一種基于測量的復(fù)雜背景下量子視頻動(dòng)目標(biāo)檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種基于測量的復(fù)雜背景下量子視頻動(dòng)目標(biāo)檢測方法，特別是設(shè)及 一種基于視頻序列多次測量的在復(fù)雜背景下多通道量子視頻動(dòng)目標(biāo)檢測方法，屬于計(jì)算機(jī) 圖像處理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 動(dòng)目標(biāo)檢測（MTD)技術(shù)在計(jì)算機(jī)視覺、圖像應(yīng)用、入侵檢測W及異常行為檢測等 領(lǐng)域中意義重大，是計(jì)算機(jī)視覺領(lǐng)域中最為活躍的研究課題之一。在傳統(tǒng)計(jì)算機(jī)領(lǐng)域，動(dòng)目 標(biāo)檢測技術(shù)已經(jīng)取得了較大的進(jìn)展，但該些技術(shù)在計(jì)算復(fù)雜度、檢測準(zhǔn)確性或系統(tǒng)魯椿性 上均存在一定的不足，難W滿足在越加復(fù)雜的應(yīng)用環(huán)境下提出的各種實(shí)際需求。量子圖像 處理是量子力學(xué)同經(jīng)典圖像處理的結(jié)晶，量子力學(xué)的基本原理（如量子并行和量子糾纏） 使得量子圖像處理技術(shù)在相關(guān)應(yīng)用中取得了廣泛認(rèn)可。而2011年量子電影實(shí)現(xiàn)架構(gòu)的提 出使得傳統(tǒng)電影的存儲(chǔ)和處理可W有效地?cái)U(kuò)展到量子計(jì)算設(shè)備上，該較大程度地促進(jìn)了量 子視頻技術(shù)的發(fā)展。隨后，多通道量子圖像表達(dá)式（MCQI)提高了原有量子電影架構(gòu)的適用 性，同時(shí)也為動(dòng)目標(biāo)檢測技術(shù)在量子視頻領(lǐng)域的擴(kuò)展提供了可行性。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種基于測量的復(fù)雜背景下量子視頻動(dòng)目標(biāo)檢測方法， 首先，多通道量子圖像表達(dá)式(MCQI)是量子圖像柔性表達(dá)式（FRQI)在顏色信息上的延伸， 它能夠捕獲圖像中每個(gè)像素點(diǎn)的顏色信息W及相應(yīng)的位置信息，并將它們集成為一個(gè)歸一 化量子狀態(tài)。
[0004] 本發(fā)明的技術(shù)方案是該樣實(shí)現(xiàn)的；一種基于測量的復(fù)雜背景下量子視頻動(dòng)目 標(biāo)檢測方法，其特特征在于；MCQI通過3個(gè)量子位表示像素的R，G和B顏色信息； 扣e 個(gè)量子位表示一幅三《^ 2?圖像的位置信息（前n個(gè)量子位用于表示圖像沿 軸的位置信息，后n個(gè)量子位用于表示圖像沿4由的位置信息)。利用量子電影表達(dá)式中對(duì) 視頻關(guān)鍵帖、視頻存儲(chǔ)和播放設(shè)備等的描述，我們可W得到使用2"幅MCQI圖像表示視頻 帖的多通道量子視頻表達(dá)式，其定義如下所示：
其中，表示每幅圖像在視頻序列中的位置，是編譯所有圖像所需的量子位， !巧(>!):)是一幅MCQI量子圖像，其定義為：
其中，iG-iJ表示視頻序列I的位置的圖像中第;個(gè)像素點(diǎn)的RGB顏色信息，其定義為：
其中，iOOO;)，1001:)，|010>，…，！m>是8 維的基本量子態(tài)，{巧:=巧巧 1€[0:,T''2] 表示視頻序列UH立置的圖像中第i個(gè)像素的R、G和B顏色值，盡的默認(rèn)值為0,不攜帶任何 信息。
[0005] 準(zhǔn)備一個(gè)包含5帖圖像的多通道量子視頻，每帖圖像的大小為4x4,運(yùn)動(dòng)目標(biāo)為 視頻中一個(gè)紫色像素點(diǎn)。通過對(duì)該量子視頻及其副本進(jìn)行多次測量得到每帖圖像中各像素 點(diǎn)巧縮結(jié)果為1的概率，生成MTD概率矩陣，并通過該矩陣檢測運(yùn)動(dòng)目標(biāo)的移動(dòng)軌跡。
[0006] 具體按W下步驟完成： 步驟1、準(zhǔn)備足夠數(shù)量的多通道量子視頻副本，其中副本數(shù)量越多，測量結(jié)果越接近像 素實(shí)際值，檢測結(jié)果也越精確，但用于存儲(chǔ)和測量的計(jì)算資源也會(huì)越多。
[0007] 步驟2、提取多通道量子視頻及其副本的R、G和B通道分量，并分別進(jìn)行測量，由 于對(duì)量子疊加態(tài)測量會(huì)導(dǎo)致該狀態(tài)巧縮，所WR、G和B通道上每個(gè)像素的測量結(jié)果只能得 到黑色和白色，且各W-定概率存在。對(duì)一個(gè)像素在R、G和B通道上的分量而言，測量結(jié)果 為白色的概率，近似等于該像素在該通道的灰度值（i-)與最高灰度值的比值（W255 )，也就 是說，我們可W根據(jù)測量結(jié)果推導(dǎo)出該像素點(diǎn)在各個(gè)通道的灰度值。
[000引步驟3、根據(jù)步驟2所得概率，將每帖圖像所有像素點(diǎn)的測量概率作為MTD概率矩 陣的行向量，則由視頻中所有帖生成的若干行向量即可構(gòu)成MD概率矩陣。根據(jù)R，G和B 通道分量上的測量結(jié)果，一個(gè)量子視頻將生成R，G和BS個(gè)通道的MD概率矩陣，該將確保 即使某個(gè)像素點(diǎn)的顏色變化只是由單一通道灰度變化引起時(shí)，也能正確判斷運(yùn)動(dòng)目標(biāo)的軌 跡。
[0009] 步驟4、對(duì)于運(yùn)動(dòng)目標(biāo)，可W根據(jù)其在MTD概率矩陣中對(duì)應(yīng)元素的位置變化來判斷 其運(yùn)動(dòng)軌跡。
[0010] 本發(fā)明的積極效果如下： 1.本發(fā)明將動(dòng)目標(biāo)檢測技術(shù)延伸到量子計(jì)算領(lǐng)域，有益于利用量子力學(xué)的基本原理 來突破傳統(tǒng)計(jì)算機(jī)領(lǐng)域中動(dòng)目標(biāo)檢測技術(shù)的瓶頸。
[0011] 2.本發(fā)明中采用基于MCQI量子圖像的視頻表達(dá)式，可并行處理視頻中指定位置 的幾何與顏色信息。
[0012] 3.本發(fā)明中通過多次測量所得概率近似推導(dǎo)R，G和B通道分量的灰度值，為量子 測量導(dǎo)致的像素點(diǎn)顏色信息巧縮提供了一種可行的還原方法。
【附圖說明】
[001引圖1是一個(gè)包含5帖MCQI圖像的量子視頻，其中帶有標(biāo)記'T' (Target)的紫色像 素為運(yùn)動(dòng)目標(biāo)，移動(dòng)路徑由'IN'至rOUT'。
[0014] 圖2是該視頻第一帖中提取的R，G和B通道分量W及理想的測量結(jié)果。
[001引圖3是MD概率矩陣的一般生成過程。
[0016] 圖4是由該量子視頻獲得的R，G和B通道MTD概率矩陣。
【具體實(shí)施方式】
[0017] 下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的描述：一種基于測量的復(fù)雜 背景下量子視頻動(dòng)目標(biāo)檢測方法，其特征在于：首先給定S個(gè)角度矩陣，
其中表示量子視頻中MCQI圖像的數(shù)目，2='^表示每帖MCQI圖像中包含的像素點(diǎn)數(shù) 目；通過化damard口和受控非口變換使得量子計(jì)算機(jī)從初始狀態(tài)|〇)3'*"3"~3轉(zhuǎn)換到量子 視頻狀態(tài)IS(叫句）：
其中，Is；)表示每幅圖像在視頻序列中的位置，胃是編譯視頻中所有圖像所需的量子 位，|E(W))是一幅MCQI量子圖像，定義為：
其中，I巧kJ代表視頻序列I5)位置的圖像中第!個(gè)像素點(diǎn)的RGB顏色信息，定義為：
其中，|00巧，！001)，i〇10>，…，|111>是8維的基本量子態(tài)，傳=管，管-}e[0;,T'2!表示 視頻序列U)位置的圖像中第個(gè)像素的R、G和B顏色值，的默認(rèn)值為0,不攜帶任何信息。 [001引準(zhǔn)備一個(gè)含有5帖MCQI圖像! (口)>的量子視頻I5' 1>。I'鴻（如圖1所示），為該 視頻準(zhǔn)備足夠多的副本，通過測量獲得與像素灰度值相關(guān)的測量概率，進(jìn)而生成MTD概率 矩陣，最后由MTD概率矩陣分析運(yùn)動(dòng)目標(biāo)的移動(dòng)軌跡； 具體按W下步驟完成： 步驟1、準(zhǔn)備足夠數(shù)量的多通道量子視頻副本，其中副本數(shù)量準(zhǔn)備越多，測量結(jié)果越接 近像素實(shí)際值，檢測結(jié)果也越精確，但用于存儲(chǔ)和測量的計(jì)算資源也會(huì)越多。該里測量次數(shù) 為255次，且視頻背景為8種基本顏色，其R，G和B分量的灰度值只選取0和255。
[001引步驟2、提取該視頻及其副本的R、G和B通道分量，并分別進(jìn)行測量，由于對(duì)量子 疊加態(tài)會(huì)導(dǎo)致該狀態(tài)巧縮，所WR、G或B通道上每個(gè)像素的測量結(jié)果只能得到黑色和白色， 且各W-定概率存在。對(duì)一個(gè)像素在R、G、B通道上的分量而言，測量結(jié)果為白色的概率， 近似等于該像素在該通道的灰度值（朽與最高灰度值的比值（村255 )，圖2為視頻第一帖在 R，G，B通道的圖像分量W及多次測量后獲得的理想結(jié)果。
[0020] 步驟3、按照?qǐng)D3所示過程，根據(jù)步驟2所得概率，將每帖圖像所有像素點(diǎn)的測量概 率作為MTD概率矩陣的行向量，則由視頻中所有帖生成的若干行向量即可構(gòu)成MTD概率矩 陣，生成的MD概率矩陣如圖4所示。
[0021] 步驟4、該量子視頻中紫色像素點(diǎn)的運(yùn)動(dòng)軌跡即為R，G和B通道MD概率矩陣中 元素和的位置變化，通過分析該些元素的位置變化可確定該紫色像素點(diǎn)在 2^5 2^氣 視頻中的運(yùn)動(dòng)軌跡。
【主權(quán)項(xiàng)】
1. 一種基于測量的復(fù)雜背景下量子視頻動(dòng)目標(biāo)檢測方法，其特征在于：首先給定三個(gè)其中：T表示量子視頻中MCQI圖像的數(shù)目，2:':表示每幀MCQI圖像中包含的像素點(diǎn)數(shù) 目；通過Hadamard門和受控非門變換使得量子計(jì)算機(jī)從初始狀態(tài)I 轉(zhuǎn)換到量子 視頻狀態(tài)：其中，|s>表示每幅圖像在視頻序列中的位置，w是編譯視頻中所有圖像所需的量子 位，Ie(W))是一幅MCQI量子圖像，定義為：其中，|000>，丨001>，丨010> ,…，丨111>是8維的基本量子態(tài)，丨哎焉';片:卜[0, 2]表 示視頻序列KH立置的圖像中第i個(gè)像素的R、G和B顏色值，6L的默認(rèn)值為0,不攜帶任何信 息； 準(zhǔn)備一個(gè)含有5幀MCQI圖像I^ 的量子視頻jS丨為該視頻準(zhǔn)備足夠多的副 本，通過測量獲得與像素灰度值相關(guān)的測量概率，進(jìn)而生成MID概率矩陣，最后由MID概率 矩陣分析運(yùn)動(dòng)目標(biāo)的移動(dòng)軌跡； 具體按以下步驟完成： 步驟1、準(zhǔn)備足夠數(shù)量的多通道量子視頻副本，其中副本數(shù)量準(zhǔn)備越多，測量結(jié)果越接 近像素實(shí)際值，檢測結(jié)果也越精確，但用于存儲(chǔ)和測量的計(jì)算資源也會(huì)越多；這里測量次數(shù) 為255次，且視頻背景為8種基本顏色，其R，G和B分量的灰度值只選取0和255 ; 步驟2、提取該視頻及其副本的R、G和B通道分量，并分別進(jìn)行測量，由于對(duì)量子疊加 態(tài)會(huì)導(dǎo)致該狀態(tài)坍縮，所以R、G或B通道上每個(gè)像素的測量結(jié)果只能得到黑色和白色，且各 以一定概率存在；對(duì)一個(gè)像素在R、G、B通道上的分量而言，測量結(jié)果為白色的概率，近似等 于該像素在該通道的灰度值（！?)與最高灰度值的比值（ir/255); 步驟3、根據(jù)步驟2所得概率，將每幀圖像所有像素點(diǎn)的測量概率作為MTD概率矩陣的 行向量，則由視頻中所有幀生成的若干行向量即可構(gòu)成MID概率矩陣，生成的MID概率矩 陣； 步驟4、該量子視頻中紫色像素點(diǎn)的運(yùn)動(dòng)軌跡即為R，G和B通道MTD概率矩陣中元素
【專利摘要】本發(fā)明涉及一種基于測量的復(fù)雜背景下量子視頻動(dòng)目標(biāo)檢測方法, 其特特征在于：MCQI通過3個(gè)量子位表示像素的R，G和B顏色信息；個(gè)量子位表示一幅圖像的位置信息（前n個(gè)量子位用于表示圖像沿y軸的位置信息，后n個(gè)量子位用于表示圖像沿x軸的位置信息）。利用量子電影表達(dá)式中對(duì)視頻關(guān)鍵幀、視頻存儲(chǔ)和播放設(shè)備等的描述，可以得到使用幅MCQI圖像表示視頻幀的多通道量子視頻表達(dá)式，其能夠捕獲圖像中每個(gè)像素點(diǎn)的顏色信息以及相應(yīng)的位置信息，并將它們集成為一個(gè)歸一化量子狀態(tài)。
【IPC分類】G06T7/20
【公開號(hào)】CN104966306
【申請(qǐng)?zhí)枴緾N201510392920
【發(fā)明人】閆飛, 郭一鳴, 韓成, 蔣振剛, 楊華民
【申請(qǐng)人】長春理工大學(xué)
【公開日】2015年10月7日
【申請(qǐng)日】2015年7月7日