كاميرات الفعاليات

الموسوعة الحرة
كاميرا حدث من نوع Prophesee.
كاميرا حدث من نوع Prophesee.

كاميرا الأحداث ، والمعروفة أيضًا بالكاميرا العصبية الشكلية ، [ 1 ] أو شبكية السيليكون ، [ 2 ] أو مستشعر الرؤية الديناميكي ، [ 3 ] هي مستشعر تصوير يستجيب للتغيرات الموضعية في السطوع. لا تستخدم كاميرات الأحداث غالقًا لالتقاط الصور كما تفعل الكاميرات التقليدية (الإطارية) . بدلًا من ذلك، يعمل كل بكسل داخل كاميرا الأحداث بشكل مستقل وغير متزامن، حيث يُبلغ عن تغيرات السطوع فور حدوثها، ويبقى صامتًا في غير ذلك.

الوصف الوظيفي

تستجيب وحدات البكسل في كاميرات الأحداث بشكل مستقل لتغيرات السطوع فور حدوثها. [ 4 ] يخزن كل بكسل مستوى سطوع مرجعيًا، ويقارنه باستمرار بمستوى السطوع الحالي. إذا تجاوز الفرق في السطوع عتبة معينة، يعيد البكسل ضبط مستوى سطوعه المرجعي ويُنشئ حدثًا: حزمة منفصلة تحتوي على عنوان البكسل والطابع الزمني. قد تحتوي الأحداث أيضًا على قطبية (زيادة أو نقصان) تغير السطوع، أو قياسًا فوريًا لمستوى الإضاءة، [ 5 ] وذلك حسب طراز المستشعر. وبالتالي، تُخرج كاميرات الأحداث دفقًا غير متزامن من الأحداث التي تُفعَّل بتغيرات إضاءة المشهد.

مقارنة البيانات التي تنتجها كاميرا الأحداث وكاميرا تقليدية.

تُسجّل كاميرات الأحداث عادةً طوابع زمنية بدقة زمنية تصل إلى ميكروثانية ، ونطاق ديناميكي  يبلغ 120 ديسيبل ، مع تقليل التشويش الناتج عن نقص أو زيادة الإضاءة وضبابية الحركة [ 4 ] [ 6 ] مقارنةً بكاميرات الإطار. وهذا يُتيح لها تتبّع حركة الأجسام والكاميرا ( التدفق البصري ) بدقة أكبر. كما تُوفّر معلومات بتدرج الرمادي. في البداية (2014)، كانت الدقة محدودة بـ 100 بكسل. ووصلت دقة إصدار لاحق إلى 640×480 بكسل في عام 2019. ونظرًا لأن كل بكسل يعمل بشكل مستقل، تبدو كاميرات الأحداث مناسبة للتكامل مع بنى الحوسبة غير المتزامنة مثل الحوسبة العصبية . ويُتيح استقلال البكسل لهذه الكاميرات التعامل مع المشاهد ذات المناطق المضيئة والخافتة دون الحاجة إلى حساب المتوسط ​​بينها. [ 7 ] وبينما تُسجّل الكاميرا الأحداث بدقة ميكروثانية، فإن الدقة الزمنية الفعلية (أو عرض النطاق الترددي للاستشعار) تتراوح بين عشرات الميكروثواني وبضع ميلي ثوانٍ، وذلك اعتمادًا على تباين الإشارة وظروف الإضاءة وتصميم المستشعر. [ 8 ]

الخصائص النموذجية لمستشعر الصور
مستشعرمتحرك

المدى (ديسيبل)

مقابل

معدل الإطارات (fps)

مكاني

الدقة (ميغابايت)

العين البشرية30-40200-300*-
كاميرا DSLR عالية الجودة ( Nikon D850 )44.6 [ 9 ]1202-8
كاميرا فائقة السرعة (Phantom v2640) [ 10 ]64125000.3–4
كاميرا الحدث [ 11 ]12050,000 – 300,000**0.1–1

* يشير إلى الدقة الزمنية للإدراك البشري، بما في ذلك وقت المعالجة المعرفية. ** يشير إلى معدلات التعرف على التغيير، ويختلف باختلاف الإشارة ونموذج المستشعر.

الأنواع

تُنتج مستشعرات التباين الزمني (مثل مستشعر الرؤية الديناميكي DVS [ 4 ] أو مستشعر الرؤية الديناميكي الحساس sDVS [ 12 ] ) أحداثًا تُشير إلى القطبية (زيادة أو نقصان في السطوع)، بينما تُشير مستشعرات الصور الزمنية [ 5 ] إلى الشدة اللحظية مع كل حدث. يحتوي مستشعر DAVIS [ 13 ] (مستشعر الرؤية الديناميكي والبكسل النشط) على مستشعر بكسل نشط ذي غالق عالمي (APS) بالإضافة إلى مستشعر الرؤية الديناميكي (DVS) الذي يشترك معه في نفس مصفوفة مستشعرات الصور . وبالتالي، فهو قادر على إنتاج إطارات صور بالتزامن مع الأحداث. يُضيف مستشعر الرؤية الديناميكي المحيطي المركزي CSDVS (مستشعر الرؤية الديناميكي المحيطي المركزي) شبكة محيطية مركزية مقاومة لربط بكسلات DVS المتجاورة. [ 14 ] [ 15 ] تُطبّق هذه الشبكة المحيطية المركزية مرشح تمرير عالي مكاني لتقليل التكرار في الإخراج. تحمل العديد من كاميرات الأحداث أيضًا وحدة قياس بالقصور الذاتي (IMU).

المستشعرات الشبكية

على اليسار: رسم تخطيطي مقطعي لمكثف حساس للضوء. في المنتصف: مخطط دائرة مستشعر شبكي ، مع المكثف الحساس للضوء في الأعلى. على اليمين: الاستجابة العابرة المتوقعة للمستشعر الشبكي عند تطبيق إضاءة ثابتة.

تُعرف فئة أخرى من مستشعرات الأحداث باسم المستشعرات الشبكية . مع أن مصطلح "شبكي" استُخدم لوصف مستشعرات الأحداث عمومًا، [ 16 ] [ 17 ] فقد اعتُمد في عام 2020 كاسم لتصميم مستشعر محدد يعتمد على مقاومة ومكثف حساس للضوء موصولين على التوالي. [ 18 ] تختلف هذه المكثفات عن المكثفات الضوئية ، المستخدمة لتخزين الطاقة الشمسية ، [ 19 ] فهي مصممة لتغيير سعتها عند تعرضها للإضاءة. تُشحن هذه المكثفات (أو تُفرغ) شحنتها قليلًا عند تغير سعتها، ولكنها تبقى في حالة اتزان في غير ذلك. عند توصيل مكثف حساس للضوء على التوالي مع مقاومة ، وتطبيق جهد دخل عبر الدائرة، ينتج عن ذلك مستشعر يُخرج جهدًا عند تغير شدة الضوء، ولكنه لا يُخرج أي جهد في غير ذلك.

بخلاف مستشعرات الأحداث الأخرى (التي تتكون عادةً من ثنائي ضوئي وبعض عناصر الدائرة الأخرى)، تُنتج هذه المستشعرات الإشارة بشكلٍ ذاتي. ولذلك، يُمكن اعتبارها جهازًا واحدًا يُنتج نفس نتيجة الدائرة الصغيرة الموجودة في كاميرات الأحداث الأخرى. وقد اقتصرت الدراسات على مستشعرات الشبكية حتى الآن على الأبحاث فقط. [ 20 ] [ 21 ] [ 22 ] [ 23 ]

الخوارزميات

إعادة بناء العرض الليلي
يركض أحد المشاة أمام أضواء سيارة ليلاً. على اليسار: صورة ملتقطة بكاميرا عادية، تظهر ضبابية حركة شديدة ونقصًا في الإضاءة. على اليمين: صورة مُعاد بناؤها بدمج الصورة اليسرى مع أحداث من كاميرا تصوير الأحداث. [ 24 ]

إعادة بناء الصورة

تتمتع عملية إعادة بناء الصور من الأحداث بإمكانية إنشاء صور وفيديوهات ذات نطاق ديناميكي عالٍ، ودقة زمنية عالية، وتقليل تشويش الحركة. ويمكن تحقيق إعادة بناء الصور باستخدام التنعيم الزمني، مثل مرشح التمرير العالي أو المرشح التكميلي. [ 24 ] تشمل الطرق البديلة التحسين [ 25 ] وتقدير التدرج [ 26 ] متبوعًا بتكامل بواسون . وقد ثبت أيضًا أنه يمكن استعادة صورة مشهد ثابت من أحداث الضوضاء بمجرد تحليل ارتباطها بسطوع المشهد. [ 27 ]

الالتفافات المكانية

طُرح مفهوم الالتفاف المكاني المُوجَّه بالأحداث عام ١٩٩٩ [ ٢٨ ] (قبل نظام DVS)، ثم عُمِّم لاحقًا خلال مشروع CAVIAR التابع للاتحاد الأوروبي [ ٢٩ ] (الذي شهد ابتكار نظام DVS) من خلال إسقاط نواة التفاف عشوائية حول إحداثيات الحدث في مصفوفة من وحدات البكسل المُدمجة والمُطلقة، حدثًا تلو الآخر . [ ٣٠ ] يسمح التوسع ليشمل الالتفافات متعددة النوى المُوجَّهة بالأحداث [ ٣١ ] بإنشاء شبكات عصبية التفافية عميقة مُوجَّهة بالأحداث . [ ٣٢ ]

كشف الحركة وتتبعها

قد يبدو تجزئة الأجسام المتحركة واكتشافها، التي ترصدها كاميرا الأحداث، مهمةً بسيطة، إذ يقوم بها المستشعر المدمج في الشريحة. إلا أن هذه المهام صعبة، لأن الأحداث لا تحمل سوى معلومات قليلة [ 33 ] ولا تحتوي على خصائص بصرية مفيدة كالملمس واللون. [ 34 ] وتزداد هذه المهام صعوبةً مع الكاميرا المتحركة، [ 33 ] لأن الأحداث تُفعَّل في كل مكان على مستوى الصورة، نتيجةً للأجسام المتحركة والمشهد الثابت (الذي تُحْدَث حركته الظاهرية بحركة الكاميرا الذاتية). تتضمن بعض الأساليب الحديثة لحل هذه المشكلة دمج نماذج تعويض الحركة [ 35 ] [ 36 ] وخوارزميات التجميع التقليدية . [ 37 ] [ 38 ] [ 34 ] [ 39 ]

التطبيقات المحتملة

تشمل التطبيقات المحتملة معظم المهام التي تناسب الكاميرات التقليدية، مع التركيز على مهام الرؤية الآلية (مثل التعرف على الأشياء، والمركبات ذاتية القيادة، والروبوتات. [ 22 ] ). يدرس الجيش الأمريكي استخدام كاميرات الأشعة تحت الحمراء وغيرها من كاميرات الأحداث نظرًا لانخفاض استهلاكها للطاقة وانخفاض توليدها للحرارة. [ 7 ]

بالنظر إلى المزايا التي تتمتع بها كاميرات الأحداث، مقارنةً بمستشعرات الصور التقليدية، تُعتبر مناسبةً للتطبيقات التي تتطلب استهلاكًا منخفضًا للطاقة وزمن استجابة قصيرًا، والتي يصعب فيها تثبيت خط رؤية الكاميرا. تشمل هذه التطبيقات الأنظمة المستقلة المذكورة سابقًا، بالإضافة إلى التصوير الفضائي، والأمن، والدفاع، والمراقبة الصناعية. لا تزال الأبحاث جارية حول استشعار الألوان باستخدام كاميرات الأحداث [ 40 ] ، ولكنها لم تُصبح بعدُ ملائمةً للاستخدام في التطبيقات التي تتطلب استشعار الألوان.

انظر أيضاً

مراجع

  1. ↑ لي، هونغمين؛ ليو، هانتشاو؛ جي، شيانغيانغ؛ لي، غوتشي؛ شي، لوبينغ (2017). "CIFAR10-DVS: مجموعة بيانات تدفق الأحداث لتصنيف الكائنات" . مجلة فرونتيرز في علم الأعصاب . 11 309. doi : 10.3389/fnins.2017.00309 . ISSN 1662-453X . PMC 5447775. PMID 28611582 .   
  2. ↑ سرمادي، حامد؛ مونوز-ساليناس، رافائيل؛ أوليفاريس-مينديز، ميغيل أ.؛ ميدينا-كارنيسر، رافائيل (2021). " الكشف عن علامات مرجعية مربعة ثنائية باستخدام كاميرا الأحداث" . IEEE Access . 9 : 27813-27826 . arXiv : 2012.06516 . Bibcode : 2021IEEEA...927813S . doi : 10.1109/ACCESS.2021.3058423 . ISSN 2169-3536 . S2CID 228375825 .  
  3. ↑ ليو، مين؛ ديلبروك، توبي (مايو 2017). "تدفق بصري لمطابقة الكتل لأجهزة استشعار الرؤية الديناميكية: الخوارزمية والتنفيذ على FPGA". ندوة IEEE الدولية للدوائر والأنظمة (ISCAS) لعام 2017. الصفحات 1-4 . arXiv : 1706.05415 . doi : 10.1109/ISCAS.2017.8050295 . ISBN  978-1-4673-6853-7. S2CID 2283149 . 
  4. 1 2 3 ليشتشتاينر، ب.؛ بوش، س.؛ ديلبروك، ت. (فبراير 2008). "مستشعر رؤية غير متزامن للتباين الزمني بدقة 128×128 وحساسية 120 ديسيبل وزمن استجابة 15 ميكروثانية" (ملف PDF) . مجلة IEEE للدوائر المتكاملة . 43 (2): 566-576 . رمز Bibcode : 2008IJSSC..43..566L . doi : 10.1109/JSSC.2007.914337 . ISSN 0018-9200 . S2CID 6119048. مؤرشف من النسخة الأصلية (PDF) بتاريخ 2021-05-03 . تم الاطلاع عليه بتاريخ 2019-12-06 .  
  5. 1 2 بوش، سي.؛ ماتولين، د.؛ وولغينانت، ر. (يناير 2011). "مستشعر صور QVGA بنطاق ديناميكي 143 ديسيبل بتقنية PWM بدون إطارات مع ضغط فيديو على مستوى البكسل بدون فقدان للبيانات وCDS في المجال الزمني". مجلة IEEE للدوائر المتكاملة . 46 (1): 259-275 . Bibcode : 2011IJSSC..46..259P . doi : 10.1109/JSSC.2010.2085952 . ISSN 0018-9200 . S2CID 21317717 .  
  6. ↑ لونغينوتي، لوكا. "مواصفات المنتج" . iniVation . مؤرشف من الأصل بتاريخ 2019-04-02 . تم الاسترجاع بتاريخ 2019-04-21 .
  7. 1 2 "نوع جديد من الكاميرات" . مجلة الإيكونوميست . 29 يناير 2022. الرقم الدولي الموحد للدوريات 0013-0613 . تاريخ الاسترجاع: 2 فبراير 2022 . 
  8. ↑ هو، يوهوانغ؛ ليو، شيه-تشي؛ ديلبروك، توبي (19-04-2021). "v2e: من إطارات الفيديو إلى أحداث DVS واقعية". arXiv : 2006.07722 [ cs.CV ].
  9. ↑ DxO. "Nikon D850: الاختبارات والمراجعات | DxOMark" . www.dxomark.com . تاريخ الاسترجاع: 22 أبريل 2019 .
  10. ↑ "Phantom v2640" . www.phantomhighspeed.com . تم الاطلاع عليه بتاريخ 22-04-2019 .
  11. ↑ لونغينوتي، لوكا. "مواصفات المنتج" . iniVation . مؤرشف من الأصل بتاريخ 2019-04-02 . تم الاسترجاع بتاريخ 2019-04-22 .
  12. ↑ سيرانو-غوتاريدونا، ت.؛ ليناريس-بارانكو، ب. (مارس 2013). "مستشعر رؤية ديناميكي غير متزامن بدون إطار، بدقة 128×128، وحساسية تباين 1.5%، ونسبة تشويش FPN 0.9%، وزمن استجابة 3 ميكروثانية، واستهلاك طاقة 4 ميلي واط، باستخدام مضخمات مقاومة التحويل" ( ملف PDF) . مجلة IEEE للدوائر المتكاملة . 48 (3): 827-838 . Bibcode : 2013IJSSC..48..827S . doi : 10.1109/JSSC.2012.2230553 . ISSN 0018-9200 . S2CID 6686013 .  
  13. ^ براندلي، سي. بيرنر، ر. يانغ، م. ليو، س. ديلبروك، ت. (أكتوبر 2014). "مستشعر الرؤية المكانية الزمانية 240 × 180 130 ديسيبل 3 ميكروثانية" . مجلة IEEE لدوائر الحالة الصلبة . 49 (10): 2333–2341 . بيب كود : 2014IJSSC..49.2333B . دوى : 10.1109/JSSC.2014.2342715 . ISSN 0018-9200 . 
  14. ↑ ديلبروك، توبي؛ لي، تشنغهان؛ غراسا، روي؛ ماكرينولدز، برايان (أكتوبر 2022). "جدوى وفائدة كاميرا الأحداث المركزية المحيطية". المؤتمر الدولي لمعالجة الصور IEEE لعام 2022 (ICIP) . الصفحات 381-385 . doi : 10.1109/ICIP46576.2022.9897354 . ISBN  978-1-6654-9620-9.
  15. ↑ دي جيرولامو، أرتورو؛ ميتزنر، كريستيان؛ أورهان، أوزكان (مايو 2025). "مستشعر خطي قائم على الأحداث مع محيط مركزي معادٍ قابل للتكوين". ندوة IEEE الدولية للدوائر والأنظمة (ISCAS) لعام 2025. الصفحات 1-5 . doi : 10.1109/ISCAS56072.2025.11043186 . ISBN  979-8-3503-5683-0.
  16. ↑ بواهين، ك. (1996). "أنظمة الرؤية الشبكية". وقائع المؤتمر الدولي الخامس للإلكترونيات الدقيقة للشبكات العصبية . ص 2-14 . doi : 10.1109/MNNFS.1996.493766 . ISBN  0-8186-7373-7. S2CID 62609792 . 
  17. ↑ بوش، كريستوف؛ سيرانو-غوتاريدونا، تيريزا؛ ليناريس-بارانكو، برنابي؛ ديلبروك، توبي (2014). "مستشعرات رؤية قائمة على الأحداث ذات شكل شبكي: كاميرات مستوحاة من الطبيعة ذات خرج نبضي". وقائع معهد مهندسي الكهرباء والإلكترونيات . 102 (10): 1470-1484 . doi : 10.1109/JPROC.2014.2346153 . hdl : 11441/102353 . ISSN 1558-2256 . S2CID 11513955 .  
  18. ↑ تروخيو هيريرا، سينثيا؛ لابرام، جون ج. (2020-12-07). "مستشعر شبكي من البيروفسكايت" . رسائل الفيزياء التطبيقية . 117 (23): 233501. Bibcode : 2020ApPhL.117w3501T . doi : 10.1063/5.0030097 . ISSN 0003-6951 . S2CID 230546095 .  
  19. ↑ مياساكا، تسوتومو؛ موراكامي، تاكورو ن. (25-10-2004). "المكثف الضوئي: مكثف فعال ذاتي الشحن لتخزين الطاقة الشمسية مباشرةً" . رسائل الفيزياء التطبيقية . 85 (17): 3932-3934 . Bibcode : 2004ApPhL..85.3932M . doi : 10.1063/1.1810630 . ISSN 0003-6951 . 
  20. ↑ "مستشعر البيروفسكايت يرى بشكل أقرب إلى العين البشرية" . عالم الفيزياء . 18 يناير 2021. تاريخ الاسترجاع: 28 أكتوبر 2021 .
  21. ↑ "مستشعرات بسيطة تشبه العين قد تجعل أنظمة الذكاء الاصطناعي أكثر كفاءة" . موقع Inside Science . 8 ديسمبر 2020. تاريخ الاطلاع: 28 أكتوبر 2021 .
  22. 1 2 هامبلينغ، ديفيد. "يمكن تحسين رؤية الذكاء الاصطناعي باستخدام أجهزة استشعار تحاكي عيون الإنسان" . مجلة نيو ساينتست . تم الاطلاع عليه بتاريخ 28 أكتوبر 2021 .
  23. ↑ "عين للذكاء الاصطناعي: جهاز بصري يحاكي شبكية العين البشرية" . مجلة بي بي سي ساينس فوكس . 10 ديسمبر 2020. تاريخ الاطلاع: 28 أكتوبر 2021 .
  24. شيرلينك ، سيدريك ؛ بارنز، نيك؛ ماهوني، روبرت (2019). "تقدير شدة الإضاءة في الزمن المستمر باستخدام كاميرات الأحداث". رؤية الحاسوب - ACCV 2018. سلسلة محاضرات في علوم الحاسوب. المجلد 11365. دار نشر سبرينغر الدولية. الصفحات 308-324 . arXiv : 1811.00386 . doi : 10.1007/978-3-030-20873-8_20 . ISBN   978-3-030-20873-8. S2CID 53182986 . 
  25. ↑ بان، ليوان؛ شيرلينك، سيدريك؛ يو، شين؛ هارتلي، ريتشارد؛ ليو، مياومياو؛ داي، يوتشاو (يونيو 2019). "إضفاء الحيوية على إطار ضبابي بمعدل إطارات عالٍ باستخدام كاميرا الأحداث". مؤتمر IEEE/CVF لعام 2019 حول رؤية الحاسوب والتعرف على الأنماط (CVPR) . لونغ بيتش، كاليفورنيا، الولايات المتحدة الأمريكية: IEEE. الصفحات 6813-6822 . arXiv : 1811.10180 . doi : 10.1109/CVPR.2019.00698 . ISBN  978-1-7281-3293-8. S2CID 53749928 . 
  26. ↑ شيرلينك، سيدريك؛ بارنز، نيك؛ ماهوني، روبرت (أبريل 2019). "الالتفافات المكانية غير المتزامنة للصور لكاميرات الأحداث". رسائل IEEE في مجال الروبوتات والأتمتة . 4 (2): 816-822 . arXiv : 1812.00438 . Bibcode : 2019IRAL....4..816S . doi : 10.1109/LRA.2019.2893427 . ISSN 2377-3766 . S2CID 59619729 .  
  27. ↑ كاو، رويمينغ؛ غالور، ديكل؛ كوهلي، أميت؛ ييتس، جاكوب ل.؛ والر، لورا (20 يناير 2025). "Noise2Image: استعادة المشاهد الثابتة مع تمكين الضوضاء لكاميرات الأحداث". أوبتيكا . 12 (1): 46. arXiv : 2404.01298 . Bibcode : 2025Optic..12...46C . doi : 10.1364/OPTICA.538916 .
  28. ↑ سيرانو-غوتاريدونا، ت.؛ أندريو، أ.؛ ليناريس-بارانكو، ب. (سبتمبر 1999). "معمارية ترشيح الصور AER لأنظمة معالجة الرؤية". معاملات IEEE في الدوائر والأنظمة I: النظرية الأساسية والتطبيقات . 46 (9): 1064-1071 . doi : 10.1109/81.788808 . hdl : 11441/76405 . ISSN 1057-7122 . 
  29. ↑ سيرانو-غوتاريدونا، ر.؛ وآخرون (سبتمبر 2009). "كافيار: نظام معالجة حسية-تعلم-تفعيل مكون من 45 ألف عصبون، و5 ملايين مشبك عصبي، و12 جيجا اتصال/ثانية، يعتمد على أجهزة AER، من أجل التعرف على الأجسام المرئية وتتبعها بسرعة عالية". معاملات IEEE في الشبكات العصبية . 20 (9): 1417-1438 . Bibcode : 2009ITNN...20.1417S . doi : 10.1109/TNN.2009.2023653 . hdl : 10261/86527 . ISSN 1045-9227 . PMID 19635693. S2CID 6537174 .   
  30. ↑ سيرانو-غوتاريدونا، ر.؛ سيرانو-غوتاريدونا، ت.؛ أكوستا-خيمينيز، أ.؛ ليناريس-بارانكو، ب. (ديسمبر 2006). "شريحة دقيقة عصبية الشكل للطبقة القشرية لأنظمة الرؤية لمعالجة الأحداث القائمة على النبضات". معاملات IEEE في الدوائر والأنظمة I: أوراق بحثية منتظمة . 53 (12): 2548-2566 . Bibcode : 2006ITCSR..53.2548S . doi : 10.1109/TCSI.2006.883843 . hdl : 10261/7823 . ISSN 1549-8328 . S2CID 8287877 .  
  31. ↑ كامونياس ميسا، إل. وآخرون، آل (فبراير 2012). “وحدة معالج الالتواء متعدد النواة المستندة إلى الأحداث لأجهزة استشعار الرؤية المستندة إلى الأحداث”. مجلة IEEE لدوائر الحالة الصلبة . 47 (2): 504– 517. بيب كود : 2012IJSSC..47..504C . دوى : 10.1109/JSSC.2011.2167409 . اتش دي ال : 11441/93004 . ISSN 0018-9200 . S2CID 23238741 .  
  32. ↑ بيريز-كاراسكو، جيه إيه؛ تشاو، بي؛ سيرانو، سي؛ أتشا، بي؛ سيرانو-غوتاريدونا، تي؛ تشين، إس؛ ليناريس-بارانكو، بي (نوفمبر 2013). "التحويل من أنظمة الرؤية المعتمدة على الإطارات إلى أنظمة الرؤية المعتمدة على الأحداث الخالية من الإطارات باستخدام ترميز المعدل المنخفض ومعالجة التزامن. تطبيق على الشبكات العصبية الالتفافية ذات التغذية الأمامية" . معاملات IEEE في تحليل الأنماط والذكاء الآلي . 35 (11): 2706-2719 . Bibcode : 2013ITPAM..35.2706P . doi : 10.1109/TPAMI.2013.71 . hdl : 11441/79657 . ISSN 0162-8828 . PMID 24051730 . S2CID 170040 .   
  33. 1 2 جاليجو، غييرمو؛ ديلبروك، توبي. بستان، جاريك مايكل؛ بارتولوزي، كيارا؛ طابا، بريان؛ سينسي، أندريا؛ لوتينيجر، ستيفان؛ دافيسون، أندرو؛ كونرادت، يورج. دانييليديس، كوستاس؛ سكاراموزا، دافيد (2020). “الرؤية القائمة على الحدث: مسح”. معاملات IEEE بشأن تحليل الأنماط والذكاء الآلي . ص (١): ١٥٤–١٨٠ . أرخايف : 1904.08405 . دوى : 10.1109/TPAMI.2020.3008413 . ردمك 1939-3539 . بميد 32750812 . S2CID 234740723 .   
  34. 1 2 موندال، أنينديا؛ ر، شاشانت؛ جيرالدو، جوني هـ.؛ بوومانز، تييري؛ تشودري، أناندا س. (2021). "الكشف عن الأجسام المتحركة للرؤية القائمة على الأحداث باستخدام التجميع الطيفي للرسوم البيانية" . المؤتمر الدولي IEEE/CVF لورش عمل رؤية الحاسوب (ICCVW) لعام 2021. الصفحات 876-884 . arXiv : 2109.14979 . doi : 10.1109/ICCVW54120.2021.00103 . ISBN  978-1-6654-0191-3. S2CID 238227007 – عبر IEEE Xplore. 
  35. ↑ ميتروخين، أنطون؛ فيرمولر، كورنيليا؛ باراميشوارا، شيثان؛ ألويمونوس، يانيس (أكتوبر 2018). "الكشف عن الأجسام المتحركة وتتبعها بناءً على الأحداث". المؤتمر الدولي IEEE/RSJ للروبوتات والأنظمة الذكية (IROS) لعام 2018. مدريد: IEEE. الصفحات 1-9 . arXiv : 1803.04523 . doi : 10.1109/IROS.2018.8593805 . ISBN  978-1-5386-8094-0. S2CID 3845250 . 
  36. ↑ ستوفريجن، تيمو؛ جاليجو، غييرمو؛ دروموند، توم؛ كليمان، ليندسي؛ سكاراموزا، دافيد (2019). "تجزئة الحركة القائمة على الأحداث من خلال تعويض الحركة" . المؤتمر الدولي IEEE/CVF للرؤية الحاسوبية (ICCV) لعام 2019. الصفحات 7244-7253 . arXiv : 1904.01293 . doi : 10.1109/ICCV.2019.00734 . ISBN  978-1-7281-4803-8. S2CID 91183976 . 
  37. ↑ بياتكوفسكا، إيفا؛ بلباشير، أحمد نبيل؛ شرامل، ستيفان؛ جيلاوتز، مارغريت (يونيو 2012). "تتبع الأشخاص المتعددين مكانيًا وزمانيًا باستخدام مستشعر الرؤية الديناميكي". مؤتمر جمعية مهندسي الكهرباء والإلكترونيات (IEEE) لعام 2012 حول ورش عمل رؤية الحاسوب والتعرف على الأنماط . الصفحات 35-40 . doi : 10.1109/CVPRW.2012.6238892 . ISBN  978-1-4673-1612-5. S2CID 310741 . 
  38. ↑ تشين، غوانغ؛ كاو، هو؛ آفاق، محمد؛ تشين، جينينغ؛ يي، كانبو؛ روهرباين، فلوريان؛ كونرادت، يورغ؛ تشين، كاي؛ بينغ، تشنشان؛ ليو، شينغبو؛ هينز، جيريون (2018-12-02). "الكشف عن المركبات المتعددة وتتبعها باستخدام الرؤية العصبية لنظام النقل الذكي" . مجلة النقل المتقدم . 2018 e4815383. doi : 10.1155/2018/4815383 . ISSN 0197-6729 . 
  39. ↑ موندال، أنينديا؛ داس، مايوخمالي (2021-11-08). "الكشف عن الأجسام المتحركة للرؤية القائمة على الأحداث باستخدام تجميع k-means". المؤتمر الدولي الثامن لفرع ولاية أوتار براديش التابع لمعهد مهندسي الكهرباء والإلكترونيات (IEEE) لعام 2021 حول الهندسة الكهربائية والإلكترونية وهندسة الحاسوب (UPCON) . الصفحات 1-6 . arXiv : 2109.01879 . doi : 10.1109/UPCON52273.2021.9667636 . ISBN  978-1-6654-0962-9. S2CID 237420620 . 
  40. ↑ "CED: مجموعة بيانات كاميرا الأحداث الملونة" . rpg.ifi.uzh.ch. تم الاطلاع عليه بتاريخ 2024-04-08 .