SpikeCV: Open a Continuous Computer Vision Era

原文：arXiv:2303.11684 · Zheng et al., Sci. China Inf. Sci. 2026

摘要： SpikeCV 是一个面向脉冲（Spike）相机的新开源计算机视觉平台。脉冲相机是一种近年来快速发展的神经形态视觉传感器，其工作方式是：每个像素点直接累积光强并异步触发脉冲（spike），输出的二值脉冲最高可达 40,000 Hz。作为一种新的视觉表达形式，脉冲序列具有高时空完整性，能够保留外界连续的视觉信息。借助脉冲相机低延迟和高动态范围的优势，基于脉冲数据的许多算法已在高质量成像、超高速目标检测等方面取得了显著进展。为了构建脉冲视觉的社区生态，并帮助更多用户更好地利用脉冲相机，SpikeCV 提供了多种超高速场景数据集、硬件接口和易于使用的模块库。SpikeCV 主要关注以下方面：对脉冲数据的封装、数据集接口的标准化、视觉任务的模块化以及在高挑战场景下的实时应用。随着开源 Python 生态系统的发展，SpikeCV 的各模块可以作为 Python 库使用，从而满足研究人员大部分的数值分析需求。我们在离线推理和实时应用中展示了 SpikeCV 的高效性。项目仓库地址分别为：https://openi.pcl.ac.cn/Cordium/SpikeCV, https://github.com/Zyj061/SpikeCV

1. Intro

Contributions:

我们提供了首个面向脉冲相机的开源平台，封装了数据集、设备接口、脉冲加载器以及基于脉冲的算法，使得构建脉冲视觉应用更加方便。
我们对多种视觉任务的数据集进行了标准化，并为不同视觉任务、离线文件和实时脉冲流提供了统一的数据接口。
通过提供硬件友好的 C++ 接口和用户友好的 Python 接口，我们实现了多种脉冲相机的硬件实时管线，使得脉冲数据的读取和处理能够同步执行。

2. Background

2.1. Mechanism of Spike Camera

脉冲相机的传感器由 $H \times W$ 个像素单元组成，这些单元会连续接收光子并触发脉冲。如图所示，在位置 $(i, j)$ 处的瞬时光强 $L_{i,j}(t)$ 会被转换为电信号，从而在时刻 $t$ 增加电压 $V_{i,j}(t)$ 。当 $V_{i,j}(t)$ 达到阈值 $\Theta$ 时，该像素点的电压会被复位为 0 并触发一次脉冲。其过程可被公式化为

V_{i,j}(t)= \left[\int_{t_{i,j}^{\text{last}}}^t \alpha \cdot L_{i,j}(\phi)\, d\phi \right] \bmod \Theta,

其中 $t_{i,j}^{\text{last}}$ 表示在 $(i, j)$ 位置上次触发脉冲的时刻。后端的同步电路会以非常小的时间间隔 $\tau$ （25 微秒）持续轮询 $V(t)$ ，从而生成二进制脉冲流 $S$ ：

S_{i,j,k}= \begin{cases} 1, & \text{若存在 } t \in ((k-1)\tau,\, k\tau] \text{ 使得 } V_{i,j}(t) = 0, \\ 0, & \text{否则}. \end{cases}

其中 $k = 1, 2, \dots$ 表示第 $k$ 次轮询。对于总共进行 $T$ 次轮询的情况，则会输出大小为 $H \times W \times T$ 的脉冲流 $S$ 。

2.2. Spike-based Algorithms

Coding and simulation of spikes: 利用统计特性压缩 Spike Stream，类似传统视频的编码；相关工作很多是做类似 SpikeSIM 一样的工具的；
High-quality imaging based on spikes：reconstruction 类，因为 DVS 基本没有 motion blur 和高动态；
Vision tasks based on spikes：直接在 Spike Stream 上推 CV 任务；

3. Design Principles

3.1. Usability

class SpikeStream:
    def __init__(self, offline=True, **kwargs):
        self.SpikeMatrix = None
        self.offline = offline
        # 根据输入流的类型设置参数
        if self.offline:
            # 从文件读取离线数据
            self.filename, self.height, self.width = ParseKwargs(...)
        else:
            # 来自脉冲相机的在线数据流参数
            self.decode_width, self.height, self.width = ParseKwargs(...)

    def get_device_matrix(self, input, framepool, block_len=500):
        ... # 从设备（脉冲相机）获取脉冲矩阵

    def get_spikes(self, input, framepool):
        ... # 用于在线脉冲流的读取线程

    def get_spike_matrix(self, flipud=True):
        ... # 从离线文件获取脉冲矩阵

    def get_block_spikes(self, begin_idx, block_len=1, flipud=True):
        ... # 从文件中获取以 begin_idx 为起始的部分脉冲块

    ...
    # 面向开发者的其他接口

统一 online or offline 读取接口然后做成长的像常见 CV 的接口；提供了一些 preprocess 等工具；

3.2. Real-time

多线程读数据的 pipeline 等；具体见 Section4；

3.3. Spike Ecosystem

OpenCV like Spike Camera Library。

4. Details of SpikeCV

4.1. Architecture

Realtime Pipeline:

Thread 1：接收原始脉冲流，并将其打包为若干数据块（block），然后放入队列 LibBlockQueue。这些数据块除脉冲信息外，还包含帧头等附加信息。
Thread 2：解析上述脉冲数据块，将其组装为按时空顺序排列的字节流。当用户请求摄像机数据时，这些字节流会被持续地获取并放入队列 Lib-FramePool。
Thread 3：负责在 C++ 库与用户的 Python 程序（APP）之间传输脉冲帧。该线程会将字节流转换为更易于用户使用的帧数据，其尺寸为 $H×W×T_{cusum}$ ，其中 $H×W$ 表示相机传感器的空间分辨率， $T_{cusum}$ 是用户自定义的单帧脉冲长度。APP 中也维护了一个队列 App-FramePool，线程 3 会持续将来自 Lib-FramePool 的数据地址传递给 App-FramePool。APP 使用完数据后，会将地址释放回 Lib-FramePool。

其他的处理没有很多好说的，感觉这块就是纯工程，之前从工业相机读 frame 要保证实时性的时候基本也是这么做的，一个 thread 读 raw data 然后加包头包尾 timestamp 之类的信息然后送入队列，定时丢掉超过延迟上限还没有被处理的 frame。

4.2. Workflow

就大概是讲他们的工作可以覆盖全流程。

4.3. Datasets

留档参考，之后跑实验可以用上的数据集。注意到里面写的 resolution 都很小，小于现在常见的 DVS 相机的分辨率，为什么？

5. Verification Application

在自己的工具上面测了一下全流程。

6. Conclusion and Future Work

本文详细介绍了面向超高速脉冲相机的开源平台 SpikeCV，从其设计原则、工作流程以及各模块的使用方式展开说明。目前，SpikeCV 已整合了丰富的规范化脉冲数据集、易用的硬件接口以及大量基于脉冲的算法模块。实验结果展示了 SpikeCV 在离线数据集和在线相机这两种数据来源下，对图像重构、光流估计、深度估计、检测、跟踪和识别等任务的全面支持，验证了该平台的有效性与易用性。

未来，我们将继续致力于打造更完善的脉冲视觉研究社区：

数据集方面：持续提供可应用于多种算法的大规模脉冲数据集，并不断补充与完善基于脉冲的算法和处理工具。
硬件接口方面：计划扩展更多相机接口，便于脉冲相机与其他数据源的融合。
神经形态计算：我们将针对 neuromorphic 芯片提供接口，充分利用类脑视觉算法在低功耗和超高速处理上的优势，将脉冲视觉应用到无人机、自动驾驶等更多超高速场景。

感觉总体就是做了这样一个东西，写一个介绍性的文档。里面关于 real-time 的介绍也都是些很常见的工程做法。没有很多好说的东西。