用于灰度视频中移动目标分割的量子算法

在过去的几十年里，计算机视觉算法不断进化，使得开发出先进的技术成为可能，可以监视特定环境，检测视频中感兴趣的物体，并发现CCTV录像中的可疑活动。其中一些算法专门设计用于在视频中检测和分离运动物体或感兴趣的人，这个任务被称为移动目标分割。

尽管某些传统算法在移动目标分割方面取得了令人满意的结果，但大部分算法在实时情况下（即分析未经预先录制的而是即时捕捉的视频）表现较差。因此，一些研究团队开始尝试采用替代性的算法来解决这个问题，例如所谓的量子算法。

中国南京信息科技大学和东南大学的研究人员最近开发了一种新的量子算法，用于灰度视频中运动目标的分割。这种算法发表在《Advanced Quantum Technologies》杂志上，发现在涉及实时视频分析的任务中，其性能优于经典方法。

“我们之前的工作致力于量子图像分割算法，我们发表了几篇论文，但那些都是关于静态目标的，”进行这项研究的一位研究人员刘文杰说，“我们想知道是否能进一步分割移动目标，并将应用范围从图像扩展到视频。我们查阅了关于量子视频的相关研究，发现这个领域的研究很少。”

刘先生及其同事开发的算法采用量子力学过程，以快速分割灰度视频中的移动目标。随后，这个分割出的人物或物体可以被识别为一个目标，并利用额外的计算方法进行监测。

“首先，我们将经典的灰度视频存储为一些量子位（qubits），让帧和像素位置处于叠加态，让像素的灰度值与它们纠缠在一起，从而获得量子视频Vk，” 刘说道。”然后将视频进行循环移位，得到另外两个新视频，Vk-1和Vk+1，相对于原视频，这两个新视频的帧位置分别向前和向后移动一个单位。这三个视频共享位置量子位。然后，使用原视频与这两个新得到的视频进行绝对值相减操作，即Bk-1=|Vk-Vk-1|，Bk+1=|Vk-Vk+1|。接着，对Bk-1和Bk+1进行二值化处理，得到bk-1和bk+1。将bk-1和bk+1相加得到最终结果，然后进行测量以恢复为经典视频。”

为了让他们的算法能够区分阈值和灰度值，刘先生和他的同事们引入了一种所谓的量子比较器，这样可以减少计算功耗。此外，团队设计了各种利用更少的量子比特和量子门的量子电路单元。

“基于这些元件，我们组装了完整的量子电路，” 刘说道。”与传统的对应物相比，我们实现了指数级的加速，而且算法的复杂性也优于现有的量子算法。图像中的像素位置被存储到叠加态中的量子比特中，然后灰度值信息的量子比特与位置信息的量子比特纠缠在一起，使得图像或视频处于叠加态。在叠加态中对图像（或视频）中的像素进行计算操作等价于对整个图像（或整个视频）进行计算操作，从而可以指数级地减少计算复杂度。”

刘和他的同事们在一系列测试中评估了他们的算法，并将其性能与传统的移动目标分割算法进行了比较。他们发现，他们的算法在保持相同准确性的同时，速度显著快于传统模型。

“与其经典版本相比，该算法的复杂度呈指数级下降，”刘说道。“此外，我们设计了一种量子比较器，其量子门和量子比特较少，可以应用于任何需要数值比较的任务，并有效地降低算法的复杂度。”

未来，这个由研究团队创造的算法有望进一步发展，并在更多现实世界的影像资料上进行测试。与此同时，这项工作还能激发新的高效量子算法的发展，用于其他先进的计算机视觉应用。

刘补充道：“目前，我们的研究集中在如何利用量子电路在空间域更简化地处理图像，并且效果可以进一步改进。未来，为了获取更好的处理结果，我们将扩大研究范围，采用量子神经网络处理图像。此外，现有的量子技术在短期内无法实现大规模量子比特的使用，因此混合经典-量子神经网络也是一个更好的选择。”