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
2014-05-01_发明申请_US20140118592A1 CMOS IMAGE SENSORS WITH FEATURE EXTRACTION_+++C_F_I_b+++.docx

对比文件的名称:2014-05-01_发明申请_US20140118592A1 CMOS IMAGE SENSORS WITH FEATURE EXTRACTION

目标专利的名称:基于事件的计算机视觉计算CN106716441B

本次调用的模型名称:GPT-4

### 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>**判断**:未被直接公开或隐含公开未找到明确对应的内容。对比文件描述了在运动检测模式下比较相邻帧的像素值(电压)以检测运动(例如段落[0029]),以及在特征提取模式下计算HOG特征(例如段落[0027]),但并未描述对同一传感器元件(主体像素)的“先前局部CV特征”与“当前局部CV特征”进行比较。对比文件在运动检测模式中,确实比较了“先前帧信号(V1)”与“当前帧信号(V2)”以生成运动图(见[0029]),但此比较对象是**像素的模拟电压值**,而非目标专利中定义的“局部CV特征”(如LBP标记、HSG标记)。对比文件计算HOG特征(见[0027])是为了对象检测,并未提及将计算出的特征(如梯度幅度和角度直方图)存储下来,并与后续计算出的同一位置的特征进行比较以触发事件。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“比较先前与当前局部CV特征”这一技术方案。
**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**:隐含公开(<<<b>>>)[0027]:“... spatial gradients (GX and GY) can be calculated with masking [−1 0 1] and [−1 0 1 1]T, respectively; ...”对比文件公开了在特征提取模式下计算空间梯度(GX, GY)。根据图像处理常识,使用掩模[−1 0 1]计算水平梯度GX,以及使用掩模[−1 0 1]^T计算垂直梯度GY,其本质正是利用**一个中心像素(主体传感器元件)及其左右(或上下)相邻像素的读数**进行差分运算。这完全符合“使用来自主体传感器元件及其相邻传感器元件的读数进行计算”这一核心思想。虽然对比文件计算的是梯度(HOG特征的基础),而目标专利计算的是LBP或HSG标记,但二者均属于“局部CV特征”的计算范畴,且计算过程都依赖于主体像素及其邻域像素的读数。因此,本领域技术人员完全有可能从对比文件公开的梯度计算原理,合理推断出“使用主体及相邻传感器元件读数计算局部特征”这一技术特征。
**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**:直接公开(<<<C>>>)[0028]:“FIG. 3 depicts the architecture of an exemplary pixel 300. The pixel 300 employs a reconfigurable differential topology... Two vertical neighboring pixels 310 and 320, respectfully, share the COM line 330... an additional in-pixel capacitor CE/O (336 and 338, respectively) can be used as frame buffer memory... The in-pixel capacitor(s) 336/338 can be implemented using a MIM capacitor, which may be placed on top of pixel circuits.”对比文件明确公开了其CMOS图像传感器包含像素阵列(例如256x256,见[0026]),这自然意味着多个传感器元件沿行和列(第一、第二维度)布置。对比文件详细描述了像素300的架构,其中包括光电二极管(传感器元件)以及像素内电容器、比较器等电路(像素内电路)。因此,对比文件直接、明确地公开了“传感器元件阵列沿两个维度布置”以及“像素包括传感器元件和像素内电路”的技术特征,且这些特征在对比文件中起到构成图像传感基本单元的作用,与目标专利中传感器阵列和像素的基础结构作用相同。
**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**:未被直接公开或隐含公开未找到明确对应的内容。对比文件的像素内电路(如电容器、比较器)主要用于运动检测模式下的帧差比较和低功耗成像模式下的信号放大(见[0029], [0031])。特征提取的核心计算(如梯度计算、角度转换、直方图生成)是在列并行电路、GAC模块、直方图生成器等外围或专用模块中完成的(见[0027], [0022], [0033])。对比文件中用于“特征提取”的计算硬件(如计算空间梯度的逻辑、GAC、直方图生成器)并非集成在每个像素的内部电路(像素内电路)中,而是位于像素阵列之外或列级处理电路中。其像素内电路主要功能是模拟信号的存储、比较和初步放大,而非进行目标专利所定义的“局部CV特征”(如LBP/HSG标记)的完整计算。因此,本领域技术人员无法从对比文件中得出或推断出“CV特征计算硬件被实施为像素内电路的一部分”的技术方案。
**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**:未被直接公开或隐含公开未找到明确对应的内容。对比文件在检测到运动后,会从运动检测模式切换到特征提取模式(见[0026])。在特征提取模式下,传感器会生成并传输8位特征信号(见[0026]),这些特征信号是基于图像块(如8x8子块)的HOG特征,并非与单个“主体传感器元件”相关联,也不是基于特征比较产生的“事件”。目标专利的核心之一是“基于CV特征的变化产生事件”,该事件粒度是单个传感器元件(或小群组),且事件内容包含该元件的位置及其当前CV特征值(特征有效负载)。对比文件的操作模式切换(运动->特征提取)是基于像素级帧差比较的“运动”触发,而非基于CV特征值本身变化的比较。其输出的特征数据是整幅图像或图像块的HOG描述符,用于对象分类,并非针对单个像素的、包含位置和特征负载的“事件”报告机制。两者在触发机制、输出数据的粒度与内容上均存在本质差异。
**技术特征F**:以及将所述事件发送至处理器。<br>**判断**:直接公开(<<<F>>>)[0026]:“... the CMOS sensor can generate and transmit 8 b feature signals 124...”; [0036]:“The feature can be input into the trained classifier...”.对比文件明确公开了在特征提取模式下,传感器会“生成并传输”(generate and transmit)8位的特征信号。这些特征信号最终被输入到分类器(一种处理器)进行对象检测。虽然传输的内容不是目标专利定义的“事件”,但其“将计算出的特征数据发送至处理器(或主机)进行进一步处理”这一基本数据传输动作已被直接公开。该动作在对比文件中的作用是实现对象检测流程中的数据交接,与目标专利中事件发送至处理器进行后续处理的作用实质相同。
**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**:未被直接公开或隐含公开未找到明确对应的内容。对比文件全文使用的特征提取方法是“Histogram of Oriented Gradients (HOG)”(见[0024], [0027])。对比文件明确且唯一公开的局部特征是HOG(方向梯度直方图)。LBP(局部二值模式)及其变体是与HOG不同的特征描述算法,具有不同的计算原理和表现形式。对比文件中没有任何文字提及或暗示LBP算法。因此,本领域技术人员无法从对比文件中毫无疑义地得出或合理推断出使用LBP标记作为局部CV特征的技术方案。
**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**:未被直接公开或隐含公开未找到明确对应的内容。对比文件使用的特征是HOG(方向梯度直方图)。与特征G同理,HSG(带正负号梯度直方图)标记是另一种具体的特征描述符。对比文件公开的是HOG特征,并未提及HSG。两者虽同属梯度相关特征,但具体计算和表达方式不同(例如是否考虑梯度方向的正负)。因此,该特定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**:直接公开(<<<I>>>)[0002]:“This invention relates generally to CMOS image sensors...”; [0028]:“... integrated signal in a photodiode can be transferred...”.对比文件标题和首句即表明其涉及“CMOS图像传感器”,这属于视觉传感器的一种。在描述像素操作时(如[0028]),明确提到了“光电二极管”(photodiode)作为感光元件。因此,对比文件直接公开了“传感器阵列是视觉传感器且每个传感器元件包括光电二极管”这一技术特征,该特征在对比文件中作为图像捕捉的基本感光单元,作用与目标专利相同。
**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**:未被直接公开或隐含公开未找到明确对应的内容。对比文件中用于检测变化(运动)的电路是“in-pixel comparators”(像素内比较器)和“motion comparator”(运动比较器)(见[0026], [0029]),其原理是比较相邻帧的模拟电压差。目标专利中特别限定了使用“动态视觉传感器(DVS)电路”来产生事件。DVS是一种特定类型的传感器,其响应局部光照强度的对数变化,并异步输出事件流。对比文件中用于运动检测的电路是传统的帧间差分比较电路,工作在与全局时钟同步的帧基础上,并非DVS电路。两者在工作原理和输出特性上有显著区别。因此,该特定技术特征未被对比文件公开。

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

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