摘要
颜色识别是机器视觉研究中的重要组成部分，其广泛应用于机器学习、人脸识别、智慧交通等领域。随着信息技术的飞速发展，颜色数据的规模和内部结构的复杂度日趋增加。颜色特征选择技术能够选择显著的数据特征，降低数据的规模和维度，提升系统的识别速度和准确性。因此，深入研究颜色特征选择技术具有重要的实用价值。 传统的特征选择系统大多基于冯·诺依曼架构，系统设计复杂、功耗较高且不能保证实时性。基于深度学习的颜色特征选择难以应对复杂多变的环境，算法的鲁棒性和稳定性有待提高。因此，急需开发高效、实时、低功耗的颜色特征识别模式。 基于视觉注意力选择机制，本文开展了注意力选择机制电路的物理实现研究，并设计了两款用于可见光颜色特征选择的功能单元。具体研究内容如下： 1、深入探究视觉系统和注意力选择机制的基本原理，对基于注意力选择机制的颜色特征选择电路进行了分析。基于TSMC180nmCMOS工艺，优化设计了相应的电路结构，并对其电路性能进行了仿真分析与性能评估。 2、设计了基于视觉注意力的板级颜色特征选择单元。该单元包括作为光感受器的RGB光电探测器和三支路电压型注意力选择电路，电路可以实时选择显著颜色特征，即注意力焦点。测试结果表明，通过调整电路的注意力焦点个数，单元可以实现对可见光颜色的实时识别。单元能够抑制的杂散光光强可达信号光光强的93.58%，最高识别帧率为1kHz，比生物视觉频率高一个数量级以上。同时，单元可在数据位上直接进行颜色特征选择，输出二进制的颜色编码，整个过程无需额外的信号处理模块与内存，突破了传统冯·诺依曼架构的限制。 3、实现了颜色特征选择单元的集成化设计。设计了垂直二结探测器作为光感受器，可以实现单个像素内的红蓝光识别。同时，实现了与基于标准CMOS工艺的注意力选择电路的单片集成。测试结果表明，单元可以实现实时的显著特征选择与红蓝光颜色识别，动态识别的上升沿时间为4.47μs，最大识别速率为10kHz/s。所设计单元具有较强的抗干扰能力，当杂散光强度达到信号光强度的84%时，单元仍然可以实现准确的颜色特征选择。
NETL