对比文件名称：2012-07-12_发明申请_WO2012093381A1 CAMERA ASSEMBLY WITH AN INTEGRATED CONTENT ANALYZER
目标专利名称：144基于事件的计算机视觉计算CN106716441B
模型名称：DeepSeek-R1
## 特征比对表格
| 技术特征描述及公开性判断 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：其包括：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<br>**《隐含公开》** | [p0151] “the pattern detector performs pattern detection over downscaled imagery data.” | 目标专利中，该特征指在专用CV硬件中对同一传感器元件的局部CV特征（如LBP标记）进行时序比较以检测变化。对比文件中的“内容分析器”（如FPGA/ASIC）执行图案检测（pattern detection）。图案检测算法（如基于Adaboost）通常涉及将当前图像数据与通过训练获得的特征分类器或与背景模型进行比较，以判断是否出现目标图案。这个过程隐含了“比较”的概念，即比较当前图像特征与某种先验特征或状态。虽然对比文件未明确描述针对单个“主体传感器元件”的“先前局部CV特征”与“当前局部CV特征”的比较，但其图案检测的整体过程必然包含特征计算与比较的步骤，以确定图案是否存在。根据宽松的隐含公开标准，可以合理推断出对比文件隐含了“比较”先前与当前特征（尽管是针对图像区域而非严格限定于单个传感器元件的局部特征）的技术手段。因此，该技术特征被**隐含公开**。 |
| **技术特征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，<br>**《隐含公开》** | [p0064] “A rectangular-based feature value is determined by two rectangular regions inside an image and calculated as the difference between the sums of pixels in these rectangular regions.”<br>[p0066] “sum = pt4 - pt3 - pt2 + pt1 ... where points pt<sub>n</sub> belong to the integral image...” | 目标专利中，该特征强调局部CV特征（如LBP、HSG）的计算需要用到主体传感器元件及其相邻传感器元件的读数，是一种多像素计算。对比文件中，其图案检测基于Haar-like矩形特征，特征值通过计算图像中两个矩形区域内像素值之和的差值得到（[p0064]）。计算矩形区域像素和（如公式1所示）必然需要用到该区域内所有像素（即多个传感器元件）的读数。这隐含了特征计算需要使用来自图像中一个区域（可类比为目标专利中围绕“主体传感器元件”的相邻区域）的多个传感器元件的读数。虽然对比文件未明确区分“主体”与“相邻”传感器元件，也未限定为计算单个传感器元件的局部特征，但其计算矩形特征的方法在原理上必然依赖于多个相邻像素的读数。根据隐含公开的宽松标准，可以合理推断出对比文件隐含了“使用来自主体及相邻传感器元件的读数计算特征”这一技术构思。因此，该技术特征被**隐含公开**。 |
| **技术特征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，<br>**《直接公开》** | [p0077] “Image sensor 104 contains a sensing surface having an array of photosensitive elements...” | 目标专利中，该特征定义了传感器元件阵列的二维布置结构以及像素包含传感器元件和像素内电路的基本构成。对比文件明确公开了图像传感器包含感光元件阵列（array of photosensitive elements）（[p0077]），这些感光元件必然在二维平面上布置（行和列）。此外，本领域技术人员公知，图像传感器（如CCD、CMOS）的每个像素（pixel）通常包括感光元件（如光电二极管）和相关的读出、放大等电路，这些电路可被视为“像素内电路”。对比文件虽未明确使用“像素内电路”一词，但其描述的图像传感器必然具备这样的基本结构。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特征。该特征被**直接公开**。 |
| **技术特征D**：以及<br><br>所述CV特征计算硬件被实施为所述像素内电路的一部分<br>**未被公开** | [p0009] “The invention pertains to a camera assembly integrally including an image sensor and a content analysis chip (FPGA, ASIC or the like)...”<br>[p0093] “Image-sensing chip 200 advantageously includes a content analyzer 210 incorporated into the same integrated circuit as an image sensor 204...” | 目标专利中，该特征限定CV计算硬件被实施为“像素内电路的一部分”，即计算功能被集成到每个像素的内部电路中（参见说明书[0034]、[0070]、图10、图17等）。对比文件公开的内容分析器（content analyzer）或图案检测器（pattern detector）是一个相对独立的处理模块，可以是单独的芯片（FPGA、ASIC）（[p0009]），或与图像传感器集成在同一芯片上但作为独立的功能模块（[p0093]），其处理的是从图像传感器阵列读取出的整帧或区域图像数据。对比文件没有任何内容表明特征计算硬件被分散地实施在每个像素的电路内部。因此，该技术特征既未被直接公开，也未被隐含公开。 |
| **技术特征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<br>**未被公开** | [p0082] “...content analyzer 110 may be configured to calculate the spatial coordinates of the detected object 116... and acquire the imagery data 122 of the detected pattern...”<br>[p0106] “A pattern transmitter 342 may be configured to transfer the detected patterns coordinates and imagery data size-reduced version to a communication interface 312...” | 目标专利中，该特征定义了事件的具体内容：包括主体传感器元件的“位置”和由多个位表示的“当前局部CV特征”作为特征有效负载。对比文件中，内容分析器在检测到图案后，会输出图案的坐标（位置）以及相关的图像数据（[p0082], [p0106]）。然而，对比文件输出的“图像数据”是检测到的图案区域的原始或经过处理的像素值，而非目标专利所定义的、经过编码的、表示特定局部CV特征（如LBP标记）的“多个位”作为有效负载。目标专利的事件有效负载是高度抽象和压缩的特征描述符（如几个比特的LBP码），而对比文件输出的是图像数据本身。两者在输出内容和形式上有本质区别。因此，该技术特征既未被直接公开，也未被隐含公开。 |
| **技术特征F**：以及将所述事件发送至处理器。<br>**《直接公开》** | [p0088] “A communication interface 112 is connected content analyzer 110 and configured to transmit imagery data size-reduced version to a location external to the camera assembly 100, such as central server 128.” | 目标专利中，该特征指将产生的事件发送给一个处理器（如应用程序处理器）进行后续处理。对比文件明确公开了通信接口112将内容分析器处理后的数据（包括检测到的图案坐标和图像数据）发送到外部位置，如中央服务器128（[p0088]）。中央服务器必然包含处理器。因此，本领域技术人员能够毫无疑义地从对比文件得出“将检测结果（可类比为事件）发送至处理器”的技术方案。该特征被**直接公开**。 |
| **技术特征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。<br>**未被公开** | [p0063] “In an embodiment, the pattern detection algorithm may be based on Adaboost... and Haar-like feature pattern characterization methodology...” | 目标专利中，该特征具体限定了局部CV特征的一种实现方式为LBP标记或其变体。对比文件明确记载其图案检测算法基于Adaboost和Haar-like特征（[p0063]），全文未提及局部二值模式（LBP）或其任何变体。Haar-like特征与LBP特征在计算方法、原理和应用场景上均属于不同的特征描述符。因此，该具体特征既未被直接公开，也未被隐含公开。 |
| **技术特征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。<br>**未被公开** | 无相关引用。 | 目标专利中，该特征具体限定了局部CV特征的另一种实现方式为HSG标记。对比文件全文未提及带正负号梯度直方图（HSG）标记。因此，该具体特征既未被直接公开，也未被隐含公开。 |
| **技术特征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。<br>**《直接公开》** | [p0077] “Image sensor 104 may be either black and white or color multi-megapixel sensor, such as CCD (charge-coupled device) sensor, CMOS(complementary metal-oxide-semiconductor) sensor and the like. Image sensor 104 contains a sensing surface having an array of photosensitive elements...” | 目标专利中，该特征限定传感器阵列为视觉传感器，且每个传感器元件包括至少一个光电二极管。对比文件公开的图像传感器（如CCD、CMOS）是典型的视觉传感器。本领域技术人员公知，CCD或CMOS图像传感器的每个感光元件（photosensitive element）通常基于光电二极管实现光信号到电信号的转换。因此，从对比文件公开的“感光元件阵列”能够毫无疑义地得出每个传感器元件包括至少一个光电二极管。该特征被**直接公开**。 |
| **技术特征J**：其中所述事件是使用动态视觉传感器DVS电路产生的。<br>**未被公开** | 无相关引用。 | 目标专利中，该特征限定事件是由专门的动态视觉传感器（DVS）电路产生的。DVS是一种专门响应于像素亮度变化而产生异步事件的传感器。对比文件全文未提及动态视觉传感器（DVS）或任何类似的基于事件驱动的感测电路。其图像传感器是基于帧的传统传感器，内容分析器对整帧图像进行处理。因此，该具体特征既未被直接公开，也未被隐含公开。 |
<<<C>>><<<F>>><<<I>>><<<a>>><<<b>>>