基于量子神经网络的人体行为识别方法

摘要

基于量子神经网络的人体行为识别方法，1：采集人体动作图像，并对每一帧图像灰度化；2：采用人体动作图像存储在量子态中形成NEQR量子图像；3：量子图像前景检测：针对NEQR量子图像采用背景差分法和ViBe算法分别检测静态目标和运动目标；4：使用Hadamard门边缘检测算法从第三步的“运动目标”中提取出人体动作的边缘信息，形成边缘量子图像；5：基于量子黑盒的卷积法对第四步的“边缘量子图像”进行卷积操作来提取动作的特征点，制作识别样本集；6：读取训练好的权值，构建量子BP神经网络对识别样本集进行识别。本方案具有以下几点优势：1）使得量子图像处理更加灵活；2）充分利用量子的并行计算能力；3）量子神经网络提高人体行为识别的准确性。