动态目标跟踪与自动特写快照系统的设计及实现

多目标跟踪

多目标跟踪的基本理论所谓多目标跟踪，就是为了维持对多个目标当前状态的估计而对所接收到的量测信息进行处理的过程。目标模型不确定性是指目标在未知的时间段内可能作己知的或未知的机动。一般情况下，目标的非机动方式及目标发生机动时的不同的机动形式都可以通过不同的数学模型来加以描述。在进行目标跟踪过程中，采用不正确的目标运动模型会导致跟踪系统跟踪性能的严重下降。因而在目标跟踪过程中，运动模型采用的正确与否对目标的跟踪性能是至关重要的。观测不确定性是指由传感器系统提供的量测数据可能是外部的干扰数据，它有可能是由杂波、虚警和相邻的目标所引起的，也可能是由被跟踪目标的对抗系统所主动发出来的虚假信息。这种不确定性在本质上显然是离散的，给目标跟踪问题提出了极大的挑战，相应地也就产生了数据关联的问题。数据关联数据关联的作用主要有：航迹保持、航迹建立和航迹终结。数据关联算法主要有：“最近邻”方法，“全邻”最优滤波器方法、概率数据关联滤波器方法、多模型方法、相互作用多模型一概率数据关联滤波器方法、联合概率数据关联滤波器方法、多假设方法、航迹分裂方法。 1.“最近邻”方法的思想是：在落入跟踪波门中的所有量测中，离目标跟踪预测位置最近的量测认为是有效量测。“最近邻”方法的好处是算法最简单，但是精度差，抗杂波干扰的能力差。“最近邻”方法因为简单，算法易实现，因此也是目前广泛采用的一种数据关联算法． 2 .“全邻”最优滤波器 Singer,Sea和Housewright发展了一类“全邻”滤波器，这种滤波器不仅考虑了所有候选回波（空间累积信息），而且考虑了跟踪历史，即多扫描相关（时间累积信息）假定多余回波互不相关并且均匀分布于跟踪门内，则任何跟踪门的体积V内多余回波的数目Cx服从均值为βV的泊松分布。假定在K-1时刻，轨迹a′正确的概率为Pa(k-1)。关键问题是计算k时刻轨迹的正确概率Pa(k)。

用opencv实现对视频中动态目标的追踪

用openCV实现对视频中动态目标的追踪第一步，是要建立一个编程环境，然后加载opencv的库路径等等。具体步骤在 https://www.360docs.net/doc/5f11869330.html,/ 的“安装”中有详细介绍。第二步，建立一个MFC的对话框程序，做两个按钮，一个“打开视频文件”，一个“运动跟踪处理”。具体操作： 1 建立MFC对话框程序的框架：File ->New -> MFC AppWizard(exe)，选取工程路径，并取工程名“VideoProcesssing”-> Next -> 选择Dialog based后，点Finish,点OK. 2 添加按钮：直接Delete掉界面默认的两个“确定”“取消”按钮。然后添加两个button，分别名为“打开视频”，“运动跟踪处理”，其ID分别设为IDC_OPEN_VIDEO，IDC_TRACKING. 3 添加消息响应函数：双击按钮“打开视频”，自动生成响应函数名OnOpenVideo，点Ok。然后添加如下代码： CFileDialog dlg(true,"*.avi",NULL,NULL,"*.avi|*.avi||"); if (dlg.DoModal()==IDOK) { strAviFilePath = dlg.GetPathName(); }else { return; } 同样，双击“运动跟踪处理”，选择默认的响应函数名，然后添加代码： //声明IplImage指针 IplImage* pFrame = NULL; IplImage* pFrImg = NULL; IplImage* pBkImg = NULL; CvMat* pFrameMat = NULL; CvMat* pFrMat = NULL; CvMat* pBkMat = NULL; CvCapture* pCapture = NULL; int nFrmNum = 0; //打开AVI视频文件 if(strAviFilePath=="") //判断文件路径是否为空 { MessageBox("请先选择AVI视频文件!"); return; }else { if(!(pCapture = cvCaptureFromFile(strAviFilePath))) { MessageBox("打开AVI视频文件失败!"); return;

目标跟踪算法

clc; clear; x=[0 16 25 33 50 65 75 82 100]; y=[0 172.5 227.5 324.2 330.7 286.1 237.7 201.7 0]; plot(xx,yy); 的图为 xx = 0:.01:100; yy = spline(x,y,xx); plot(xx,yy)

Matlab画平滑曲线的两种方法（拟合或插值后再用plot即可）分类：MATLAB2012-12-02 11:15 25540人阅读评论(4) 收藏举报自然状态下，用plot画的是折线，而不是平滑曲线。有两种方法可以画平滑曲线，第一种是拟合的方法，第二种是用spcrv，其实原理应该都一样就是插值。下面是源程序，大家可以根据需要自行选择，更改拟合的参数。 clc,clear; a = 1:1:6; %横坐标 b = [8.0 9.0 10.0 15.0 35.0 40.0]; %纵坐标

plot(a, b, 'b'); %自然状态的画图效果 hold on; %第一种，画平滑曲线的方法 c = polyfit(a, b, 2); %进行拟合，c为2次拟合后的系数 d = polyval(c, a, 1); %拟合后，每一个横坐标对应的值即为d plot(a, d, 'r'); %拟合后的曲线 plot(a, b, '*'); %将每个点用*画出来 hold on; %第二种，画平滑曲线的方法 values = spcrv([[a(1) a a(end)];[b(1) b b(end)]],3); plot(values(1,:),values(2,:), 'g');

软件项目集成管理解决方案

软件项目集成管理解决方案 1 系统概述软件项目集成管理是实现软件开发过程和软件管理过程的全面管理。软件项目集成管理是通过将项目管理工具（如：MS project）和软件开发平台工具（如：IBM Rational Suite）有机地集成和扩展，依据软件工程和CMM/CMMI理论，按照组织统一的项目管理流程和方法针对软件开发过程、里程碑目标、任务级目标等进行集中管理的过程。软件项目管理一般面向软件开发团队以及有关管理者等部门或个人，最终提高企业软件生产力和项目成功率。软件项目集成管理技术架构如下图所示： 2 软件项目管理 2.1软件项目计划 2.1.1计划编制项目经理运用Microsoft Project2003 标准版编写项目计划。Microsoft Project 2003提供了强大的智能任务分解的工具。由于在系统的资源管理模块中已经完成对系统资源的定义，因此在此模块的任务分配中可以首先定义资源的成本，例如人员的计时工资，设备的每次使用成本等有关项目的成本信息，在将资源与相对的任务建立关系后相应资源的成本变为每个任务的成本，所有任务的成本构成项目的总成本。资源的成本定义如下图：

对相应任务分配资源后的项目以及任务成本图例：项目的计划编写完毕后向服务器发布项目计划，这样项目计划成为最终的项目执行依据。 2.1.2任务执行管理项目组成员可以在Project中对自己负责任务的完成情况进行设置，待设置被项目经理确认后，登录系统就可以查看项目各个任务的完成情况，如下图： 2.2软件项目跟踪和监督

软件项目跟踪和监控包括对照已文档化的估计、约定、计划评审跟踪软件完成情况和结果，基于实际的完成情况和结果调整这些计划。在项目经理使用Microsoft Project 2003 标准版做好项目计划时，将做好的最初计划保存为比较基准；当项目进展到一定阶段后可以与比较基准进行比较，得出项目是否按计划进行，还有多少任务没有按时完成，多少任务提前完成等等信息。如下图：通过这一模块可对项目进度进行控制与更新。以便于上级更好的掌握各种计划的进展情况，同时提供多种形式的进度查询，使领导及时掌握各种任务进展的更新信息。进度更新是更新自己所属任务的进展以及完成情况，便于上级更好的掌握各种计划的安排，以保证项目顺利进行。 3 软件开发过程管理 3.1需求管理系统采用IBM Rational RequisitePro进行软件需求管理。IBM Rational RequisitePro利用了被广泛应用和熟悉的Microsoft Word工具来简化需求的获取。虽然文档有助于需求的获取，但它不是对信息进行优先级排序和组织的最佳环境，而这些活动在使用数据库时却可以达到最佳效果。通过链接需求文档和数据库，IBM Rational RequisitePro将两者的最佳功能结合在一起。这个独特的结构充分利用了数据库的强大功能和Word的易用性，以便有效的进行需求管理。IBM Rational RequisitePro中的文档不是简单地将需求从数据库中输入或输出。它们包含当前最新的需求信息，使您可以在熟悉的Microsoft Word环境中对需求进行修改。Word文档中的需求被动态链接到数据库中存储的补充需求信息。数据库和文档被链接在一起，只需简单地在数据库中双击需求，就可启动Microsoft Word，将您直接带到书写该需求的文档

太阳能自动跟踪系统的设计

太阳能自动跟踪系统的设计 1引言开发新能源和可再生资源是全世界面临的共同课题，在新能源中，太阳能发电已成为全球发展最快的技术。太阳能作为一种清洁无污染的能源，开发前景十分广阔。然而由于太阳存在着间隙性，光照强度随着时间不断变化等问题，这对太阳能的收集和利用装置提出了更高的要求(见图1)。目前很多太阳能电池板阵列基本都是固定的，不能充分利用太阳能资源，发电效率低下。据测试，在太阳能电池板阵列中，相同条件下采用自动跟踪系统发电设备要比固定发电设备的发电量提高35%左右。所谓太阳能跟踪系统是能让太阳能电池板随时正对太阳，让太阳光的光线随时垂直照射太阳能电池板的动力装置，能显著提高太阳能光伏组件的发电效率。目前市场上所使用的跟踪系统按照驱动装置分为单轴太阳能自动跟踪系统和双轴太阳能自动跟踪系统。所谓单轴是指仅可以水平方向跟踪太阳，在高度上根据地理和季节的变化人为的进行调节固定，这样不仅增加了工作量，而且跟踪精度也不够高。双轴跟踪可以在水平方位和高度两个方向跟踪太阳轨迹，显然双轴跟踪优于单轴跟踪。图1 太阳能的收集装置现场从控制手段上系统可分为传感器跟踪和视日运动轨迹跟踪(程序跟踪)。传感器跟踪是利用光电传感器检测太阳光线是否偏离电池板法线，当太阳光线偏离电池板法线时，传感器发出偏差信号，经放大运算后控制执行机构，使跟踪装置从新对准太阳。这种跟踪装置，灵敏度高，但是遇到长时间乌云遮日则会影响运行。视日运动轨迹跟踪，是根据太阳的实际运行轨迹，按照预定的程序调整跟踪装置。这种跟踪方式能够全天候实时跟踪，其精度不是很高，但是符合运行情况，应用较广泛。从主控单元类型上可以分为PLC控制和单片机控制。单片机控制程序在出厂时由专业人员编写开发，一般设备厂家不易再次进行开发和参数设定。而学习使用PLC比较容易，通过PLC厂家技术人员的培训，设备使用厂家的技术人员可以很方便的学会简单的调试和编写，并且PLC能够提供多种通讯接口，通讯组网也比较方便简单。

基于动态图像序列的运动目标跟踪

浙江工程学院学报,第19卷,第3期,2002年9月 Journal of Zhejiang Institute of Science and T echnology Vol .19,No .3,Sep 12002 文章编号:100924741(2002)0320165206 收稿日期:2002201222 基金项目:国家自然科学基金资助项目(60103016),浙江省自然科学基金资助项目(601019),浙江省教育厅科研资助项目(2000036) 作者简介:周志宇(1974—　 ),男,浙江诸暨人,在职硕士研究生,从事计算机视觉的研究。基于动态图像序列的运动目标跟踪周志宇,汪亚明,黄文清 (浙江工程学院计算机视觉与模式识别研究中心,浙江杭州　310033) 摘要:介绍了运动目标跟踪中基于特征、32D 、变形模型和区域的4种跟踪方法,着重分析了变形模型中Snake 的跳跃模型跟踪方法和基于区域的几个有代表性的跟踪方法,说明了其在智能交通监控中的应用, 并给出了区域跟踪的实验结果。关键词:动态图像序列;运动目标;变形模型;区域跟踪中图分类号:TP391141 文献标识码:A 0　前言基于动态图像序列的运动目标跟踪技术在军事、国防、工业过程控制、医学研究、交通监控、飞机导航等领域有着广泛的应用前景。运动目标跟踪的目的就是通过对序列图像进行分析研究,计算出运动目标在连续帧图像中的位移,给出运动目标速度等运动参数,从而对缓解城市交通拥挤、堵塞现象提供依据。利用图像捕捉并跟踪我们感兴趣的运动目标,形成运动目标的序列图像由于比静止目标的一帧图像提供了更多的有用信息,使得可以利用序列图像检测出在单帧图像中很难检测出的目标。在复杂背景下对运动目标的跟踪以达到特定的目的,可靠性和精度是跟踪过程中的两个重要指标,为此,人们提出了许多方法来解决跟踪问题,但归纳起来,主要有基于特征、32D 、变形模型和区域的4种跟踪方法。 1　运动目标的跟踪方法 111　基于特征的跟踪方法用于目标的跟踪的个体特征有许许多多,不管是刚体运动目标,还是非刚体运动目标,在序列图像中相邻的两帧图像,由于图像序列间的采样时间间隔很小,可以认为这些个体特征在运动形式上具有平滑性,因此可以用直线 [1]、曲线[2]、参照点[3]等个体特征来跟踪运动目标。Liu [1]等人介绍了灰度图像中一种边缘直线匹配的算法。在边缘直线的提取中,首先,用图像边缘聚焦技术处理图像数据,消除不必要的图像噪声,形成了一个边缘,然后从边缘中分割出直线,并从中提取直线。用一种以直线的几何关系和灰度图像的信息为基础的匹配函数描述了两幅图像边缘直线的相似性,在连续帧图像中采用直线匹配的方法进行了运动参数的估计。基于特征的跟踪方法有其显著的优点:a )由于使用的符号模型运动方式简单,运动具有平滑性,因此跟踪目标的算法就简单了;b )这种方法已经假设特征符号运动是相互独立的运动,因此在运动分析时

目标跟踪算法的分类

运动目标跟踪就是在一段序列图像中的每幅图像中实时地找到所感兴趣的运动目标 (包括位置、速度及加速度等运动参数)。在运动目标跟踪问题的研究上，总体来说有两种思路： a)不依赖于先验知识，直接从图像序列中检测到运动目标，并进行目标识别，最终跟踪感兴趣的运动目标； b)依赖于目标的先验知识，首先为运动目标建模，然后在图像序列中实时找到相匹配的运动目标。一、运动目标检测对于不依赖先验知识的目标跟踪来讲，运动检测是实现跟踪的第一步。运动检测即为从序列图像中将变化区域从背景图像中提取出来。运动目标检测的算法依照目标与摄像机之间的关系可以分为静态背景下运动检测和动态背景下运动检测。静态背景下运动检测就是摄像机在整个监视过程中不发生移动，只有被监视目标在摄像机视场内运动，这个过程只有目标相对于摄像机的运动；动态背景下运动检测就是摄像机在整个监视过程中发生了移动 (如平动、旋转或多自由度运动)，被监视目标在摄像机视场内也发生了运动，这个过程就产生了目标与摄像机之间复杂的相对运动。 1、静态背景背景差分法背景差分法是利用当前图像与背景图像的差分来检测运动区域的一种技术。它一般能够提供最完全的特征数据，但对于动态场景的变化，如天气、光照、背景扰动及背景物移入移出等特别敏感，运动目标的阴影也会影响检测结果的准确性及跟踪的精确性。其基本思想就是首先获得一个背景模型，然后将当前帧与背景模型相减，如果像素差值大于某一阈值，则判断此像素属于运动目标，否则属于背景图像。背景模型的建立与更新、阴影的去除等对跟踪结果的好坏至关重要。帧间差分法相邻帧间差分法是通过相邻两帧图像的差值计算，获得运动物体位置和形状等信息的运动目标检测方法。其对环境的适应性较强，特别是对于光照的变化适应性强，但由于运动目标上像素的纹理、灰度等信息比较相近，不能检测出完整

静止背景下的多目标追踪(附matlab程序)

静止背景下的多目标追踪随着计算机技术以及智能汽车行业的发展，多目标的检测与追踪的实用性与研究价值逐渐提高。在计算机视觉的三层结构中，目标跟踪属于中间层，是其他高层任务，例如动作识别以及行为分析等的基础。其主要应用可包括视频监控，检测异常行为人机交互，对复杂场景中目标交互的识别与处理，以及虚拟现实及医学图像。目标跟踪又包括单目标跟踪和多目标跟踪。单目标跟踪可以通过目标的表观建模或者运动建模，以处理光照、形变、遮挡等问题，而多目标跟踪问题则更加复杂，除了单目标跟踪回遇到的问题外，还需要目标间的关联匹配。另外在多目标跟踪任务中经常会碰到目标的频繁遮挡、轨迹开始终止时刻未知、目标太小、表观相似、目标间交互、低帧率等等问题。静止背景下的多目标追踪可分为两步来实现，第一步是在视频文件的每帧中检测出移动的目标，第二步是将检测到的目标与跟踪轨迹实时匹配。在本次实验中，利用混合高斯模型进行背景减除，使用形态学操作消除噪声，通过卡尔曼滤波预测目标位置，最后利用匈牙利算法进行匹配，实现静止背景下的多目标追踪。 1 实验原理 1.1 混合高斯模型单高斯模型是利用高维高斯分布概率来进行模式分类： 11()exp[(x )(x )] 2T x N C μσμ-=--- 其中μ用训练样本均值代替，σ用样本方差代替，X 为d 维的样本向量。通过高斯概率公式就可以得出类别C 属于正（负）样本的概率。而混合高斯模型就是数据从多个高斯分布中产生，每个GMM 由k 个单高斯分布线性叠加而成。相当于对各个高斯分布进行加权，权系数越大，那么这个数据属于这个高斯分布的可能性越大。 (x)(k)*p(x |k)P p =∑ 利用混合高斯模型(GMM)可以进行背景减除，将前后景分离，得到移动的目标。对每个像素点建立由k 个单高斯模型线性叠加而成的模型，在这些混合高斯背景模型中，认为像素之间的颜色信息互不相关，对各像素点的处理都是相互独立的。单个像素点在t 时刻服从混合高斯分布概率密度函数： ,,,1 (x )(x ,,)k t i t t i t i t i p w ημτ==∑ 其中k 为分布模式总数， ,,(x ,,)t i t i t ημτ为t 时刻第i 个高斯分布，,i t μ为其均值，,i t τ为其协方差矩阵。在获得新一帧图像后更新混合高斯模型。用图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。当背景更新完成后，高

雷达跟随系统设计自控原理设计

课程设计报告课程名称自动控制原理课程设计系别：机电系专业班级：自动化1101班学号：1109101013 姓名：郭鹏飞课程题目：雷达跟随控制系统的设计完成日期： 13.11.28 指导老师： 13年 11 月 28 日

课程设计目的由旧式雷达同步随动系统执行电机的数学模型，运用现代控制理论，对该系统进行了改造。并对系统进行了Matlab仿真，仿真结果达到了设计要求。课程设计要求 1.雷达在跟踪目标的过程中，一般由跟踪员操纵方位角(β)和高低角(ε)摸球或手轮，通过随动系统产生角速度电压，以此电压作为天线控制信号，控制天线扫描中心对准目标并与目标以相同的角速度运动。此课程便是设计可以自动跟随的系统以取代操作员，实现雷达的自动跟随。 2.坐标系统进入自动跟踪状态后，跟踪波门会自动跟随目标信号中心运动。 3.雷达同步随动系统是典型的角度伺服系统，它的作用是使平面位置显示器的偏转线圈跟随天线同步转动，从而使时问基线跟随天线同步转动，以便精确地测定目标方位。旧式系统由粗测、精测两条支路构成，粗、精位置误差信号经转换开关由功率放大器放大，驱动执行电机带动偏转线圈旋转，与一般雷达天线控制系统不同，执行电机为他激式交流电机。因此，雷达同步随系统是交流伺服系统，很明显，旧式系统由于采用模拟调节器，系统参数调节不便，跟踪精度低、通用性差。根据现代控制理论，本文设计出一种通用型雷达同步随动系统，由Matlab软件进行仿真，仿真结果达到设计要求。课程设计注意事项11、尽量避免使用for循环，能利用矩阵代替的则使用矩阵代替，向量化能很好地加快速度； 2、isempty(a)函数，即使a中项全0，函数也会返回0；只有当a真正为空时，其才返回1；

第一章目标跟踪基本原理与机动目标模型1

第一章目标跟踪基本原理与机动目标模型1.1 引言目标跟踪问题作为科学技术发展的一个方面，设计的主要目的是可靠而精确的跟踪目标，其历史可以追溯到第二次世界大战前夕，即1937 年世界上出现第一部跟踪雷达站SCR-28 的时候、之后各种雷达、红外、声纳和激光等目标跟踪系统相继得到发展并且日趋完善。传统的跟踪系统是一对一系统，即一个探测器仅连续地瞄准和跟踪一个目标。随着科学技术的进步和现代战略战术的发展，人们发现提出新的目标跟踪概念和体制是完全可能的，在过去20 多年中，多目标跟踪的理论和方法已经获得很大发展，并已成为当今国际上十分活跃的热门研究领域之一，有些成果也已付诸于工程实际。简单地说，目标跟踪问题可以划分为下列四类：一个探测器跟踪一个目标（OTO）一个探测器跟踪多个目标（OTM）多个探测器跟踪一个目标（MTO）多个探测器跟踪多个目标（MTM）1.2 目标跟踪的基本原理1.2.1 单机动目标跟踪基本原理发展现代边扫描边跟踪（TWS）系统的目的是，仅在一个探测器条件下同时跟踪多个目标。然而，为达此目的，边扫描边跟踪系统必须首先很好地跟踪单个目标。一般地说，常速直线运动目标的跟踪与估计问题较为简单，而且易于处理。困难的情况表现在被跟踪目标发生机动，即目标速度的大小和方向发生变化的场合。图 1.1 为单机动目标跟踪基本原理框图。图中目标动态特性由包含位置、速度和加速度的状态向量X 表示，量测（观测）量Y 被假定为含有量测噪声V 的状态向量1的线性组合（HX＋V）；残差（新息）向量 d 为量测（Y）与状态预测量H X k k 之差。我们约定，用大写字母XY 表示向量，小写字母xy表示向量的分量。一般情况下，单机动目标跟踪为一自适应滤波过程。首先由量测（观测）量（Y）和状态预1测量H X k 构成残差（新息）向量d，然后根据d 的变化进行机动检测或者机k动辨识．其次按照某一准则或逻辑调整滤波增益与协方差矩阵或者实时辨识出目标机动特性，最后由滤波算法得到目标的状态估计值和预测值，从而完成单机动目标跟踪功能。图 1.1 单机动目标跟踪基本原理框图1.2.2 单机动目标跟踪基本要素单机动目标跟踪基本要素主要包括量测数据形成与处理，机动目标模型，机动检测与机动辨识，滤波与预测以及跟踪坐标系和滤波状态变量的选取。现分别简述之。1.2.2.1 量测数据形成与处理量测数据通常指来自探测器输出报告的所有观测量的集合。这些观测量一般包括目标运动参数，如位置和速度，目标属性，目标类型，数目或形成以及获取量测量的时间序列等。在单机动目标跟踪技术中，量测数据主要指目标运动学参数。量测数据既可以等周期获取，也可以变周期获取。在实际问题中常常遇到等速，为了提高目标状态率数据采集。量测数据大多含有噪声和杂波（多目标检测情况）估计精度，通常采用数据预处理技术以提高信噪比。目前常用的方法有数据压缩，包括等权和变权预处理以及量测资料中野值的剔除方法等技术。1.2.2.2 机动目标模型众所周知，估计理论特别是卡尔曼滤波理论要求建立数学模型来描述与估计问题有关的物理现象。这种数学模型应把某一时刻的状态变量表为前一状态变量的函数。所定义的状态变量应为能够全面反应系统动态特性的一组维数最少的变量。一般地，状态变量与系统的能量有关，譬如在目标运动模型中，状态变量中所包含的位置元素与势能有关，速度元素与动能有关。在目标模型构造过程中，考虑到缺乏有关目标运动的精确数据以及存在着许多不可预测的现象，如周围环境的变化及驾驶员主观操作等，只是需要引入状态噪声的概念。当目标作匀速直线运动时，加速度常常被看作是具有随机特性的扰动输入（状态噪声），并假设其服从零均值白色高斯分布，这时，卡尔曼滤波可直接使用。当目标发生诸如转弯或逃避等机动现象时，上述假设则不尽合理，机动加速度变成为非零均值时间相关的有色噪声。此时，为满足滤波需要常常采用白化噪声和状态增广方法。机动目标模型除了考虑加速度非零均值时间相关噪声假设外，还要考虑加速度的分布特性。客观上，要求加速度函数应尽可能的描述目标机动的实际情况。从目前的机动目标模型来看，所有建模方法均考虑了目标发生机动的可能性，并建立了一种适合任何情况和任何类型目标的机动模型，我们称这种模型为全局统计模型，其典型代表是传统的Singer 模型。然而，根据全局统计模型思想，每一种具体战术情况下的每

视频目标跟踪算法综述_蔡荣太

1引言目标跟踪可分为主动跟踪和被动跟踪。视频目标跟踪属于被动跟踪。与无线电跟踪测量相比，视频目标跟踪测量具有精度高、隐蔽性好和直观性强的优点。这些优点使得视频目标跟踪测量在靶场光电测量、天文观测设备、武器控制系统、激光通信系统、交通监控、场景分析、人群分析、行人计数、步态识别、动作识别等领域得到了广泛的应用[1-2]。根据被跟踪目标信息使用情况的不同，可将视觉跟踪算法分为基于对比度分析的目标跟踪、基于匹配的目标跟踪和基于运动检测的目标跟踪。基于对比度分析的跟踪算法主要利用目标和背景的对比度差异，实现目标的检测和跟踪。基于匹配的跟踪主要通过前后帧之间的特征匹配实现目标的定位。基于运动检测的跟踪主要根据目标运动和背景运动之间的差异实现目标的检测和跟踪。前两类方法都是对单帧图像进行处理，基于匹配的跟踪方法需要在帧与帧之间传递目标信息，对比度跟踪不需要在帧与帧之间传递目标信息。基于运动检测的跟踪需要对多帧图像进行处理。除此之外，还有一些算法不易归类到以上3类，如工程中的弹转机跟踪算法、多目标跟踪算法或其他一些综合算法。2基于对比度分析的目标跟踪算法基于对比度分析的目标跟踪算法利用目标与背景在对比度上的差异来提取、识别和跟踪目标。这类算法按照跟踪参考点的不同可以分为边缘跟踪、形心跟踪和质心跟踪等。这类算法不适合复杂背景中的目标跟踪，但在空中背景下的目标跟踪中非常有效。边缘跟踪的优点是脱靶量计算简单、响应快，在某些场合（如要求跟踪目标的左上角或右下角等）有其独到之处。缺点是跟踪点易受干扰，跟踪随机误差大。重心跟踪算法计算简便，精度较高，但容易受到目标的剧烈运动或目标被遮挡的影响。重心的计算不需要清楚的轮廓，在均匀背景下可以对整个跟踪窗口进行计算，不影响测量精度。重心跟踪特别适合背景均匀、对比度小的弱小目标跟踪等一些特殊场合。图像二值化之后，按重心公式计算出的是目标图像的形心。一般来说形心与重心略有差别[1-2]。 3基于匹配的目标跟踪算法 3.1特征匹配特征是目标可区别与其他事物的属性，具有可区分性、可靠性、独立性和稀疏性。基于匹配的目标跟踪算法需要提取目标的特征，并在每一帧中寻找该特征。寻找的文章编号：1002－8692（2010）12-0135-04 视频目标跟踪算法综述* 蔡荣太1，吴元昊2，王明佳2，吴庆祥1 （1.福建师范大学物理与光电信息科技学院，福建福州350108； 2.中国科学院长春光学精密机械与物理研究所，吉林长春130033）【摘要】介绍了视频目标跟踪算法及其研究进展，包括基于对比度分析的目标跟踪算法、基于匹配的目标跟踪算法和基于运动检测的目标跟踪算法。重点分析了目标跟踪中特征匹配、贝叶斯滤波、概率图模型和核方法的主要内容及最新进展。此外，还介绍了多特征跟踪、利用上下文信息的目标跟踪和多目标跟踪算法及其进展。【关键词】目标跟踪；特征匹配；贝叶斯滤波；概率图模型；均值漂移；粒子滤波【中图分类号】TP391.41；TN911.73【文献标识码】A Survey of Visual Object Tracking Algorithms CAI Rong-tai1,WU Yuan-hao2,WANG Ming-jia2,WU Qing-xiang1 （1.School of Physics,Optics,Electronic Science and Technology,Fujian Normal University,Fuzhou350108,China; 2.Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Science,Changchun130033,China）【Abstract】The field of visual object tracking algorithms are introduced,including visual tracking based on contrast analysis,visual tracking based on feature matching and visual tracking based on moving detection.Feature matching,Bayesian filtering,probabilistic graphical models,kernel tracking and their recent developments are analyzed.The development of multiple cues based tracking,contexts based tracking and multi-target tracking are also discussed．【Key words】visual tracking;feature matching;Bayesian filtering;probabilistic graphical models;mean shift;particle filter ·论文·*国家“863”计划项目（2006AA703405F）；福建省自然科学基金项目（2009J05141）；福建省教育厅科技计划项目（JA09040）

项目进度跟踪管理系统毕业设计(本科论文)

大连交通大学信息工程学院毕业设计(论文)任务书题目项目进度跟踪管理系统

大连交通大学信息工程学院毕业设计(论文)进度计划与考核表指导教师签字：： 2012年3月30日

大连交通大学信息工程学院毕业设计(论文)外文翻译学生姓名陈彬专业班级软件工程08-2班指导教师杨迪王立娟职称高级工程师讲师所在单位信息科学系软件工程教研室教研室主任刘瑞杰完成日期 2012 年 4 月 13 日 THE TECHNIQUE DEVELOPMENT HISTORY OF JSP

The Java Server Pages( JSP) is a kind of according to web of the script plait distance technique, similar carries the script language of Java in the server of the Netscape company of server- side JavaScript( SSJS) and the Active Server Pages(ASP) of the Microsoft. JSP compares the SSJS and ASP to have better can expand sex, and it is no more exclusive than any factory or some one particular server of Web. Though the norm of JSP is to be draw up by the Sun company of, any factory can carry out the JSP on own system. The After Sun release the JS P( the Java Server Pages) formally, the this kind of new Web application development technique very quickly caused the people's concern. JSP provided a special development environment for the Web application that establishes the high dynamic state. According to the Sun parlance, the JSP can adapt to include the Apache WebServer, IIS4.0 on the market at inside of 85% server product. This chapter will introduce the related knowledge of JSP and Databases, and JavaBean related contents, is all certainly rougher introduction among them basic contents, say perhaps to is a Guide only, if the reader needs the more detailed information, pleasing the book of consult the homologous JSP. 1.1 GENER ALIZE The JSP(Java Server Pages) is from the company of Sun Microsystems initiate, the many companies the participate to the build up the together of the a kind the of dynamic the state web the page technique standard, the it have the it in the construction the of the dynamic state the web page the strong but the do not the especially of the function. JSP and the technique of ASP of the Microsoft is very alike. Both all provide the ability that mixes with a certain procedure code and is explain by the language engine to carry out the procedure code in the code of HTML. Underneath we are simple of carry on the introduction to it. JSP pages are translated into servlets. So, fundamentally, any task JSP pages can perform could also be accomplished by servlets. However, this underlying equivalence does not mean that servlets and JSP pages are equally appropriate in all scenarios. The issue is not the power of the technology, it is the convenience, productivity, and maintainability of one or the other. After all, anything you can do on a particular computer platform in the Java programming language you could also do in assembly language. But it still matters which you choose. JSP provides the following benefits over servlets alone: ? It is easier to write and maintain the HTML. Your static code is ordinary HTML: no extra backslashes, no double quotes, and no lurking Java syntax. ? You can use standard Web-site development tools. Even HTML tools that know nothing about JSP can be used because they simply ignore the JSP tags.

智能机器人运动控制和目标跟踪

XXXX大学《智能机器人》结课论文移动机器人对运动目标的检测跟踪方法学院（系）：专业班级：学生学号：学生姓名：成绩：

目录摘要 (1) 0、引言 (1) 1、运动目标检测方法 (1) 1．1 运动目标图像HSI差值模型 (1) 1.2 运动目标的自适应分割与提取 (2) 2 运动目标的预测跟踪控制 (3) 2．1 运动目标的定位 (3) 2．2 运动目标的运动轨迹估计 (4) 2．3 移动机器人运动控制策略 (6) 3 结束语 (6) 参考文献 (7)

一种移动机器人对运动目标的检测跟踪方法摘要：从序列图像中有效地自动提取运动目标区域和跟踪运动目标是自主机器人运动控制的研究热点之一。给出了连续图像帧差分和二次帧差分改进的图像HIS 差分模型，采用自适应运动目标区域检测、自适应阴影部分分割和噪声消除算法，对无背景图像条件下自动提取运动目标区域。定义了一些运动目标的特征分析和计算，通过特征匹配识别所需跟踪目标的区域。采用 Kalrnan 预报器对运动目标状态的一步预测估计和两步增量式跟踪算法，能快速平滑地实现移动机器人对运动目标的跟踪驱动控制。实验结果表明该方法有效。关键词：改进的HIS 差分模型；Kahnan 滤波器；增量式跟踪控制策略。 0、引言运动目标检测和跟踪是机器人研究应用及智能视频监控中的重要关键技术，一直是备受关注的研究热点之一。在运动目标检测算法中常用方法有光流场法和图像差分法。由于光流场法的计算量大，不适合于实时性的要求。对背景图像的帧问差分法对环境变化有较强的适应性和运算简单方便的特点，但帧问差分不能提出完整的运动目标，且场景中会出现大量噪声，如光线的强弱、运动目标的阴影等。为此文中对移动机器人的运动目标检测和跟踪中的一些关键技术进行了研究，通过对传统帧间差分的改进，引入 HSI 差值模型、图像序列的连续差分运算、自适应分割算法、自适应阴影部分分割算法和图像形态学方法消除噪声斑点，在无背景图像条件下自动提取运动目标区域。采用 Kalman 滤波器对跟踪目标的运动轨迹进行预测，建立移动机器人跟踪运动目标的两步增量式跟踪控制策略，实现对目标的准确检测和平滑跟踪控制。实验结果表明该算法有效。 1、运动目标检测方法接近人跟对颜色感知的色调、饱和度和亮度属性 (H ，S ，I )模型更适合于图像识别处理。因此，文中引入改进型 HSI 帧差模型。 1．1 运动目标图像HSI 差值模型设移动机器人在某一位置采得的连续三帧图像序列 ()y x k ,f 1-，()y x f k ,， ()y x f k ,1+

物联网-基于物联网的物流定位与追踪系统的设计

随着物联网技术的快速发展，物联网在各个领域都得到了广泛的应用，本文对基于物联网的物流定位与追踪系统的设计这一课题进行研究和讨论。还简单介绍了物联网技术在物流行业中的发展历程、应用现状及发展趋势。加快物联网技术在物流领域的应用,对于实现物流可视化、智能化和信息化具有重要意义。关键字：物联网，物流

1.概述 (2) 2.设计方案 (2) 2.1原理说明 (2) 2.2体系构架 (3) 2.3 详细步骤 (4) 2.3.1 RFID信息采集 (4) 2.3.2 GPS/GSM定位 (5) 2.3.3 定位和追踪的实现 (6) 3. 发展趋势 (6) 4. 总结 (7) 参考文献 (8)

基于物联网的物流定位与追踪系统的设计 1.概述物联网是指通过各种信息传感设备，实时采集任何需要监控、连接、互动的物体或过程等各种需要的信息，与互联网结合形成的一个巨大网络。其目的是实现物与物、物与人，所有的物品与网络的连接，方便识别、管理和控制物流业是物联网很早就参与进来的行业之一，很多先进的现代物流系统已经具备了信息化、数字化、网络化、集成化、智能化、柔性化、敏捷化、可视化、自动化等先进技术特征。很多物流系统和网络也采用了最新的红外、激光、无线、编码、认址、识别、定位、无接触供电、光纤、数据库、传感器、RFID、卫星定位等高新技术，这种集光、机、电、信息等技术为一体的新技术在物流系统的集成应用就是物联网技术在物流业应用的体现。本文将对基于物联网的物流定位与追踪系统的设计这一课题进行研究和讨论。 2.设计方案 2.1 原理说明物流信息定位服务(Location Based Service，LBS)是统一信息系统(Unified Information System，UIS)利用无线终端和无线网络的有机配合，运用GPS （Global Positioning Syste，全球定位系统）、GIS (Geographical Information System，地理信息系统)、Internet融合计算机电信集成技术(Computer Telecommunication Integration，CTI)与GSM(Global System for Mobile Communications，全球移动通讯系统)，通过物联网（Internet Of Things，IOT）设备读写出物流实时位置信息，在统一信息系统中