神经形态视觉传感器可以识别移动物体并预测它们的路径

一种新的仿生传感器可以识别视频中单帧中的移动物体，并成功预测它们将移动到哪里。NatureCommunications论文中描述的这种智能传感器将成为一系列领域的宝贵工具，包括动态视觉传感、自动检测、工业过程控制、机器人引导和自动驾驶技术。

当前的运动检测系统需要许多组件和复杂的算法来进行逐帧分析，这使得它们效率低下且耗能大。受人类视觉系统的启发，阿尔托大学的研究人员开发了一种新的神经形态视觉技术，该技术将传感、记忆和处理集成在一个可以检测运动和预测轨迹的设备中。

他们技术的核心是一系列光敏电阻，这是一种响应光而产生电流的电子设备。当灯关闭时，电流不会立即停止。相反，它会逐渐衰减，这意味着光忆阻器可以有效地“记住”它们最近是否暴露在光线下。因此，由光敏电阻阵列制成的传感器不仅像照相机那样记录有关场景的瞬时信息，而且还包括对先前瞬间的动态记忆。

“我们技术的独特之处在于它能够将一系列光学图像整合到一个画面中，”领导这项研究的研究员HongweiTan解释道。“每幅图像的信息都作为隐藏信息嵌入到后续图像中。换句话说，视频中的最后一帧也包含有关所有先前帧的信息。这让我们可以通过仅分析最后一帧来更早地检测视频中的运动用一个简单的人工神经网络。结果是一个紧凑而高效的传感单元。”

为了演示这项技术，研究人员使用视频一次一个地显示单词的字母。因为所有的单词都以字母“E”结尾，所以所有视频的最后一帧看起来都很相似。传统的视觉传感器无法判断屏幕上的“E”是否出现在“APPLE”或“GRAPE”中的其他字母之后。但是光敏电阻阵列可以使用最后一帧中的隐藏信息来推断它之前有哪些字母，并以接近100%的准确率预测单词是什么。

在另一项测试中，该团队展示了一个模拟人以三种不同速度移动的传感器视频。该系统不仅能够通过分析单个帧来识别运动，而且还能正确预测下一帧。

准确检测运动并预测物体的位置对于自动驾驶技术和智能交通至关重要。自动驾驶汽车需要准确预测汽车、自行车、行人和其他物体的移动方式，以指导他们做出决定。通过在光敏电阻阵列中添加机器学习系统，研究人员表明他们的集成系统可以基于全信息帧的传感器内处理来预测未来的运动。

SebastiaanvanDijken教授说：“通过我们的紧凑型传感器内存和计算解决方案进行的运动识别和预测为自主机器人和人机交互提供了新的机会。”“我们使用光敏电阻在系统中获得的帧内信息避免了冗余数据流，从而实现了实时的节能决策。”