CIFAR10-DVS: An Event-Stream Dataset for Object Classification". Frontiers in Neuroscience (in English). 11: 309. doi:10.3389/fnins.2017.00309. ISSN 1662-453X. PMC 5447775. PMID 28611582.
  2. ↑ Sarmadi, Hamid; Muñoz-Salinas, Rafael; Olivares-Mendez, Miguel A.; Medina-Carnicer, Rafael (2021). "एक इवेंट कैमरा का उपयोग करके बाइनरी स्क्वायर फिडुशियल मार्कर का पता लगाना". IEEE Access. 9: 27813–27826. arXiv:2012.06516. doi:10.1109/ACCESS.2021.3058423. ISSN 2169-3536. S2CID 228375825.
  3. ↑ Liu, Min; Delbruck, Tobi (May 2017). "Block-matching optical flow for dynamic vision sensors: Algorithm and FPGA implementation". 2017 IEEE International Symposium on Circuits and Systems (ISCAS). pp. 1–4. arXiv:1706.05415. doi:10.1109/ISCAS.2017.8050295. ISBN 978-1-4673-6853-7. S2CID 2283149. Retrieved 27 June 2021.
  4. ↑ 4.0 4.1 4.2 4.3 Lichtsteiner, P.; Posch, C.; Delbruck, T. (February 2008). "A 128×128 120 dB 15μs Latency Asynchronous Temporal Contrast Vision Sensor" (PDF). IEEE Journal of Solid-State Circuits. 43 (2): 566–576. Bibcode:2008IJSSC..43..566L. doi:10.1109/JSSC.2007.914337. ISSN 0018-9200. S2CID 6119048.
  5. ↑ 5.0 5.1 5.2 Posch, C.; Matolin, D.; Wohlgenannt, R. (January 2011). "A QVGA 143 dB Dynamic Range Frame-Free PWM Image Sensor With Lossless Pixel-Level Video Compression and Time-Domain CDS". IEEE Journal of Solid-State Circuits. 46 (1): 259–275. Bibcode:2011IJSSC..46..259P. doi:10.1109/JSSC.2010.2085952. ISSN 0018-9200. S2CID 21317717.
  6. ↑ Longinotti, Luca. "उत्पाद की विशेषताएं". iniVation. Retrieved 2019-04-21.
  7. ↑ 7.0 7.1 "एक नए प्रकार का कैमरा". The Economist. 2022-01-29. ISSN 0013-0613. Retrieved 2022-02-02.
  8. ↑ Skorka, Orit (2011-07-01). "Toward a digital camera to rival the human eye". Journal of Electronic Imaging. 20 (3): 033009–033009–18. Bibcode:2011JEI....20c3009S. doi:10.1117/1.3611015. ISSN 1017-9909.
  9. ↑ DxO. "Nikon D850 : Tests and Reviews | DxOMark". www.dxomark.com. Retrieved 2019-04-22.
  10. ↑ "Phantom v2640". www.phantomhighspeed.com. Retrieved 2019-04-22.
  11. ↑ Longinotti, Luca. "Product Specifications". iniVation. Retrieved 2019-04-22.
  12. ↑ 12.0 12.1 Serrano-Gotarredona, T.; Linares-Barranco, B. (March 2013). "A 128x128 1.5% Contrast Sensitivity 0.9% FPN 3μs Latency 4mW Asynchronous Frame-Free Dynamic Vision Sensor Using Transimpedance Amplifiers" (PDF). IEEE Journal of Solid-State Circuits. 48 (3): 827–838. Bibcode:2013IJSSC..48..827S. doi:10.1109/JSSC.2012.2230553. ISSN 0018-9200. S2CID 6686013.
  13. ↑ 13.0 13.1 Brandli, C.; Berner, R.; Yang, M.; Liu, S.; Delbruck, T. (October 2014). "A 240 × 180 130 dB 3 µs Latency Global Shutter Spatiotemporal Vision Sensor". IEEE Journal of Solid-State Circuits. 49 (10): 2333–2341. Bibcode:2014IJSSC..49.2333B. doi:10.1109/JSSC.2014.2342715. ISSN 0018-9200.
  14. ↑ Taverni, Gemma; Paul Moeys, Diederik; Li, Chenghan; Cavaco, Celso; Motsnyi, Vasyl; San Segundo Bello, David; Delbruck, Tobi (May 2018). "Front and Back Illuminated Dynamic and Active Pixel Vision Sensors Comparison" (PDF). IEEE Transactions on Circuits and Systems II: Express Briefs. 65 (5): 677–681. doi:10.1109/TCSII.2018.2824899. ISSN 1549-7747. S2CID 19091270.
  15. ↑ "Inivation Specifications - Current models" (PDF).
  16. ↑ "Insightness – Sight for your device". Retrieved 2019-04-22.
  17. ↑ "Metavision® Packaged Sensor". PROPHESEE (in English). Retrieved 2022-04-14.
  18. ↑ "Event Based Vision Camera - Century Arks". Retrieved 2021-08-30.
  19. ↑ "IMAGO I PROPHESEE first industrial grade event-based vision system". PROPHESEE (in English). 2019-02-14. Retrieved 2022-04-14.
  20. ↑ Son, Bongki; Suh, Yunjae; Kim, Sungho; Jung, Heejae; Kim, Jun-Seok; Shin, Changwoo; Park, Keunju; Lee, Kyoobin; Park, Jinman (February 2017). "4.1 A 640×480 dynamic vision sensor with a 9µm pixel and 300Meps address-event representation". 2017 IEEE International Solid-State Circuits Conference (ISSCC). San Francisco, CA, USA: IEEE. pp. 66–67. doi:10.1109/ISSCC.2017.7870263. ISBN 9781509037582. S2CID 19371922.
  21. ↑ Chen, Shoushun; Tang, Wei; Zhang, Xiangyu; Culurciello, Eugenio (December 2012). "A 64 $\times$ 64 Pixels UWB Wireless Temporal-Difference Digital Image Sensor". IEEE Transactions on Very Large Scale Integration (VLSI) Systems. 20 (12): 2232–2240. doi:10.1109/TVLSI.2011.2172470. ISSN 1063-8210. S2CID 5909607.
  22. ↑ "Sony to Release Two Types of Stacked Event-Based Vision Sensors with the Industry's Smallest 4.86μm Pixel Size for Detecting Subject Changes Only Delivering High-Speed, High-Precision Data Acquisition to Improve Industrial Equipment Productivity｜News Releases｜Sony Semiconductor Solutions Group". Sony Semiconductor Solutions Group (in 日本語). Retrieved 2021-10-28.
  23. ↑ "Event-Based Evaluation Kit 3 - VGA / HD". PROPHESEE (in English). Retrieved 2022-04-14.
  24. ↑ Staff, Embedded (2022-04-13). "Eval kit for Sony sensor featuring Prophesee event-based vision tech". Embedded.com (in English). Retrieved 2022-04-14.
  25. ↑ "Sony® Launches the new IMX636 and IMX637 Event-Based Vision Sensors". FRAMOS (in English). Retrieved 2022-05-17.
  26. ↑ Boahen, K. (1996). "रेटिनोमॉर्फिक दृष्टि प्रणाली". Proceedings of Fifth International Conference on Microelectronics for Neural Networks: 2–14. doi:10.1109/MNNFS.1996.493766. ISBN 0-8186-7373-7. S2CID 62609792.
  27. ↑ Posch, Christoph; Serrano-Gotarredona, Teresa; Linares-Barranco, Bernabe; Delbruck, Tobi (2014). "Retinomorphic Event-Based Vision Sensors: Bioinspired Cameras With Spiking Output". Proceedings of the IEEE. 102 (10): 1470–1484. doi:10.1109/JPROC.2014.2346153. hdl:11441/102353. ISSN 1558-2256. S2CID 11513955.
  28. ↑ Trujillo Herrera, Cinthya; Labram, John G. (2020-12-07). "एक पेरोसाइट रेटिनोमॉर्फिक सेंसर". Applied Physics Letters. 117 (23): 233501. Bibcode:2020ApPhL.117w3501T. doi:10.1063/5.0030097. ISSN 0003-6951. S2CID 230546095.
  29. ↑ Miyasaka, Tsutomu; Murakami, Takurou N. (2004-10-25). "The photocapacitor: An efficient self-charging capacitor for direct storage of solar energy". Applied Physics Letters. 85 (17): 3932–3934. Bibcode:2004ApPhL..85.3932M. doi:10.1063/1.1810630. ISSN 0003-6951.
  30. ↑ "Perovskite सेंसर मानव आँख की तरह अधिक देखता है". Physics World (in British English). 2021-01-18. Retrieved 2021-10-28.
  31. ↑ "साधारण आंखों की तरह सेंसर एआई सिस्टम को और अधिक कुशल बना सकते हैं". Inside Science (in English). Retrieved 2021-10-28.
  32. ↑ 32.0 32.1 Hambling, David. "एआई विजन को सेंसर से बेहतर बनाया जा सकता है जो मानव आंखों की नकल करता है". New Scientist (in English). Retrieved 2021-10-28.
  33. ↑ "An eye for an AI: Optic device mimics human retina". BBC Science Focus Magazine (in English). Retrieved 2021-10-28.
  34. ↑ Scheerlinck, Cedric; Barnes, Nick; Mahony, Robert (April 2019). "इवेंट कैमरों के लिए अतुल्यकालिक स्थानिक छवि संकल्प". IEEE Robotics and Automation Letters. 4 (2): 816–822. arXiv:1812.00438. doi:10.1109/LRA.2019.2893427. ISSN 2377-3766. S2CID 59619729.
  35. ↑ Scheerlinck, Cedric; Barnes, Nick; Mahony, Robert (2019). "इवेंट कैमरों का उपयोग करके निरंतर-समय की तीव्रता का अनुमान". Computer Vision – ACCV 2018. Lecture Notes in Computer Science (in English). Springer International Publishing. 11365: 308–324. arXiv:1811.00386. doi:10.1007/978-3-030-20873-8_20. ISBN 9783030208738. S2CID 53182986.
  36. ↑ Pan, Liyuan; Scheerlinck, Cedric; Yu, Xin; Hartley, Richard; Liu, Miaomiao; Dai, Yuchao (June 2019). "Bringing a Blurry Frame Alive at High Frame-Rate With an Event Camera". 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). Long Beach, CA, USA: IEEE. pp. 6813–6822. arXiv:1811.10180. doi:10.1109/CVPR.2019.00698. ISBN 978-1-7281-3293-8. S2CID 53749928.
  37. ↑ Serrano-Gotarredona, T.; Andreou, A.; Linares-Barranco, B. (Sep 1999). "विजन प्रोसेसिंग सिस्टम के लिए एईआर इमेज फिल्टरिंग आर्किटेक्चर". IEEE Transactions on Circuits and Systems I: Fundamental Theory and Applications. 46 (9): 1064–1071. doi:10.1109/81.788808. hdl:11441/76405. ISSN 1057-7122.
  38. ↑ Serrano-Gotarredona, R.; et, al (Sep 2009). "CAVIAR: A 45k-Neuron, 5M-Synapse, 12G-connects/sec AER Hardware Sensory-Processing-Learning-Actuating System for High Speed Visual Object Recognition and Tracking". IEEE Transactions on Neural Networks. 20 (9): 1417–1438. doi:10.1109/TNN.2009.2023653. hdl:10261/86527. ISSN 1045-9227. PMID 19635693. S2CID 6537174.
  39. ↑ Serrano-Gotarredona, R.; Serrano-Gotarredona, T.; Acosta-Jimenez, A.; Linares-Barranco, B. (Dec 2006). "स्पाइक-आधारित इवेंट प्रोसेसिंग विजन सिस्टम के लिए एक न्यूरोमॉर्फिक कॉर्टिकल-लेयर माइक्रोचिप". IEEE Transactions on Circuits and Systems I: Regular Papers. 53 (12): 2548–2566. doi:10.1109/TCSI.2006.883843. hdl:10261/7823. ISSN 1549-8328. S2CID 8287877.
  40. ↑ Camuñas-Mesa, L.; et, al (Feb 2012). "इवेंट-ड्रिवेन विजन सेंसर के लिए एक इवेंट-ड्रिवेन मल्टी-कर्नेल कनवॉल्यूशन प्रोसेसर मॉड्यूल". IEEE Journal of Solid-State Circuits. 47 (2): 504–517. Bibcode:2012IJSSC..47..504C. doi:10.1109/JSSC.2011.2167409. hdl:11441/93004. ISSN 0018-9200. S2CID 23238741.
  41. ↑ Pérez-Carrasco, J.A.; Zhao, B.; Serrano, C.; Acha, B.; Serrano-Gotarredona, T.; Chen, S.; Linares-Barranco, B. (November 2013). "लो-रेट रेट-कोडिंग और कॉन्सीडेंस प्रोसेसिंग द्वारा फ्रेम-ड्रिवेन से फ्रेम-फ्री इवेंट-ड्रिवेन विजन सिस्टम में मैपिंग। फीड-फॉरवर्ड कन्वनेट के लिए आवेदन". IEEE Transactions on Pattern Analysis and Machine Intelligence. 35 (11): 2706–2719. doi:10.1109/TPAMI.2013.71. hdl:11441/79657. ISSN 0162-8828. PMID 24051730. S2CID 170040.
  42. ↑ 42.0 42.1 Gallego, Guillermo; Delbruck, Tobi; Orchard, Garrick Michael; Bartolozzi, Chiara; Taba, Brian; Censi, Andrea; Leutenegger, Stefan; Davison, Andrew; Conradt, Jorg; Daniilidis, Kostas; Scaramuzza, Davide (2020). "Event-based Vision: A Survey". IEEE Transactions on Pattern Analysis and Machine Intelligence. PP (1): 154–180. arXiv:1904.08405. doi:10.1109/TPAMI.2020.3008413. ISSN 1939-3539. PMID 32750812. S2CID 234740723.
  43. ↑ 43.0 43.1 Mondal, Anindya; R, Shashant; Giraldo, Jhony H.; Bouwmans, Thierry; Chowdhury, Ananda S. (2021). "ग्राफ़ स्पेक्ट्रल क्लस्टरिंग का उपयोग करके इवेंट-आधारित विज़न के लिए मूविंग ऑब्जेक्ट डिटेक्शन". International Conference on Computer Vision (ICCV) Workshops (in English): 876–884. arXiv:2109.14979. doi:10.1109/ICCVW54120.2021.00103. ISBN 978-1-6654-0191-3. S2CID 238227007 – via IEEE Xplore.
  44. ↑ Mitrokhin, Anton; Fermuller, Cornelia; Parameshwara, Chethan; Aloimonos, Yiannis (October 2018). "इवेंट-आधारित मूविंग ऑब्जेक्ट डिटेक्शन एंड ट्रैकिंग". 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Madrid: IEEE: 1–9. arXiv:1803.04523. doi:10.1109/IROS.2018.8593805. ISBN 978-1-5386-8094-0. S2CID 3845250.
  45. ↑ Stoffregen, Timo; Gallego, Guillermo; Drummond, Tom; Kleeman, Lindsay; Scaramuzza, Davide (2019). "Event-Based Motion Segmentation by Motion Compensation". 2019 IEEE/CVF International Conference on Computer Vision (ICCV). pp. 7244–7253. arXiv:1904.01293. doi:10.1109/ICCV.2019.00734. ISBN 978-1-7281-4803-8. S2CID 91183976.
  46. ↑ Piątkowska, Ewa; Belbachir, Ahmed Nabil; Schraml, Stephan; Gelautz, Margrit (June 2012). "डायनेमिक विजन सेंसर का उपयोग करके स्पोटियोटेम्पोरल मल्टीपल पर्सन ट्रैकिंग". 2012 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops: 35–40. doi:10.1109/CVPRW.2012.6238892. ISBN 978-1-4673-1612-5. S2CID 310741.
  47. ↑ Chen, Guang; Cao, Hu; Aafaque, Muhammad; Chen, Jieneng; Ye, Canbo; Röhrbein, Florian; Conradt, Jörg; Chen, Kai; Bing, Zhenshan; Liu, Xingbo; Hinz, Gereon (2018-12-02). "इंटेलिजेंट ट्रांसपोर्टेशन सिस्टम के लिए न्यूरोमॉर्फिक विजन आधारित मल्टीव्हीकल डिटेक्शन एंड ट्रैकिंग". Journal of Advanced Transportation (in English). 2018: e4815383. doi:10.1155/2018/4815383. ISSN 0197-6729.
  48. ↑ Mondal, Anindya; Das, Mayukhmali (2021-11-08). "Moving Object Detection for Event-based Vision using k-means Clustering". 2021 IEEE 8th Uttar Pradesh Section International Conference on Electrical, Electronics and Computer Engineering (UPCON). pp. 1–6. arXiv:2109.01879. doi:10.1109/UPCON52273.2021.9667636. ISBN 978-1-6654-0962-9. S2CID 237420620.
Retrieved from ‘https://www.vigyanwiki.in/index.php?title=इवेंट_कैमरा&oldid=172173’