本發(fā)明涉及一種類腦計(jì)算驅(qū)動的視覺信息即時(shí)解析方法及系統(tǒng)，屬于人工智能領(lǐng)域。

背景技術(shù)：

1、在當(dāng)今數(shù)字化時(shí)代，視覺信息處理在眾多領(lǐng)域中扮演著極為關(guān)鍵的角色，如安防監(jiān)控、自動駕駛、醫(yī)療影像分析以及智能機(jī)器人等。隨著信息技術(shù)的飛速發(fā)展，對視覺信息處理的速度和準(zhǔn)確性提出了更高的要求。

2、傳統(tǒng)的視覺信息解析方法通?；诠潭ǖ乃惴Ｐ秃陀邢薜挠?jì)算資源，這使得在面對復(fù)雜多變的視覺場景時(shí)，表現(xiàn)出明顯的局限性，一方面，這些方法往往難以實(shí)時(shí)、高效地處理海量的視覺數(shù)據(jù)，導(dǎo)致信息解析存在較大的延遲，無法滿足對即時(shí)性要求極高的應(yīng)用場景，例如在自動駕駛中，車輛需要在極短時(shí)間內(nèi)對前方道路上的各種視覺信息做出準(zhǔn)確判斷，其延遲比較容易引發(fā)嚴(yán)重的安全問題；另一方面，傳統(tǒng)方法缺乏對視覺信息的深度理解和智能分析能力，無法自適應(yīng)地應(yīng)對場景中的不確定性和模糊性，例如在復(fù)雜的安防監(jiān)控環(huán)境下，面對光線變化、遮擋以及目標(biāo)物體的多樣性，難以精準(zhǔn)識別和解析目標(biāo)，導(dǎo)致誤判率較高，因此，需要一種基于類腦計(jì)算驅(qū)動的視覺信息即時(shí)解析方法，能夠借鑒大腦處理視覺信息的高效機(jī)制，以提升對視覺信息的智能解析效率。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種類腦計(jì)算驅(qū)動的視覺信息即時(shí)解析方法及系統(tǒng)，其主要目的在于提升對視覺信息的智能解析效率。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供的一種類腦計(jì)算驅(qū)動的視覺信息即時(shí)解析方法，包括：

3、獲取目標(biāo)視覺信息對應(yīng)的實(shí)時(shí)感知數(shù)據(jù)，并采集所述實(shí)時(shí)感知數(shù)據(jù)對應(yīng)的神經(jīng)脈沖信號，解析所述神經(jīng)脈沖信號對應(yīng)的信號感知曲線，根據(jù)所述信號感知曲線，構(gòu)建所述目標(biāo)視覺信息對應(yīng)的類腦計(jì)算網(wǎng)絡(luò)；

4、基于所述類腦計(jì)算網(wǎng)絡(luò)，識別所述目標(biāo)視覺信息中的視覺信息特征，基于所述視覺信息特征，分析預(yù)設(shè)類腦計(jì)算模型中的計(jì)算架構(gòu)，并查詢所述計(jì)算架構(gòu)中的神經(jīng)元映射關(guān)系，對所述神經(jīng)元映射關(guān)系進(jìn)行關(guān)系優(yōu)化，得到優(yōu)化映射網(wǎng)絡(luò)；

5、基于所述優(yōu)化映射網(wǎng)絡(luò)，分析所述目標(biāo)視覺信息對應(yīng)的信息解析路徑，基于所述信息解析路徑，確定所述目標(biāo)視覺信息中目標(biāo)數(shù)據(jù)的時(shí)序分布狀態(tài)，根據(jù)所述時(shí)序分布狀態(tài)，計(jì)算所述目標(biāo)視覺信息對應(yīng)的解析效率值；

6、基于所述解析效率值，確定所述目標(biāo)視覺信息對應(yīng)的解析優(yōu)化方向，基于所述解析優(yōu)化方向，生成所述目標(biāo)視覺信息對應(yīng)的即時(shí)解析策略，并提取所述解析策略中的關(guān)鍵執(zhí)行參數(shù)，基于所述關(guān)鍵執(zhí)行參數(shù)，計(jì)算所述目標(biāo)視覺信息對應(yīng)的解析衰減率；

7、基于所述解析衰減率，確定所述目標(biāo)視覺信息對應(yīng)的解析狀態(tài)，分析所述目標(biāo)視覺信息在所述解析狀態(tài)對應(yīng)下的解析維度，基于所述解析維度，構(gòu)建所述目標(biāo)視覺信息對應(yīng)的優(yōu)化解析方案。

8、可選地，所述根據(jù)所述信號感知曲線，構(gòu)建所述目標(biāo)視覺信息對應(yīng)的類腦計(jì)算網(wǎng)絡(luò)，包括：

9、提取所述信號感知曲線對應(yīng)的感知特征參數(shù)；

10、基于所述感知特征參數(shù)，確定所述信號感知曲線對應(yīng)的特征提取模式；

11、基于所述特征提取模式，分析所述目標(biāo)視覺信息對應(yīng)的特征分布規(guī)律；

12、根據(jù)所述特征分布規(guī)律，制定所述目標(biāo)視覺信息對應(yīng)的神經(jīng)節(jié)點(diǎn)連接規(guī)則；

13、基于所述神經(jīng)節(jié)點(diǎn)連接規(guī)則，構(gòu)建所述目標(biāo)視覺信息對應(yīng)的類腦計(jì)算網(wǎng)絡(luò)。

14、可選地，所述基于所述類腦計(jì)算網(wǎng)絡(luò)，識別所述目標(biāo)視覺信息中的視覺信息特征，包括：

15、查詢所述類腦計(jì)算網(wǎng)絡(luò)中的神經(jīng)元激活狀態(tài)；

16、采集所述神經(jīng)元激活狀態(tài)對應(yīng)的狀態(tài)響應(yīng)特征集；

17、提取所述狀態(tài)響應(yīng)特征集中的特征高頻信號；

18、生成所述特征高頻信號對應(yīng)的視覺信號標(biāo)簽；

19、基于所述視覺信號標(biāo)簽，識別所述目標(biāo)視覺信息中的視覺信息特征。

20、可選地，所述對所述神經(jīng)元映射關(guān)系進(jìn)行關(guān)系優(yōu)化，得到優(yōu)化映射網(wǎng)絡(luò)，包括：

21、查詢所述神經(jīng)元映射關(guān)系中的映射特征參數(shù)；

22、基于所述映射特征參數(shù)，確定所述神經(jīng)元映射關(guān)系對應(yīng)的優(yōu)化目標(biāo)；

23、基于所述優(yōu)化目標(biāo)，分析所述神經(jīng)元映射關(guān)系對應(yīng)的優(yōu)化約束條件；

24、根據(jù)所述優(yōu)化約束條件，制定所述神經(jīng)元映射關(guān)系對應(yīng)的優(yōu)化策略；

25、基于所述優(yōu)化策略，對所述神經(jīng)元映射關(guān)系進(jìn)行關(guān)系優(yōu)化，得到優(yōu)化映射網(wǎng)絡(luò)。

26、可選地，所述基于所述優(yōu)化映射網(wǎng)絡(luò)，分析所述目標(biāo)視覺信息對應(yīng)的信息解析路徑，包括：

27、查詢所述優(yōu)化映射網(wǎng)絡(luò)中的節(jié)點(diǎn)連接關(guān)系；

28、基于所述節(jié)點(diǎn)連接關(guān)系，確定所述目標(biāo)視覺信息對應(yīng)的信息解析層級；

29、定位所述信息解析層級中的關(guān)鍵解析節(jié)點(diǎn)；

30、采集所述關(guān)鍵解析節(jié)點(diǎn)對應(yīng)的節(jié)點(diǎn)解析序列；

31、根據(jù)所述節(jié)點(diǎn)解析序列，分析所述目標(biāo)視覺信息對應(yīng)的信息解析路徑。

32、可選地，所述根據(jù)所述時(shí)序分布狀態(tài)，計(jì)算所述目標(biāo)視覺信息對應(yīng)的解析效率值，包括：

33、利用下述公式計(jì)算所述目標(biāo)視覺信息對應(yīng)的解析效率值：

34、；

35、其中，表示所述目標(biāo)視覺信息對應(yīng)的解析效率值，表示所述時(shí)序分布狀態(tài)中劃分的時(shí)間間隔的總數(shù)，表示時(shí)間間隔的數(shù)量索引，表示在第?個(gè)時(shí)間間隔內(nèi)成功解析的有效視覺信息，表示所述目標(biāo)視覺信息對應(yīng)的解析結(jié)束時(shí)間，表示所述目標(biāo)視覺信息對應(yīng)的解析開始時(shí)間，表示調(diào)整系數(shù)，表示所述目標(biāo)視覺信息對應(yīng)的平均復(fù)雜度，表示所述目標(biāo)視覺信息對應(yīng)的參考復(fù)雜度。

36、可選地，所述基于所述解析效率值，確定所述目標(biāo)視覺信息對應(yīng)的解析優(yōu)化方向，包括：

37、對所述解析效率值進(jìn)行數(shù)據(jù)歸一化處理，得到歸一化效率值；

38、基于所述歸一化效率值，構(gòu)建所述目標(biāo)視覺信息對應(yīng)的效率分布圖；

39、設(shè)定所述效率分布圖對應(yīng)的效率閾值；

40、基于所述效率閾值，定位所述目標(biāo)視覺信息中的低效解析區(qū)域；

41、根據(jù)所述低效解析區(qū)域，確定所述目標(biāo)視覺信息對應(yīng)的解析優(yōu)化方向。

42、可選地，所述基于所述關(guān)鍵執(zhí)行參數(shù)，計(jì)算所述目標(biāo)視覺信息對應(yīng)的解析衰減率，包括：

43、利用下述公式計(jì)算所述目標(biāo)視覺信息對應(yīng)的解析衰減率：

44、；

45、其中，表示所述目標(biāo)視覺信息對應(yīng)的解析衰減率，表示所述關(guān)鍵執(zhí)行參數(shù)對應(yīng)的參數(shù)總數(shù)，表示所述關(guān)鍵執(zhí)行參數(shù)對應(yīng)的數(shù)量索引，表示第個(gè)關(guān)鍵執(zhí)行參數(shù)對應(yīng)的參數(shù)實(shí)際值，表示第個(gè)關(guān)鍵執(zhí)行參數(shù)對應(yīng)的參數(shù)理想值，表示第個(gè)關(guān)鍵執(zhí)行參數(shù)對應(yīng)的參考標(biāo)準(zhǔn)值，和分別表示時(shí)間函數(shù)對應(yīng)的起始時(shí)間與終止時(shí)間，表示所述目標(biāo)視覺信息對應(yīng)的時(shí)間函數(shù)。

46、可選地，所述基于所述解析衰減率，確定所述目標(biāo)視覺信息對應(yīng)的解析狀態(tài)，包括：

47、確定所述解析衰減率對應(yīng)的衰減時(shí)間軸；

48、提取所述衰減時(shí)間軸中的關(guān)鍵衰減節(jié)點(diǎn)；

49、基于所述關(guān)鍵衰減節(jié)點(diǎn)，構(gòu)建所述解析衰減率對應(yīng)的衰減分布矩陣；

50、查詢所述衰減分布矩陣中不同衰減點(diǎn)之間的關(guān)聯(lián)特征；

51、基于所述關(guān)聯(lián)特征，確定所述目標(biāo)視覺信息對應(yīng)的解析狀態(tài)。

52、為了解決上述問題，本發(fā)明還提供一種類腦計(jì)算驅(qū)動的視覺信息即時(shí)解析系統(tǒng)，所述系統(tǒng)包括：

53、網(wǎng)絡(luò)構(gòu)建模塊，用于獲取目標(biāo)視覺信息對應(yīng)的實(shí)時(shí)感知數(shù)據(jù)，并采集所述實(shí)時(shí)感知數(shù)據(jù)對應(yīng)的神經(jīng)脈沖信號，解析所述神經(jīng)脈沖信號對應(yīng)的信號感知曲線，根據(jù)所述信號感知曲線，構(gòu)建所述目標(biāo)視覺信息對應(yīng)的類腦計(jì)算網(wǎng)絡(luò)；

54、關(guān)系優(yōu)化模塊，用于基于所述類腦計(jì)算網(wǎng)絡(luò)，識別所述目標(biāo)視覺信息中的視覺信息特征，基于所述視覺信息特征，分析預(yù)設(shè)類腦計(jì)算模型中的計(jì)算架構(gòu)，并查詢所述計(jì)算架構(gòu)中的神經(jīng)元映射關(guān)系，對所述神經(jīng)元映射關(guān)系進(jìn)行關(guān)系優(yōu)化，得到優(yōu)化映射網(wǎng)絡(luò)；

55、效率值計(jì)算模塊，用于基于所述優(yōu)化映射網(wǎng)絡(luò)，分析所述目標(biāo)視覺信息對應(yīng)的信息解析路徑，基于所述信息解析路徑，確定所述目標(biāo)視覺信息中目標(biāo)數(shù)據(jù)的時(shí)序分布狀態(tài)，根據(jù)所述時(shí)序分布狀態(tài)，計(jì)算所述目標(biāo)視覺信息對應(yīng)的解析效率值；

56、衰減值計(jì)算模塊，用于基于所述解析效率值，確定所述目標(biāo)視覺信息對應(yīng)的解析優(yōu)化方向，基于所述解析優(yōu)化方向，生成所述目標(biāo)視覺信息對應(yīng)的即時(shí)解析策略，并提取所述解析策略中的關(guān)鍵執(zhí)行參數(shù)，基于所述關(guān)鍵執(zhí)行參數(shù)，計(jì)算所述目標(biāo)視覺信息對應(yīng)的解析衰減率；

57、方案構(gòu)建模塊，用于基于所述解析衰減率，確定所述目標(biāo)視覺信息對應(yīng)的解析狀態(tài)，分析所述目標(biāo)視覺信息在所述解析狀態(tài)對應(yīng)下的解析維度，基于所述解析維度，構(gòu)建所述目標(biāo)視覺信息對應(yīng)的優(yōu)化解析方案。

58、相比于背景技術(shù)所述問題，本發(fā)明通過獲取目標(biāo)視覺信息對應(yīng)的實(shí)時(shí)感知數(shù)據(jù)，并采集所述實(shí)時(shí)感知數(shù)據(jù)對應(yīng)的神經(jīng)脈沖信號，可助力精準(zhǔn)識別視覺信息特征，優(yōu)化計(jì)算架構(gòu)中的神經(jīng)元映射關(guān)系，同時(shí)，為后續(xù)分析信息解析路徑、確定解析效率值等一系列關(guān)鍵操作提供源頭數(shù)據(jù)，極大地提升視覺信息即時(shí)解析的準(zhǔn)確性，本發(fā)明基于所述類腦計(jì)算網(wǎng)絡(luò)，識別所述目標(biāo)視覺信息中的視覺信息特征，有效應(yīng)對光線變化、遮擋等復(fù)雜情況，精準(zhǔn)識別目標(biāo)物體的輪廓、紋理及動態(tài)等特征，這種識別方式極大提升了對視覺信息理解的深度與準(zhǔn)確性，為后續(xù)視覺信息的分析、決策提供堅(jiān)實(shí)基礎(chǔ)，進(jìn)一步的，本發(fā)明基于所述優(yōu)化映射網(wǎng)絡(luò)，分析所述目標(biāo)視覺信息對應(yīng)的信息解析路徑，這有助于精準(zhǔn)定位信息處理的關(guān)鍵節(jié)點(diǎn)與流程，快速識別可以存在的解析瓶頸，可進(jìn)一步優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)設(shè)置，顯著提升視覺信息解析的整體效率與準(zhǔn)確性，使系統(tǒng)能更高效地應(yīng)對復(fù)雜視覺場景，進(jìn)一步的，本發(fā)明基于所述解析效率值，確定所述目標(biāo)視覺信息對應(yīng)的解析優(yōu)化方向，可精準(zhǔn)找出影響效率的關(guān)鍵因素，能有效調(diào)整類腦計(jì)算網(wǎng)絡(luò)架構(gòu)、優(yōu)化算法流程，從而高效提升視覺信息解析能力，以更好地契合安防、自動駕駛等實(shí)際應(yīng)用場景的需求，最后，本發(fā)明基于所述解析衰減率，確定所述目標(biāo)視覺信息對應(yīng)的解析狀態(tài)，有助于針對性地優(yōu)化解析策略，提升對復(fù)雜視覺信息的處理能力，保障如安防監(jiān)控、自動駕駛等領(lǐng)域中視覺信息處理的準(zhǔn)確性與即時(shí)性，降低誤判風(fēng)險(xiǎn)。因此，本發(fā)明實(shí)施例提供的類腦計(jì)算驅(qū)動的視覺信息即時(shí)解析方法及系統(tǒng)可以提升對視覺信息的智能解析效率。