HATS：一种新的基于事件的对象的分类方法——https://www.prophesee.ai/2018/07/17/cvpr-hats-event-based-object-classification/ 基于事件的视觉功能，如眼睛和大脑去克服传统的机器视觉的固有的局限性——https://translate.baiducontent.com/transpage?cb=translateCallback&ie=utf8&source=url&query=https%3A%2

IMAGO Technologies和 Prophesee公司宣布，他们将合作开发第一款工业级基于事件的视觉系统原型。 IMAGO VisionCam由Prophesee提供动力，将嵌入预言者最初为其参考系统开发的基于事件的视觉传感器和算法。 2019EmbeddedWorld于2月26日至28日举行。1号馆的IMAGO 458号展台展出首批原型并进行现场演示。 运动监测 基于事件的视觉解锁了新的应用程序，如运动监控，旨在实时监控机器生产周期中出现的偏差。 通过评估每个像素是否在其应

Prophesee现在是嵌入式视觉联盟的成员，这是一个致力于推动计算机视觉的全球行业组织。该联盟拥有100多家企业成员，将自己描述为“全球行业合作伙伴关系，将技术提供商和终端产品公司聚集在一起，为各种应用提供计算机视觉的创新和实际应用。” EVA的亮点之一是他们的年度嵌入式视觉峰会，今年于5月20日至23日在加利福尼亚州圣克拉拉举行。 Prophesee将展示用于汽车和工业自动化应用的技术的新演示，并进行特别演示，向与会者提供有关我们技术路线图的最新信息。

基于事件的视觉功能，如眼睛和大脑，以克服传统机器视觉的固有限制。人眼与传统摄像机几乎没有什么共同之处。 所有传统视频工具都通过每秒捕获一些静止帧来表示动作。这些图像快速显示，产生连续运动的错觉。从翻书到电影摄影机，错觉变得更有说服力，但它的基本结构从未改变过。 对于计算机来说，这种运动表示方法几乎没用。相机在每个帧之间是盲目的，丢失有关移动物体的信息。即使在相机正在拍摄时，其每个快照图像也不包含有关场景中元素运动的信息。更糟糕的是，在每个图像中，重复记录相同的不相关背景对象，从而产生过多的无用