底层技术原理｜EVS事件视觉、双模硬件切换、事件时序空间智能、In-sensor Computing

DVS/EVS基础工作原理

• •传统图像传感器：固定时间输出整张图片，无论画面是否变化。大量静止背景像素造成数据冗余；运动拖影、强光过曝；携带完整图像隐私信息
• •EVS (Event-based Vision Sensor)：只输出亮度发生改变的像素点
• •物体静止：几乎没有数据输出
• •物体运动：输出变化的像素事件+微秒级时间戳
• •优势：数据量小、延迟微秒级、功耗低、抗强光

双模硬件切换（Privacy Silhouette Mode / Forensic Snapshot Mode）

• •Privacy Silhouette Mode：硬件电路层面切断完整图像生成，设备不会产出一张完整图片；只有事件点数据流输出。固件、网络接口都无法绕过硬件隔离
• •Forensic Snapshot Mode：收到指令才开启，输出RGB彩色图像，用于取证留痕
• •不是软件打码；软件打码是先有原图再做模糊，原图依然存在设备内部。本方案硬件层面控制图像是否生成

端侧多模态行为大模型

• •大模型部署本地端设备；输入为事件时序数据流，不需要图像
• •识别能力：跌倒、人员滞留、人体姿态、手势动作
• •推理本地完成，不需要上传原始图像到云端，兼顾识别能力与隐私合规

事件时序空间智能

只依靠事件点+时间戳，不需要完整图像，完成：

• •空间拓扑解析
• •物体交互、移位检测
• •人员进出、区域滞留判断
• •应用：养老监测、机器人SLAM建图、工业工序时序校验

In-sensor Computing架构两种路线

• •近传感器计算：传感器输出事件数据，外部MCU/NPU完成AI计算；现有JYR-EH模组采用该路线
• •In-sensor Computing：感知单元与AI计算单元集成同一颗芯片；数据不需要离开芯片，极致降低延迟、功耗、带宽；JYR-ES预研项目采用该路线

知识产权矩阵&产学研模式

• •现有专利：17项自研发明专利+西电3项底层专利授权；3年规划扩充到100项专利
• •西电广研院：底层传感器、专利授权
• •光流慧芯：硬件、固件、算法、产品工程化、市场落地
• •大一资本：产业资本赋能
• •深圳虚拟大学园同园区协同，解决实验室原型走向量产产品的工程难题