返回项目页面
对比文件列表
2004-08-12_发明申请_US20040155175A1 Random access imaging sensor_+++C_F_I+++.docx
2026-02-23 17:34
2006-05-02_发明授权_US07038185B1 Camera for directly generating a gradient image_+++C_I_a_b_d_h+++.docx
2026-02-23 17:34
2006-12-19_发明授权_US07151844B2 Image sensor method and apparatus having hardware implemented edge detection processing_+++B_c_f_i+++.docx
2026-02-23 17:34
2008-06-05_发明专利_JP2008131407A Solid-state imaging element and imaging apparatus using same_+++C_I_f+++.docx
2026-02-23 17:34
2009-06-25_发明专利_JP2009140149A Information terminal equipment_+++a_b_c_i+++.docx
2026-02-23 17:34
2011-04-07_发明专利_DE102008052930B4 Bildverarbeitender Sensor_+++c_f_i+++.docx
2026-02-23 17:34
2011-12-08_发明申请_US20110298755A1 MATRIX SENSOR_+++C_I_a_b_f+++.docx
2026-02-23 17:34
2012-06-07_发明申请_US20120138774A1 FOCAL PLANE ARRAY PROCESSING METHOD AND APPARATUS_+++C_D_F_I_a_b_e+++.docx
2026-02-23 17:34
2012-07-12_发明申请_WO2012093381A1 CAMERA ASSEMBLY WITH AN INTEGRATED CONTENT ANALYZER_+++C_F_I_a_b+++.docx
2026-02-23 17:34
2013-01-07_发明专利_JP2013003787A Object detection device_+++c_f_i+++.docx
2026-02-23 17:34
2013-08-21_发明公开_CN103259985A CMOS图像传感器、像素单元及其控制方法_+++C_I+++.docx
2026-02-23 17:34
2014-01-23_发明申请_WO2014015194A2 METHODS FOR DETECTING AND MEASURING AGGREGATION_+++G_I_c_f+++.docx
2026-02-23 17:34
2014-01-23_发明申请_WO2014015194A3 METHODS FOR DETECTING AND MEASURING AGGREGATION_+++a_c_e_f_i+++.docx
2026-02-23 17:34
2014-05-01_发明申请_US20140118592A1 CMOS IMAGE SENSORS WITH FEATURE EXTRACTION_+++C_F_I_b+++.docx
2026-02-23 17:34
2014-05-08_发明申请_US20140125799A1 VEHICLE VISION SYSTEM_+++c_f_i+++.docx
2026-02-23 17:34
2014-05-29_发明申请_US20140149754A1 GESTURE DETECTION MANAGEMENT FOR AN ELECTRONIC DEVICE_+++F_c_i+++.docx
2026-02-23 17:34
2014-09-11_发明申请_US20140254864A1 SYSTEM AND METHOD FOR GESTURE DETECTION THROUGH LOCAL PRODUCT MAP_+++B_G_a_c_i+++.docx
2026-02-23 17:34
2014-10-30_发明申请_US20140319325A1 LAMP SIGNAL GENERATION CIRCUIT AND CMOS IMAGE SENSOR_+++C_I+++.docx
2026-02-23 17:34
2014-10-30_发明申请_US20140320666A1 OBJECT DETECTION_+++C_F_I_a_b_e+++.docx
2026-02-23 17:34
2014-12-11_发明申请_US20140363049A1 METHOD OF ESTIMATING OPTICAL FLOW ON THE BASIS OF AN ASYNCHRONOUS LIGHT SENSOR_+++J_c_i+++.docx
2026-02-23 17:34
2014-12-18_发明申请_US20140368626A1 COMPUTER VISION APPLICATION PROCESSING_+++C_F_i+++.docx
2026-02-23 17:34
2014-12-18_发明申请_US20140368712A1 IMAGE ADJUSTMENT APPARATUS AND IMAGE SENSOR FOR SYNCHRONOUS IMAGE AND ASYNCHRONOUS IMAGE_+++F_I_J_c+++.docx
2026-02-23 17:34
haoma_+++B_C_D_G_I_e_f+++.docx
2026-02-23 17:34
weixianzai_+++A_B_C_D_E_F_G_I_J+++.docx
2026-02-23 17:34
haoma_+++B_C_D_G_I_e_f+++.docx

对比文件的名称:haoma

目标专利的名称:144基于事件的计算机视觉计算CN106716441B

本次调用的模型名称:DeepSeek

特征比对表格:

技术特征描述及公开性判断结果对比文件原文引用公开性论述
**A:比较使用计算机视觉CV特征计算硬件计算的与传感器元件阵列的主体传感器元件相关联的先前局部CV特征与使用所述CV特征计算硬件计算的与所述主体传感器元件相关联的当前局部CV特征**对比文件中未发现关于存储“先前局部CV特征”并与“当前局部CV特征”进行比较的明确或隐含记载。对比文件主要描述了在像素内或专用处理器中计算局部特征(如LBP),并可能基于当前图像帧或邻域像素值进行检测,但未提及在像素级或硬件电路中存储和比较不同时间点的CV特征值以触发事件。根据目标专利说明书第[0067]、[0077]段及图17-18,该特征是实现“在CV特征粒度处的事件检测”的核心。它需要在像素或专用硬件中维护CV特征的历史状态(如存储在SRAM中,见图17的1708和图18的1808),并通过比较器(见图17的1710和图18的1810)比较当前与先前的特征值,当变化超过阈值时产生事件。对比文件haoma虽然公开了计算局部特征(如下文特征G所述),但未教导或暗示在像素内电路或专用CV硬件中存储和比较同一位置在不同时间计算出的局部CV特征。其计算和检测是基于单次/当前帧的数据,而非时间序列上的特征值变化。因此,本领域技术人员无法从对比文件毫无疑义地得出或合理推断出该技术方案。
**《未公开》**
**B:其中对于所述先前局部CV特征和所述当前局部CV特征,所述CV特征计算硬件使用来自所述主体传感器元件的各个读数和来自与所述主体传感器元件相邻的传感器元件的各个读数来计算所述各个CV特征**对比文件第8页第2段提到:“…the computation of LBP features requires comparing the pixel of interest to its neighboring pixels…”。(计算LBP特征需要将感兴趣像素与其相邻像素进行比较…)该特征限定了计算每个局部CV特征(无论是先前还是当前)时,所使用的数据来源是主体像素及其相邻像素的读数。对比文件明确公开了计算LBP特征需要比较中心像素与其邻域像素,这直接对应于使用主体传感器元件和相邻传感器元件的读数来计算特征。虽然对比文件未区分“先前”和“当前”特征的计算,但其描述的LBP特征计算方法在数据来源上与本特征所限定的方式完全相同。因此,本领域技术人员能够毫无疑义地从对比文件得出该技术方案。
**《直接公开》**
**C:以及其中:所述传感器元件阵列包括多个传感器元件,所述多个传感器元件至少沿着所述传感器元件阵列的第一维度和第二维度布置,像素包括所述主体传感器元件和像素内电路**对比文件第3页第2段提到:“…an image sensor comprising an array of pixels…”。(…一种图像传感器,包括像素阵列…) 第4页第2段提到:“…each pixel comprising a photodiode and in-pixel processing circuitry…”。(…每个像素包括光电二极管和像素内处理电路…)该特征定义了传感器阵列和像素的基本结构。对比文件明确公开了图像传感器包含像素阵列(即沿行和列两个维度布置),并且每个像素包含感光元件(光电二极管)和像素内处理电路。这直接公开了传感器元件阵列的二维布置结构以及像素由传感器元件(光电二极管)和像素内电路组成的技术特征。
**《直接公开》**
**D:以及所述CV特征计算硬件被实施为所述像素内电路的一部分**对比文件第4页第2段提到:“…each pixel comprising a photodiode and in-pixel processing circuitry capable of performing analog computations for feature extraction such as LBP…”。(…每个像素包括光电二极管和能够执行诸如LBP等特征提取的模拟计算的像素内处理电路…)该特征限定了CV特征计算硬件位于像素内部。对比文件明确记载了像素内处理电路能够执行例如LBP的特征提取计算。这意味着特征提取(即CV特征计算)的功能硬件被集成在像素内电路中。因此,本领域技术人员能够毫无疑义地得出CV特征计算硬件被实施为像素内电路的一部分。
**《直接公开》**
**E:基于所述比较来产生与所述主体传感器元件相关联的事件,所述事件包括所述主体传感器元件的位置和特征有效负载,所述特征有效负载包括表示与所述主体传感器元件相关联的所计算的当前局部CV特征的多个位**对比文件第8页第3段提到:“…only the computed feature descriptor (e.g., LBP code) and its location (x, y coordinates) are read out from the pixel array.”(…只有计算出的特征描述符(例如,LBP码)及其位置(x,y坐标)从像素阵列读出。)该特征限定了基于特征比较产生事件,且事件包含位置和特征描述符(有效负载)。对比文件公开了从像素阵列读出计算出的特征描述符(如LBP码)及其位置。虽然对比文件未明确将此“读出”行为定义为基于比较产生的“事件”,但其输出信息(位置+特征描述符)与本特征中“事件”所包含的信息(位置+表示当前局部CV特征的多个位)在内容和作用上完全相同,都是将计算得到的局部特征信息从传感器端输出。这种数据输出机制可以合理地被视为一种“事件”产生和报告机制。因此,本领域技术人员能够合理推断出该技术特征。
**《隐含公开》**
**F:以及将所述事件发送至处理器。**对比文件第8页第3段提到:“…only the computed feature descriptor (e.g., LBP code) and its location (x, y coordinates) are read out from the pixel array.”(…只有计算出的特征描述符(例如,LBP码)及其位置(x,y坐标)从像素阵列读出。) 结合上下文(例如第3页提及“image sensor”作为系统的一部分),读出数据必然需要被发送至后续处理单元(如处理器)进行进一步处理或应用。该特征限定了将产生的事件发送给处理器。对比文件公开了将计算出的特征描述符和位置从像素阵列“读出”(read out)。在图像传感器系统的常规架构中,从传感器像素阵列读出的数据,其目的地通常是外部的处理器或控制器。因此,将读出的信息(即本特征中的“事件”)发送至处理器,是本领域技术人员根据对比文件公开的内容和常规系统架构能够合理推断出的必然后续步骤。
**《隐含公开》**
**G:其中所述局部化CV特征包括局部二值模式LBP标记或所述LBP标记的变体。**对比文件第4页第2段、第8页第2-3段多次提到LBP特征,例如:“…in-pixel processing circuitry capable of performing analog computations for feature extraction such as LBP (Local Binary Pattern)…”(…能够执行诸如LBP(局部二值模式)等特征提取的模拟计算的像素内处理电路…)该特征限定了局部CV特征的具体类型为LBP或其变体。对比文件明确且多次将LBP作为像素内电路能够计算的特征提取的示例。这直接公开了局部化CV特征包括LBP标记。虽然对比文件未明确列举LBP的所有变体,但LBP标记本身已被公开,且其变体属于同一技术范畴的常规扩展。因此,本领域技术人员能够毫无疑义地得出该技术方案。
**《直接公开》**
**H:其中所述局部化CV特征包括带正负号梯度直方图HSG标记。**对比文件中未发现关于“带正负号梯度直方图(HSG)”标记的任何记载或提及。该特征限定了局部CV特征的另一种具体类型为HSG标记。对比文件全文仅提及LBP作为特征提取的例子,并未提及HSG标记或其任何等效、类似的特征描述符。本领域技术人员无法从对比文件公开的内容中毫无疑义地得出或合理推断出该技术特征。
**《未公开》**
**I:其中所述传感器元件阵列是视觉传感器并且所述传感器元件阵列的所述多个传感器元件中的每一个包括至少一个光电二极管。**对比文件第3页第2段提到:“…an image sensor…”。(…一种图像传感器…) 第4页第2段提到:“…each pixel comprising a photodiode…”。(…每个像素包括光电二极管…)该特征限定了传感器为视觉传感器(图像传感器),且每个传感单元为光电二极管。对比文件明确其描述的对象是“图像传感器”(image sensor),即视觉传感器,并且明确每个像素包含光电二极管。这直接公开了该技术特征。
**《直接公开》**
**J:其中所述事件是使用动态视觉传感器DVS电路产生的。**对比文件中未发现关于“动态视觉传感器(DVS)电路”的任何记载或提及。对比文件描述的特征提取和输出是基于模拟计算或数字处理,但未提及基于亮度变化的事件驱动传感机制。根据目标专利说明书第[0040]-[0041]、[0060]段,DVS电路是用于检测像素亮度变化并产生事件(如on/off事件)的特定电路。该特征限定了产生事件的特定硬件类型。对比文件虽然公开了输出特征数据,但未描述使用DVS电路来产生或触发这种输出。其读出机制可能基于同步扫描或其他方式,而非DVS的异步事件驱动机制。因此,本领域技术人员无法从对比文件毫无疑义地得出或合理推断出该技术特征。
**《未公开》**

<<<B>>><<<C>>><<<D>>><<<G>>><<<I>>><<<e>>><<<f>>>

权利要求与技术特征
Powered by Django

网站备案号:渝ICP备2023012882号


重庆市非显而易见网络科技有限责任公司 A Anti NPE NPE