[发明专利]面向人体动作识别方法

权利要求书

1.面向人体动作识别方法，其特征在于：

该方法步骤如下：

第一步，使用红外摄像头采集人体动作灰度图像；

第二步，对第一步中的人体动作灰度图像依次进行锐化和二值化得人体动作量子图像；

第三步，对第二步中的人体动作量子图像进行边缘特征点提取；

第四步，基于相似度检测的人体动作量子图像分类方法，利用基于第三步中量子图像中提取的特征点构成的图形上进行量子漫步来分析该图与人体动作量子匹配库中的图之间的相似程度，完成人体动作识别；

第二步中的锐化步骤如下：

采用Laplace算子x，y两个方向的二阶导数进行差分就得到了离散函数的Laplace算子；在一个二维函数f(x,y)中，x，y两个方向的二阶差分为：

其中是f(x,y)对x求二阶导数，是f(x,y)对y求二阶导数；

Laplace的差分形式为：

其中是梯度算子，f(x,y)在x，y两个方向求二阶导数；

对量子图像锐化操作形式为：

|I′是锐化后的图像，|I是锐化前的图像；

二值化方式：人体动作灰度图像量子二值化：操作定义为色彩变换操作U_B；

其中是二进制串，是张量积符号，q是量子的个数，|a是所需的辅助量子位；在这个操作中一共需要使用到2(q-1)辅助量子位，因为一共有q-1个量子与门和q-1个量子或门被使用到；|a′〉表示了这些辅助量子位在完成操作之后的状态；针对人体动作量子图像|I进行该操作，将图像中所有色彩值小于128的像素变成黑色，而剩下的像素则置为白色；

第三步中的动作边缘提取如下：

人体动作有静态和动态之分；

静态提取：

步骤一：进行梯度计算准备算法；在该算法中，在完成平移后就可以针对图像中的所有像素都得到其邻域像素的色彩信息，并分别将其保存在辅助的量子位中；

①U_(x±)，该操作完成图像沿X方向的单位平移操作；

②U_(y±)，该操作完成图像沿Y方向的单位平移操作；

式(6)(7)中x±是在X方向的单位平移，y±是在Y方向的单位平移；2ⁿ是图像的大小；f(Y,X)是图像在(Y,X)位置的色彩值，用二进制串来编码，而(X±1)mod 2ⁿ是对X方向的单位平移进行模2运算，(Y±1)mod2ⁿ是对Y方向的单位平移进行模2运算；

步骤二：当得到了像素3×3邻域像素色彩信息之后，将使用量子黑盒操作U_Ω来为每一个像素同时计算Prewitt梯度并将结果保存在量子位Ω(Y，X)中；这个量子位与位置量子序列纠缠即形成新的量子图像，量子黑盒为U_Ω；

量子黑盒操作的定义为：

其中和|Ω(X,Y)〉表示为：

其中C_Y-1X+1是(Y-1,X+1)位置的色彩值，C_YX+1是(Y,X+1)位置的色彩值，C_Y+1X+1是(Y+1,X+1)位置的色彩值，C_Y+1X是(Y+1,X)位置的色彩值，C_Y+1X-1是(Y+1,X-1)位置的色彩值，C_YX-1是(Y,X-1)位置的色彩值，C_Y-1X-1是(Y-1,X-1)位置的色彩值，C_Y-1X是(Y-1,X)位置的色彩值；

采用Prewitt算子，其中T是设定的阈值，G_x和G_y为水平和垂直方向的梯度，表达式如下：

在结果量子图像中，属于边缘的像素的色彩值将为|1，显示为白色；反之，非边缘的像素点显示为黑色，色彩值为|0；C_Y-1X+1是(Y-1,X+1)位置的色彩值，C_YX+1是(Y,X+1)位置的色彩值，C_Y+1X+1是(Y+1,X+1)位置的色彩值，C_Y+1X是(Y+1,X)位置的色彩值，C_Y+1X-1是(Y+1,X-1)位置的色彩值，C_YX-1是(Y,X-1)位置的色彩值，C_Y-1X-1是(Y-1,X-1)位置的色彩值，C_Y-1X是(Y-1,X)位置的色彩值；

动态提取：利用背景差分法，其公式为：

D_k(x,y)＝|f_k(x,y)-B_k(x,y)| (13)

首先用事先存储的图像为视频序列当中每帧图像进行统计建模，所得到的背景模型为B_k，接下来将包含运动目标的图像帧f_k与B_k相减，D_k为相减之后的结果；接下来将作差之后的结果进行二值化处理，T为阈值；当作差之后的结果与背景模型偏离较大的情况时，该部分就被定义为运动的目标，也就是前景，反之就是背景；R_k(x,y)是二值化图像在(X,Y)位置的灰度值。