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
2006-12-19_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
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
2013-02-28_发明申请_US20130054505A1 LIFE PATTERN DETECTION_+++F_a+++.docx
2026-02-23 17:34
2013-05-16_发明申请_US20130121590A1 EVENT DETECTION APPARATUS AND EVENT DETECTION METHOD_+++f+++.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
2014-08-20_发明公开_CN103999025A 基于视觉的交互式投影系统_+++B_F_a_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
2014-12-18_发明申请_US20140368423A1 METHOD AND SYSTEM FOR LOW POWER GESTURE RECOGNITION FOR WAKING UP MOBILE DEVICES_+++f_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
2004-08-12_发明申请_US20040155175A1 Random access imaging sensor_+++C_F_I+++.docx

**对比文件名称**:2004-08-12_发明申请_US20040155175A1 Random access imaging sensor

**目标专利名称**:144基于事件的计算机视觉计算CN106716441B

**本次调用模型名称**:GPT-4

### 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
**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>**判断结果**:未直接公开,也未隐含公开未找到相关内容。目标专利的“局部CV特征”特指通过CV运算(如LBP、HSG)从多个相邻传感器元件的读数中计算出的特征标记,用于表征边缘、拐角等。对比文件未提及任何“CV特征计算硬件”,也未描述计算或比较此类“局部CV特征”。其算术逻辑单元(ALU)51(见段落[0049]-[0050],图4)用于校正单个像素的增益和偏移,这是对原始传感器读数的校正,而非基于多像素计算生成新的CV特征标记。因此,对比文件既未直接公开,也未隐含公开该技术特征。
**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>**判断结果**:未直接公开,也未隐含公开未找到相关内容。目标专利的核心在于利用“主体传感器元件”及其“相邻传感器元件”的读数共同计算局部CV特征(如LBP)。对比文件中,对像素数据的处理(如ALU的校正)仅针对单个像素自身的读数(见段落[0049]-[0050]),并未涉及使用相邻像素的读数进行任何多像素计算以生成特征。因此,该技术特征未被对比文件公开。
**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>**判断结果**:直接公开段落[0027]:“Pixel matrix 2 contains a plurality of photosites or pixels for sensing optical images. Pixel matrix 2 is shown herein as an array of 512×512 pixels... Each pixel of pixel matrix 2 can be identified by its position in a row and a column of pixel matrix 2.”<br>段落[0033]-[0034],图2-3:描述了像素电路,包括光电二极管28(传感器元件)和晶体管(如19, 22, 23, 24)组成的像素内电路。对比文件明确公开了像素矩阵2是一个二维(行和列)阵列,包含多个像素(即传感器元件)。同时,详细描述了每个像素包括作为传感器元件的光电二极管(或光栅)以及由多个晶体管构成的电路,这些电路用于复位、读出信号等,构成了“像素内电路”。这与目标专利中定义的“像素包括所述主体传感器元件和像素内电路”完全对应。因此,本领域技术人员能够毫无疑义地得出该技术方案,属于直接公开。
**技术特征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<br>**判断结果**:未直接公开,也未隐含公开未找到相关内容。对比文件描述的像素内电路(见图2、3及对应段落)功能是光电转换、电荷转移和信号读出,不涉及任何计算机视觉(CV)特征的计算。其用于数据校正的算术逻辑单元(ALU)51是位于RAIS接口110中的一个独立模块(见图1,段落[0026], [0049]),并非集成在像素内电路中。因此,对比文件既未直接也未隐含公开将CV计算硬件实施为像素内电路的一部分。
**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>**判断结果**:部分直接公开(事件和位置),其余未公开段落[0046]:“Any pixel data that exceeds the threshold set during acquisition mode is reported to microprocessor 3.”<br>段落[0047]:“The pixel data from each of the row and column addresses within a valid track window are output to microprocessor 3...”对比文件在获取和跟踪模式下,当像素数据满足条件(如超过阈值)时,会将该像素(或窗口内像素)的数据(即有效负载)及其行列地址(即位置)报告给微处理器3。这构成了“产生事件”并将“事件”(包括位置和某种有效负载)发送给处理器的过程。因此,“基于比较产生事件”以及“事件包括位置”被直接公开。然而,对比文件中的“有效负载”是经过校正的像素强度值(见段落[0050]表达式`ay,x+bxy,x`),而目标专利的“特征有效负载”特指表示计算出的局部CV特征(如LBP标记)的多个位。两者在内容和作用上根本不同。因此,“特征有效负载包括表示…当前局部CV特征的多个位”这一技术特征未被公开。
**技术特征F**:以及将所述事件发送至处理器。<br>**判断结果**:直接公开段落[0043]:“Digital control interface 7 provides digitally coded information from pixel matrix 2 to the address bus and data bus of microprocessor 3.”<br>段落[0046]:“...is reported to microprocessor 3.”对比文件明确且多次描述了将像素数据(即事件信息)通过数字控制接口7发送至微处理器3的过程。这直接对应于目标专利的“将所述事件发送至处理器”。因此,属于直接公开。
**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>**判断结果**:未直接公开,也未隐含公开未找到相关内容。对比文件全文未提及“局部二值模式(LBP)”、“LBP标记”或其任何变体。其处理的对象始终是单个像素的强度数据。因此,该技术特征未被对比文件公开。
**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>**判断结果**:未直接公开,也未隐含公开未找到相关内容。对比文件全文未提及“带正负号梯度直方图(HSG)”或“HSG标记”。因此,该技术特征未被对比文件公开。
**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>**判断结果**:直接公开段落[0005]:“...an active pixel sensor (APS) that is responsive to light input over its field of view.”<br>段落[0034],图3:“FIG. 3 illustrates a photodiode charge collection pixel. Here charge is collected in a photodiode 28...”对比文件描述的有源像素传感器(APS)阵列(像素矩阵2)用于感测光学图像,属于视觉传感器。并且明确记载了像素使用光电二极管(photodiode 28)作为电荷收集器(传感器元件)。因此,该技术特征被直接公开。
**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>**判断结果**:未直接公开,也未隐含公开未找到相关内容。对比文件描述的系统是基于帧的成像传感器,其“事件”(即数据报告)的触发依赖于微处理器3设定的阈值比较或定时读取(见段落[0046], [0058]),并未使用任何基于像素亮度瞬时变化的“动态视觉传感器(DVS)”电路。因此,该技术特征未被对比文件公开。

<<<C>>><<<F>>><<<I>>>

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