第一篇：运动目标跟踪方法
方法大致可以分为四类：基于区域匹配的跟踪方法、基于模型的跟踪方法、基 于动态轮廓的跟踪方法和基于特征的跟踪方法。
(1)基于区域匹配跟踪方法的主要思想：该方法主要是将包含运动目标的运动区域作为参考模板12引，在下一帧图像中按照一定的搜索方法搜索模板，找 到的最优搜索区域判定为匹配区域。该方法在理论上是十分有效，其可以获得 丰富的目标信息，对小目标跟踪效果好；但是当搜索范围较大时，目标匹配会 花费大量的时间，而且如果目标发生变化或者被遮挡时，跟踪效果会大大下降。
(2)基于模型跟踪方法的主要思想：该方法通常会使用三种模型进行目标
跟踪：线图模型、2D模型、3D模型【231。在实际的应用中，由于3D模型更接近现实生活中的物体，使用最多的是基于3D模型的跟踪方法，特别是针对刚体(如 汽车、飞机等)的跟踪。概括来说，跟踪的方法如下：利用获得的目标3D模型，然后针对实际的视频序列进行目标的搜索与匹配。在实际的跟踪环境中，3D模 型的运算量很大，而且获得所有目标的3D模型并全部存储是一项几乎不可能的 任务，因此该方法的实际应用比较少。
(3)基于动态轮廓跟踪方法的主要思想：该方法主要是指对目标的轮廓进
行提取，即用一组封闭的轮廓曲线来描述目标，将其作为匹配的模板。此轮廓 曲线能进行自我更新以适应非刚体目标的形状变化12引。例如Paragan等人利用短 程线的轮廓，加入水平集理论检测并跟踪目标【2 5J；最经典的算法是Michael Kass 等人在1 988年提出的主动轮廓模型(即Snake模型)的方法【2 6|，其本质是能量 的最小化。通过不断求解轮廓曲线能量函数的最小值，不断调整其形状，从而 实现对目标的跟踪。该方法在简单背景下，能够准确的进行目标跟踪。但其对 于背景复杂情况以及速度较快或形变较大的目标，运算速度很慢，而且对于遮 挡问题的解决不是很好，因此很少应用于实际的监控系统中。
(4)基于特征的跟踪方法的主要思想：该方法主要是通过提取目标特定的特征集合，如角点或边界线条等【2¨，将其作为跟踪模板，在下一帧中搜索并进 行帧间的匹配，从而实现目标的跟踪1281。改算法的优点在于其是以目标特征为 基础，因此，在目标的整体特征不完整，即目标被部分遮挡的情况下仍然可以 实现跟踪。该方法是目前应用最多的一种方法。
1．4．课题的研究内容与论文结构安排
运动目标检测与跟踪是智能视频监控领域的基础与前提。本文主要是针对 静态场景下的运动目标检测与跟踪，通过不断的研究和学习，找到更好的运动 目标检测与跟踪方法。
本文对目前常用的目标检测与跟踪方法进行了原理介绍与性能分析，并在 前人的基础上提出了自己的解决方案，且与原有的基于混合高斯模型的目标检 测方法以及基于基于码本模型的目标检测进行了比较。在运动目标跟踪方面采 用基于Kalman预测的Mean Shift方法，同时加入了信息量度量的方法，使得
第二篇：运动目标检测方法总结报告
摘要
由于计算机技术的迅猛发展，使得基于内容的视频信息的存取、操作和检索不仅成为一种可能，更成为一种需要。同时，基于内容的视频编码标准MPEG-4和基于内容的视频描述标准MPEG-7正在发展和完善。因此提取和视频中具有语义的运动目标是一个急需解决的问题。运动目标提取和检测作为视频和图像处理领域的重要研究领域，有很强的研究和应用价值。运动检测就是将运动目标从含有背景的图像中分离出来，如果仅仅依靠一种检测算法，难以从复杂的自然图像序列中完整地检测出运动的目标。较高的检测精度和效率十分重要，因此融合多种检测方法的研究越来越受到重视。本文介绍了几种国内外文献中的经典的视频运动目标的检测和提取算法，并对各种方法进行了评价和总结。首先介绍了基本的运动目标检测的基本知识和理论，然后介绍了基本的几种目标检测方法及其各种改进方法。对今后的运动目标检测提取的相关研究提供一定的参考。
关键词：运动目标检测 光流法 帧差法 背景建模方法
摘要 i
ABSTRACT Because of the rapid development of computer technology, it is possible to access, operate and retrieve the video information based on the content of the video.At the same time, based on the content of the video coding standard MPEG-4 and content-based video description standard MPEG-7 is developing and improving.Therefore, it is an urgent problem to be solved in the extraction and video.Moving object extraction and detection is a very important field of video and image processing, and has a strong research and application value.Motion detection is to separate moving objects from the image containing background, if only rely on a detection algorithm, it is difficult to from a complex natural image sequences to detect moving target.Higher detection accuracy and efficiency are very important, so the study of the fusion of multiple detection methods is becoming more and more important.In this paper, the detection and extraction algorithms of the classical video moving objects in the domestic and foreign literatures are introduced, and the methods are evaluated and summarized.Firstly, the basic knowledge and theory of basic moving target detection is introduced, and then the basic method of target detection is introduced.To provide a reference for the research on the extraction of moving target detection in the future.Keywords: Visual tracking
Optical flow method
Frame Difference
Background modeling method
ii ABSTRACT
目录
摘要...................................................................................................................................0 ABSTRACT.....................................................................................................................1 第一章 绪论....................................................................................................................3
1.1 研究背景及意义................................................................................................................4 1.2 研究现状............................................................................................................................4
第二章 经典的运动目标检测算法................................................................................5
2.1 光流法................................................................................................................................5 2.2 帧差法................................................................................................................................5 2.3 背景差分法........................................................................................................................7
第三章 改进的运动目标检测算法................................................................................9
3.1 改进的三帧差分法............................................................................................................9 3.2 帧间差分法与光流法结合..............................................................................................10 3.3 改进的背景建模算法......................................................................................................11
第四章 总结..................................................................................................................13 参考文献：....................................................................................................................16
目录 i 2 运动目标检测方法研究总结
第一章 绪论
1.1 研究背景及意义
近几十年来，在科学技术飞速发展的条件下，视频与图像处理技术不断提高，各种各样的视频监控产品已经走入了人们的视野，并且在给我们的生活带了很多方便。视频监控系统的研究技术涉及到视频图像处理、计算机视觉、模式识别以及人工智能等科学领域。视频监控系统多数要求监控人员长期盯着监控屏幕，进行人为的分析判断，这样容易因为监控人员的疏忽造成重要信息的遗漏。为此，人们开始将计算机领域的相关技术引入到视频监控系统中，形成智能监控系统[1,2,3,4]。智能监控系统可以在没有人为干预的条件下，利用计算机视觉的相关技术来对视频序列图像进行智能的分析，实现对运动目标的检测、跟踪、分类和识别等。现在，运动目标检测技术不仅应用在发电站、商场、银行、民宅、广场和火车站等公共场所的智能监控系统中，而且在其他的领域也有十分广泛的应用。
1.2 研究现状
目前，基于视频的运动目标检测算法主要有三种：光流法、帧差法和背景差分法，这三种算法都有各自的优缺点。1981 年，Horn 和 Schunck 通过将二维速度场与图像灰度相联系，从而引入了光流约束方程，得到一个计算光流的基本方法[5]。Meyer 等人[6]在对光流法进行了深入研究的基础上，提出在光流场中采用基于轮廓的跟踪方法，该方法在摄像机运动的情况下能够有效的对运动目标进行检测和跟踪。Barron 等人[7]通过使用简单而有效的门限，先分割图像，再计算光流，通过消除杂乱的背景光流来得到较好的目标光流。Roland 等人[8]利用相邻帧差，通过局部阈值的迭代松弛技术实现图像边缘的光滑滤波。甘明刚等人[9]提出一种三帧差分和边缘信息相结合的运动目标检测算法，该算法有效地改善了一些情况下帧间差分法会出现“双影现象”的问题。郝豪刚和陈佳琪等人[10]提出五帧差分法和景差分法相结合的运动目标检测算法，该算法利用背景差分法和帧间差分法性能上的互补来得较好的检测结果。背景差分法有均值法、中值法、核密度估计法、Surendra 背景更新、单高斯模型和混合高斯模型等，从 20 世纪以来，相继出现 第一章 绪论 1 了一批批成熟的背景差分法，Wren 等人[11]提出了单高斯模型，该方法在单一背景下能够获得较好的检测结果，但是不适合复杂背景。Stauffer 等人[12]在单高斯模型的基础上提出了混合高斯模型，混合高斯模型在外界环境比较复杂的条件下仍然可以得到很好的检测效果。左军毅等人[13]提出时间平均模型和混合高斯模型双模式切换式的运动目标检测算法。除了以上三种的算法外，还有一些学者尝试采用其他的算法进行运动目标检测，例如，郝志成和吴川等人[14]提出的基于稳定矩阵的动态图像运动目标检测算法，该算法通过在短时间内自动的感知背景变来快速的建立背景模型。近年来，越来越多的研究机构和学者都参与到基于视频的运动目标检测的研究之中，并提出很多有效的、新颖的方法。但是仍存在一些问题善待提高，所以找到一种检测精度高、鲁棒性好的运动目标检测算法依然是我们为之努力的方向。
运动目标检测方法研究总结
第二章 经典的运动目标检测算法
2.1 光流法
空间中物体的运动可以用运动场来描述，同样可以通过序列图像中不同图像的灰度分布差异体现图像平面变化，对比空间中的运动场，体现在图像上表现为光流场。在运动的某一个时刻，为图像中的各个像素点赋一个速度的矢量，这样就成为了一个图像的运动场。由于空间物体上的点与图像上的点通过投影关系可以一一对应，则根据各个像素点的速度矢量的变化特征可以对图像进行动态分析[16]。当图像中没有目标运动时，在整个图像区域中光流矢量的变化是连续的；而当图像中有运动目标时，图像的背景和目标就会有相对的运动，那么目标运动所形成的速度矢量必然和邻域背景速度矢量不同，由此能够检测出运动目标的位置。光流法利用图像的灰度信息的变化从序列图像中计算出速度场，然后加上一些约束条件，从而推出运动目标的运动参数和物体结构[17]。
光流法事先不需要知道场景的任何信息，就可以准确的计算出运动物体的速度。它不仅能应用于静态背景下的运动目标检测，而且可以用于摄像机运动的情况，实现动态背景下的运动目标检测。它的缺点是：光流法的特点是要进行迭代运算，精度越高需要的计算量就越大，因此，光流法的计算量大，运算时间长，是一种比较耗时的算法，很难满足工程上对实时性的要求；光流法的抗噪性能差，例如，当光照发生变化时，即使没有运动发生，光流仍然存在，会被误检测为有目标运动，同时，如果缺少足够的灰度级变化，目标运动物体很难被检测到；当三维物体的运动投影到二维的图像时，亮度会有变化，从而导致通过光流约束是计算不出平面某点的图像速度流；使用光流法对运动目标进行检测，需要特定的硬件设备的支持。已经有一些学者针对光流法所存在的缺点进行了改进，相信未来光流法能够得到更好的实际应用。
2.2 帧差法
帧差法[18]又叫时间差分法，它通过将视频序列图像中的当前帧与相邻帧所对 第二章 经典的运动目标检测算法 3 应的像素点的灰度值进行比较，然后找到差异，进而检测出运动目标[19]。在视频序列图像中，相邻的图像之间具有连续性，当视频图像中有运动目标时，由于运动目标的运动，相邻图像间的像素点灰度值差别就会较大，相反，当视频图像中没有运动目标时，相邻图像间的像素点素灰度值差别就会较小，帧差法就是利用视频图像的这一特性进行检测的，它是运动目标检测的最简单方法。帧差法是先用相邻两帧做差分运算，然后做二值化处理，从而检测出运动目标。帧差法的基本运算原理框图如下：
图2.1 帧差法基本原理
在二值化的差分图像中，取值为 0 的像素点代表变化较小或是无变化的区域，表示为背景区域；取值为 255 的像素点代表变化的区域，表示为运动目标。至此，大多数的运动目标的基本形状已经凸显出来了。为了能够精确的提取出运动目标，通常还需要经过形态学处理，例如，膨胀、腐蚀、开运算、闭运算等，将断点进行连接或者将多余的部分去掉等，从而获得更加准确的检测结果。
帧差法优点是算法简单、容易实现、检测速度较快、能满足系统对实时性的要求，而且一般相邻两帧的时间间隔比较短，因此对场景的光线变化不是特比敏感，对环境的自适应性较强。帧差法存在着两个主要的缺点：帧差法的检测结果与目标运动速度和相邻两帧间隔大小有关。如果运动目标速度过快且两帧时间间隔长，可能会出现运动目标在运动方向上前后分裂并拉长，出现“双影现象”，最坏的情况下可能发生同一个运动目标被检测为两个不同的目标。如果运动目标运动过慢且两帧时间间隔小，交叠的部分在两帧图像进行差分时会因差值过小而被误判为背景区域，但是事实上这部分并不是背景区域，由此会造成目标信息的丢失，我们称之为“空洞现象”，最坏的情况下可能发生目标完全重叠而不能被检测出来。
运动目标检测方法研究总结
2.3 背景差分法
背景差分法又叫做背景减除法，是固定场景中目标检测算法最长用的一种检测算法。在背景差分法中，视频图像分为背景图像和前景图像，该方法将视频图像中的当前图像与背景图片进行比较，也就是当前帧与背景帧进行差分运算，在运算结果中像素点的灰度值变化大的区域即为运动目标，因此我们也常常认为背景差分法是帧间差分法的一种特例。
背景差分法的运算原理框图如下：
图2.2 背景差分法基本原理框图
提取出运动目标区域之后，可能会存在噪声，可以对其进行后期处理，例如膨胀、腐蚀、连通域检测等操作，从而提取出较为准确的运动目标。背景差分法的优点是算法复杂度低，算法实现比较简单，可以满足系统的实时性要求，并且在运动目标检测时一般能够得到比较完整的特征数据。是目前最常用的一种运动目标检测方法，尤其适用于背景固定或背景缓变的场景。该方法对外界的环境变化非常敏感，例如场景中天气的变化，光线的改变，摄像机的颤动，树叶的摇动等等这些外界的干扰很容易使背景点被误判为目标点，因而影响了检测的精度。所以该方法的难点在于建立一个符合场景需求的背景模型，而且需要有一套算法对背景模型进行更新，使背景成为实时而准确的背景。检测效果好的背景模型往往都会比较复杂，运算量比较大，从而使得背景更新的速度减慢，无法实时地检测出运动目标。如果背景模型更新的速度非常慢，实际上背景在不断变化着，会 导致从背景模型得到的背景图像不是实时的背景图像。但是如果背景模型更新的速度过快，背景有时就会和当前图像非常相似，背景差分法就无法检测出运动物体。因此，建立一个合适的背景模型是背景差分法的关键部分，也是该算法的一个难点。第二章 经典的运动目标检测算法 3
运动目标检测方法研究总结
第三章 改进的运动目标检测算法
3.1 改进的三帧差分法
三帧差分法是对两帧差分法的改进，它可以有效的克服两帧差分法的一些缺点，例如，克服了两帧差分法中的“双影现象”，但是却不能改善“空洞现象”，而且当运动目标和背景区域这两部分的灰度值比较接近时，三帧差分法不能准确的检测出运动目标的轮廓.为了改善三帧差分法检测结果的边缘缺失的这个缺点，王霏等人尝试将改进的Sobel算子与三帧差分法相结合，因为图像的边缘信息不容易受噪声和亮度突变的影响。改进算法的关键是获得一个完整的运动目标的边缘轮廓，针对“空洞现象”，通过后期的形态学处理和连通性分析相结合的方法来改善这个问题[20]。
改进的三帧差分法的基本思想是：把三帧分成两组，分别求两帧差分图，进行膨胀处理之后分别和边缘检测结果图相“与”，将两个结果进行“或”运算，得到一个初步的检测结果。然后与三帧差分法的结果进行“或”运算，得到一个更加完整的检测结果。最后对检测结果进行后期处理，来达到改善“空洞现象”和去除噪声的目的。
(a)经典的两帧差分法
第三章 改进的运动目标检测算法 7
(b)经典的三帧差分法
(c)改进的三帧差分法
3.2 帧间差分法与光流法结合
光流法对噪声敏感，运动目标边缘以外附近的像素点没有运动，但光流值不是零，出现了“速度漂移”。使得光流法和超像素分割的分割结果虽然不错，但是需要调节的参数空间非常大，需要花费大量的时间来进行参数的调整，导致它的实用性较差。帧间差分法简单易行，利用当前帧与前一帧差分，当运动目标运动过快时提取出的物体往往会出现双影而且比实际要大，当运动过慢时又往往因无法检测出重叠部分而出现空洞。为此，我们在光流法和超像素分割方法的基础上，融合了帧间差分法来进一步快速的缩小需要调节的参数的范围，极大的减少了人工调节的工作量。在改进的方法中，贺丽丽等人结合光流法产生的结果和帧间差分法的结果来提取出大致的运动区域，然后利用超像素分割进行精确的提取[21]。
利用超像素分割后的结果label，对帧间差分法得到的结果s 进行进一步的提取，由于超像素分割将图像分割成许多含有相似特征的标记图label，首先我们需要知道s,即已经求出的前景区域中含有对应标记图中的哪些标记。当我们确定了前景区域所包含的标记后，就需要进一步的确定这些标记在s和label 中所包含的像素个数。对于s，我们统计出其前景区域中对应于标记图label 中每个标记i所包含的像素的个数为isn,标记图label中每个标记i所包含的像素的个数为n，我们认为isn与n 之间的关系，将成为提取前景目标最重要的衡量标准。如果它们的比值小于某一个值T 时，则将Label中对应于标记i的像素值设为0，否则,Label中对应于i的像素值设为 1。原始图像t 中对应于 Label中等于 0 的位置也标记为 0；因此我们得到了提取出的运动目标图。
运动目标检测方法研究总结
3.3 改进的背景建模算法
针对传统混合高斯背景建模算法，由于受到算法的限制，每个像素点的模型个数是固定不变的。后来，等人提出了基于最大似然估计的像素点背景模型个数自适应选择方法。但由于该方法人为地引入了负的先验系数，使得在更新过程中高斯成分的权重有可能被不合理地负更新。王永忠等人在传统混合高斯背景建模的基础上，提出一种了自适应选择混合高斯模型个数的策略，孙丽等在此基础上提出了新的算法。
其算法的基本思想是对于每帧，在图像所有像素的模型总个数固定的情况下，对于频繁变化的背景点，当未达到像素点自身的模型个数上限且不超过图像模型总个数的前提下，可以“借用”相对稳定的区域像素点的未用模型个数的名额，用个数不定的模型来描述该像素点可能的背景。根据模型的转化规则，通过删除模型、增加模型、替换模型来动态分配模型个数及模型的参数更新，并实现背景模型的生成，从而使得背景模型个数能够随着场景的变化动态调整。
在当前时刻，每个像素点都有自己的初始模型，这些模型根据一定的阈值条件，被划分成背景模型和候选背景模型。背景模型和候选背景模型都有自我更新并保持自身模型的状态。当候选背景模型满足一定的条件后，转化成背景模型，而背景模型和候选模型通过刪除模型的机制来达到终止模型状态。本文的背景建模算法在不增加模型总个数的前提下，通过动态删除模型、增加模型以及模型间的转化三种处理机制，分配不定个数的背景模型，并自适应更新参数。
实验表明，该算法能够较好的处理复杂动态场景中背景的频繁变化如树枝叶摇曳、水面波动和喷泉，并在构建背景过程中，一定程度上克服了前景运动目标的影响。与传统的运动目标检测算法相比，本文算法对动态变化背景的描述能力更强，处理速度更快，符合实际场景中运动目标检测的实时性和准确性要求[22]。
第三章 改进的运动目标检测算法 7 12 运动目标检测方法研究总结
第四章 总结
运动目标检测是计算机视觉中富有挑战性的课题之一，对其展开研究具有重要的应用价值和理论意义。本文首先总结研究了现存的三种经典的运动目标检测算法：光流法、帧差法和背景差分法，并对分析了它们的优缺点。光流法不需要预先知道有关场景信息，可以支持摄像机的运动，但是计算复杂度高、耗时长、抗噪性能差，目前没有较好的通用硬件支持。帧差法是将相邻的两帧图像对应像素点进行相减而得到运动目标，能够适应光照突变，运算速度快、算法简单，但是检测结果容易出现“空洞现象”和“双影现象”，它适用于对实时性要求高，对检测的目标信息要求不高的场景中。背景差分法是将当前图像帧和建立的背景图片相减来得到运动目标，该算法复杂度不高，可以满足系统对实时性的要求，背景模型的建立对该方法的实现会产生至关重要的作用然后。
然后介绍了几种改进的检测算法，改进的三帧差分法将改进的 Sobel 边缘检测算子引入到三帧差分法中，因为图像的边缘信息不容易受噪声和亮度突变的影响，所以将三帧差分法和改进的 Sobel 算子相结合弥补了三帧差分法不能将运动目标轮廓完整检测出来的缺点。然后对检测结果进行后期处理，达到改善空洞现象和去噪的目的。最后通过实验对比经典三帧差分法和改进的三帧差分法的检测效果，结果表明改进的三帧差分法的检测结果准确性更高。利用光流场获得粗略的运动区域，将光流值经过滤波，二值化和形态学处理，获得大概的运动目标区域。利用帧间差分法将相邻两帧图像中变化的区域提取出来，通过结合光流法和帧间差分法的结果，进一步将运动目标的提取锁定在一个更加准确的范围内。背景建模法对于每帧，在所有图像像素模型总个数固定的情况下，对于频繁变化的背景点，当未达到像素点自身的模型个数上限且不超过图像模型总个数的前提下，可以借用相对稳定的区域像素点的未用模型个数的名额，用个数不定的模型来描述该像素点可能的背景，从而实现背景模型的动态分配及更新。并基于像素的时域信息，用不包含该像素点在内的小邻域内所有像素点的背景模型与当前点进行匹配，判断其是否为前景点，以此消除动态背景干扰的影响。这些算法都将为今后的研究提供参考和依据。第四章 总结 11 14 运动目标检测方法研究总结
参考文献：
[1] 冈萨雷斯.数字图像处理(第二版)[M].北京:电子工业出版社, 2003:1-115.[2] Stauffer C, Grimson W E L.Learning Patterns of Activity Using Real-time Tracking [J].IEEE Transactions on Pattern Analysis & Machine Intelligence, 2000, 22(8):747-757.[3] H.Akaike.A New Look at the Statistical Model Identification.IEEE Transaction on Automatic Control, 1974, 19(6):716-723.[4] 朱宏.基于视频序列的运动目标检测与跟踪技术研究[D].西南交通大学硕士学位文,2008:1-5.[5] B K P Horn, B G Schunck.Determing Optical Flow [M].Artificial Intelligence, 1981:185-203.[6] Meyer D.Model Based Extraction of Articulated Objects in Image Sequences for Gait Analysis[C].Proe IEEE International Conference on Image Processing, Santa Barbara, California, 1997:78-81.[7] J L Barren, D J Fleet, S S Beauchemin.Performance of Optical Flow Techinques, Computer Vision, 2004, 12(1):43-77.[8] Roland M, Michael W.A Noise Robust Method for Shape Estimation of Moving Objects in Video Sequences Considering a Moving Camera [M].In Signal Processing, 1998:203-217.[9] 甘明刚, 陈杰, 刘劲.一种基于三帧差分和边缘信息的运动目标检测方法[J].电子与信息学报, 2010:894-897.[10] 郝毫刚, 陈家琪.基于五帧差分和背景差分的运动目标检测算法[J].计算机工程, 2012, 38(4): 146-148.[11] Wren C.Real-Time Traeking of the Human Body [J].IEEE Transactions on Pattern Analysis and Machine Intelligenee, 1997, 19(7):780-785.[12] Stauffer C, Grimson E.Learning Patterns of Activity Using Real-Time Tracking [C].In IEEE [13] 左军毅, 潘泉.基于模型切换的自适应背景建模方法[J].自动化学报, 2007, 5(33):467-472.[14] Transactions on Pattern Recognition and Machine Intelligence(TPAMI), 2000, 22(8):747-757.[15] Xuming Zhang.Impulse Noise Removal Using Directional Difference Based Noise Detector 参考文献 13
and Adaptive Weighted Mean Filter [J].Signal Processing Letters, IEEE, 2009, 16(4):295-298.[16] Gao P, Sun X, Wang W.Moving Object Detection based on Kirsch Operator Combined with Optical Flow[C].Image Analysis and Signal Processing(IASP), 2010 International Conference on.IEEE, 2010: 620-624.[17] Wixson L.Detecting Salient Motion by Accumulating Directionally Consistent Flow[J].IEEE Trans, Pattern Analysis and Machine Intelligence, 2000(22):774-780.[18] Seki M, Fujiwara H, Sumi K.A Robust Background Subtraction Method for Changing background [J].Proceeding of IEEE workship on Application of Computer vision, 2000:207-213.[19] Qinghua Ji, Suping Yu.Motion Object Detection Based on Adaptive Mixture Gaussian Model and Four-frame Subtraction [J].International Conference on Computational and Information Sciences, 2013:1202-1205.[20] 王霏.基于视频的运动目标检测算法研究[D].吉林大学, 2014.[21] 贺丽丽.视频序列中运动目标提取方法研究[D].西安电子科技大学, 2014.[22] 孙丽.基于背景建模的运动目标检测算法研究[D].东北大学, 2011
第三篇：目标跟踪信息融合及仿真程序
目标跟踪信息融合及仿真程序
质心算法是最简单的定位算法，如图2-1所示，四个小圆为观测站，实线三角形是目标真实的位置，假设四个圆形观测站都探测到目标的存在，则根据质心定位算法，目标的位置（x,y）可以表示为：xx1x2x3x4，4yy1y2y3y4，这里观测站得位置为(xi,yi)，同理，当观测站数目为N4时，这时候的质心定位算法可以表示为：
1NxixNi1y1N
yiNi1
图1 质心定位
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %
质心定位算法Matlab程序
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% function main % 定位初始化
Length=100;% 场地空间，单位：米 Width=100;
% 场地空间，单位：米
d=50;
% 目标离观测站50米以内都能探测到，反之则不能 Node_number=6;% 观测站的个数
for i=1:Node_number % 观测站的位置初始化，这里位置是随机给定的 Node(i).x=Width*rand;
Node(i).y=Length*rand;end % 目标的真实位置，这里也随机给定 Target.x=Width*rand;Target.y=Length*rand;% 观测站探测目标 X=[];
for i=1:Node_number
if DIST(Node(i),Target)<=d
X=[X;Node(i).x,Node(i).y];
end end N=size(X,1);
% 探测到目标的观测站个数 Est_Target.x=sum(X(:,1))/N;% 目标估计位置x Est_Target.y=sum(X(:,2))/N;% 目标估计位置y Error_Dist=DIST(Est_Target,Target)% 目标真实位置与估计位置的偏差距离
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 画图 figure hold on;box on;axis([0 100 0 100]);% 输出图形的框架 for i=1:Node_number
h1=plot(Node(i).x,Node(i).y,'ko','MarkerFace','g','MarkerSize',10);
text(Node(i).x+2,Node(i).y,['Node ',num2str(i)]);end h2=plot(Target.x,Target.y,'k^','MarkerFace','b','MarkerSize',10);h3=plot(Est_Target.x,Est_Target.y,'ks','MarkerFace','r','MarkerSize',10);line([Target.x,Est_Target.x],[Target.y,Est_Target.y],'Color','k');circle(Target.x,Target.y,d);legend([h1,h2,h3],'Observation Station','Target Postion','Estimate Postion');xlabel(['error=',num2str(Error_Dist),'m']);%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 子函数，计算两点间的距离 function dist=DIST(A,B)dist=sqrt((A.x-B.x)^2+(A.y-B.y)^2);% 子函数，以目标为中心画圆 function circle(x0,y0,r)sita=0:pi/20:2*pi;plot(x0+r*cos(sita),y0+r*sin(sita));% 中心在(x0,y0），半径为r %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 执行程序，得到仿真结果：
1009080Node ***Node 520100 0102030405060error=4.6456m7080Node 390100Node 2Node 6Observation StationTarget PostionEstimate Postion Node 4 更多目标定位跟踪算法和程序请参考以下书籍：
目录
第一章 目标跟踪概述
1.1 多传感器探测的目标跟踪架构
1.2 目标定位算法简介
1.3 目标跟踪过程描述
1.4 跟踪模型的建立
第二章 常用目标定位算法
2.1 质心定位算法程序
2.2 加权质心定位算法程序
2.3 最小二乘/极大似然定位算法
2.3.1 测距技术
2.3.2 定位技术
2.3.3最小均方误差的二维定位方法程序
2.3.4 最小均方误差的三维定位方法程序
2.3.5 最小二乘/极大似然用于目标跟踪(连续定位)程序
2.3.6 最小二乘/极大似然用于纯方位目标跟踪(连续定位)程序第三章 卡尔曼滤波
3.1 Kalman滤波
3.1.1 Kalman滤波原理
3.1.2 Kalman滤波在目标跟踪中的应用及仿真程序
3.2 扩展Kalman滤波（EKF）
3.2.1 扩展Kalman滤波原理
3.2.2 基于EKF的单站观测距离的目标跟踪程序
3.2.3 基于EKF的单站纯方位目标跟踪程序
3.3 无迹Kalman滤波（UKF）
3.3.1 无迹Kalman滤波原理
3.3.2 无迹卡尔曼在目标跟踪中的应用的仿真程序
3.4 交互多模型Kalman滤波（IMM）
3.4.1 交互多模原理
3.4.1 交互多模kalman滤波在目标跟踪应用仿真程序
第四章 蒙特卡洛方法1 2 2 4 7 7 9 12 12 14 16 17 19 22 24 24 24 26 28 28 29 32 35 35 36 40 40 47 52
4.1 概念和定义
4.2 蒙特卡洛模拟仿真程序
4.2.1硬币投掷实验（1）
4.2.2硬币投掷实验（2）
4.2.3古典概率实验
4.2.4几何概率模拟实验
4.2.5复杂概率模拟实验
4.3 蒙特卡洛理论基础
4.3.1大数定律
4.3.2中心极限定律
4.3.3蒙特卡洛的要点
4.4 蒙特卡洛方法的应用
4.4.1 Buffon实验及仿真程序
4.4.2 蒙特卡洛方法计算定积分的仿真程序
第五章 粒子滤波
5.1 粒子滤波概述
5.1.1 蒙特卡洛采样原理
5.1.2 贝叶斯重要性采样
5.1.3 序列重要性抽样（SIS）滤波器
5.1.4 Bootstrap/SIR滤波器
5.2 粒子滤波重采样方法实现程序
5.2.1 随机重采样程序
5.2.2 多项式重采样程序
5.2.3 系统重采样程序
5.2.4 残差重采样程序
5.3 粒子滤波在目标跟踪中的应用
5.3.1 高斯模型下粒子滤波的实例程序
5.3.2 高斯噪声下粒子滤波用于目标跟踪的程序
5.3.3 闪烁噪声下粒子滤波用于目标跟踪的程序
本书说明：
该书的研究内容是目标跟踪的状态估计方法，主要有最小二乘估计，Kalman滤波，扩展Kalman滤波，无迹Kalman滤波以及粒子滤波等，包括理论介绍和MATLAB源程序两部分。
全书构成：
一，讲述原理（原书截图）
二，Matlab程序给出详细中文注释
三，仿真结果
Observation StationTarget PostionEstimate Postion***10050 00Node 250Node 4Node 1Node 3error=2.3491m Node 5
三维定位仿真结果图例
100908070Node 36050403020100 ***80Node 590100Node 1Node 4Node 2 Observation StationTrue TraceMLE Ttace
纯方位目标跟踪轨迹
1400真实轨迹UKF轨迹 ***00200-100-80-60-40-2002040
观测距离目标跟踪轨迹
四，结果分析 25滤波前误差滤波后误差 20151050 0102030405060
x方向估计误差均值2001000-100-20050100***0350400450y方向估计误差均值2001000-100-20050100***0350400450
跟踪误差分析图例
如果你在研究中遇到原理或者编程的困难，欢迎交流，加入QQ：345194112。
本书网址： http://item.taobao.com/item.htm?id=***
第四篇：工程项目造价全过程跟踪审计方法研究
工程项目造价全过程跟踪审计方法研究
2013-06-17 14:10 来源：周萍 打印 | 大 | 中 | 小
分享到：
近年来，建设项目全过程跟踪审计作为工程造价控制的一种新方法被应用到建设项目造价控制中，建设项目全过程跟踪审计是由事后结算审计向事前、事中、全过程延伸的一种审计方法，这种方法使整个工程实施处于受控状态，能有效地克服事后监督的局限性，在促进相关管理单位提高投资效益方面发挥重要作用，更好地达到控制造价的目的，并可以从源头上遏制工程建设领域的腐败，从而对廉政建设产生积极的作用。
一、工程项目造价全过程跟踪审计的重要性
由于建设工程项目具有周期长、投资额大、控制环节多等特点，因此任何一个环节出现问题，都可能导致重大的损失浪费。长期以来，我国建设工程审计主要是“秋后算账”式的工程竣工结算审计，没有或缺乏必要的事前预防和事中控制，因而难以从根本上遏制建设工程的损失浪费，审计机关、审计工作也很难真正对工程建设项目发挥审计监督作用。纠正这种现象，审计机关必须前移审计“关口”，实行从前期准备、建设实施直至竣工投入使用的全过程跟踪审计，从而做到及时发现并纠正问题，避免造成不可挽回的损失。
近年来，建设项目全过程跟踪审计作为工程造价控制的一种新方法被应用到建设项目造价控制中，建设项目全过程跟踪审计是由事后结算审计向事前、事中、全过程延伸的一种审计方法，这种方法使整个工程实施处于受控状态，能有效地克服事后监督的局限性，在促进相关管理单位提高投资效益方面发挥重要作用，更好地达到控制造价的目的，并可以从源头上遏制工程建设领域的贪污、浪费等现象，从而对廉政建设产生积极的作用。
二、工程项目造价全过程跟踪审计方法
1、项目设计阶段
工程项目设计阶段对投资影响最大，对工程造价（投资）影响占70%以上。因此，此阶段的跟踪审计，是重中之重。
（1）对限额设计审查的重点与难点。根据项目的功能要求及生命周期，与类似工程项目相比较，测算指标是否在投资控制范围内。同时，对设计提出优化建议，提高项目投资效益。如某高校的学生公寓给排水工程，初始设计取用CPVC给水管，后经我司提出优化建议后，改为同样满足设计和使用要求的PPR给水管，节约投资约60万元（PPR给水管材料价格约为CPVC给水管材料价格的1/3）。此阶段往往需要大量类似工程项目的指标数据才能进行对比分析，并且对建材价格及其市场走势有一定的预测能力。所以，在平时的工作中，我们要善于积累和分析数据，需要时还可跟一些专业公司合作。
（2）对设计概算审查的重点与难点。此阶段重点审核工程量、材料价格和有无漏项。由于少部分概算编制单位存在“看菜吃饭”，根据估算造价调整概算造价的行为。所以，此阶段要独立细心审查工程量、材料价格和有无漏项，确保概算准确。
（3）对重点材料及设备审查的重点与难点。由于建筑的多样性，时常会使用一些新材料和特殊设备。同时新材料和特殊设备价格往往较高，且由于其鲜见性，往往容易含有“水份”，所以要对这部分材料和设备重点审查。对此阶段进行审查，需进行大量的市场调研，不可偏听一家之言。
2、项目发包阶段
（1）完善施工招、投标文件的编制及招投标的组织管理。
如合同专用条款中的第39条中有关于“工程量增减15%”规定条款，本意是尽量少变更合同单价，但同样也为有经验的施工投标方低价的不平衡报价提供了合理的依据。因此必须采用《合同补遗》等方式来弥补招投标文件的漏洞。如政府投资项目，资金拨付和工程变更审批环节较多，通用条款中的时间限制和业主政策处理时承包商的协助责任等易导致索赔的地方，可在《合同补遗》中加以明确，以便竣工结算审计时准确定案。
（2）编制合适的标底（或工程量清单）和控制价是基础。
（3）分析评价各投标单位的投标书优点和不足及隐含附加条款。
（4）在招标答疑时尽可能弥补招标文件缺陷，明确今后可能采取的一些控制措施，减少索赔隐患。
（5）拟定合同措辞准确，哪怕是“等”也应推敲使用，避免由于合同未明确或不严谨等原因而造成造价失控或扯皮现象。
3、项目施工阶段
（1）审查各项合同的执行情况。审查该项目的中标单位及各供应商是否认真履行合同条款，有无违法分包、转包工程；审查履约保证金是否按照投标文件所述如实缴纳；审查工程进度款的支付，是否符合合同的约定，对计量支付的工程款是否经监理、审计等单位进行审核，以避免超付工程款。
（2）审查内控制度建立、执行情况。审查建设单位法人责任制的落实情况，是否建立健全并执行了各项内控制度。如财务管理及审核制度，工程签证、验收制度，设备材料采购、价格控制、验收、领用、清点制度，安全施工及防火防盗等制度。应监督、指导项目业主方建立完善各项管理制度，保证项目建设规范运行及建设资金合法使用。
（3）审查工程设计变更、施工现场洽商、签证等手续是否合理、合规、及时、完整、真实。审查工程变更是否经业主、施工、设计、监理等签证，是否由原设计单位出具变更文件，变更发生后是否在规定时间内确认由此产生的造价金额。
（4）审查基建财务核算及账务处理是否符合财政部《基本建设财务管理规定》的要求，是否有利于建设项目的管理及竣工决算的要求。
（5）审查建设资金到位情况是否与资金筹集计划或投资进度相衔接，有无大量贷款闲置或因资金不到位而造成停工待料等损失浪费现象。
（6）审查建设资金是否专款专用；是否按照规定付款，有无挤占、挪用建设项目资金等问题；对往来资金数额较大且长时间不能及时结转的预付工程款、预付备料款要查明原因，防止出现超付工程款的现象。
（7）审查各项费用的计取是否符合有关规定，设备材料价格是否与实际收费情况相符合，有无人为串标抬高中标价格及转移专项资金的违法违规问题。
（8）审查建设项目支出的票据是否真实有效，有无利用增值税发票违规进行进项税抵扣以及有无使用虚假发票支出的问题。
4、建设项目竣工验收阶段的跟踪审计
（1）竣工验收阶段。审查的主要内容包括： 项目验收工作是否按分项验收、阶段验收和竣工验收进行； 是否按预验收和正式验收的程序办理； 验收的竣工报告、图纸、文件等是否齐全； 验收过程中，建设单位、设计、施工、监理、地方质量检查部门、行业管理部门以及档案管理等专业人员是否到场； 验收中有关行业管理部门提出的问题是否按规定及时解决； 相关设备是否有批准运行的证明； 建设项目竣工验收后，有关部门是否及时办理了资产移交手续。
（2）项目建成竣工后的试运行。审查的主要内容包括： 建设项目是否具备使用或试生产等条件；设备、设施是否存在安全隐患； 运行记录是否齐全； 试运行时是否达到原设计的要求； 是否达到项目建设时的预期目标。
总之，合理分配审计资源，加大审计监督力度，充分发挥全过程跟踪审计的适时性、及时性，使关键岗位、关键人员随时处于审计监督之下，起到全面监督的作用。而且还应注意与建设评价相结合，注重成果与完善内部控制相结合，对项目的总体管理水平作出评价，提高审计监督的层次。
第五篇：问题学生的跟踪教育与转化方法
问题学生的跟踪教育与转化方法
班主任工作的一个重点是 “问题学生” 跟踪教育与转化，也是最令班主任头痛的工作之一。所谓问题学生，是指学习、思想或行为方面存在偏差的学生。“问题学生”的种类很多，包含上网成瘾、痴迷早恋、心理偏差、厌学逃课、行为孤僻、性格乖张、心理压抑或有阴影、离家出走、甚至结交社会不良分子进行违法活动等行为，问题学生的产生既有社会、家庭的因素，也与学生个体家庭成长环境、身体健康状况、同伴关系以及兴趣、爱好、需要、动机、性格、气质、能力等内在心理要素密切：因而，问题学生的教育过程，事实上就是一个为问题学生的健康、全面发展提供全面教育与综合服务的过程。在几年的班主任工作经历中我发现，要想转化问题学生，班主任必须具有“三心”：爱心、细心、耐心，必须对学生个体家庭成长环境、身体健康状况、同伴关系以及兴趣、爱好、需要、动机、性格、气质、能力等内在心理要素进行细腻观察和深刻体味，针对不同的个体因材施教，只有这样，问题学生才能朝着健康的方向发展转化。假设教师对学生不闻不问，就根本谈不上教育，即使教育了，没有一定的情感基础，那也不会取得良好的效果，爱心是问题学生教育成功的基础。爱心也是教育问题学生的一味良药。我在担任班主任工作中，有几点做法与体会供大家参考并指正：
一、处理上网成瘾、心理偏差、厌学逃课、行为孤僻、性格乖张等这类问题学生时，班主任在情绪上不能有太过激烈的反应。学生往往最不怕的就是老师的羞辱和训斥，因为他领教得实在太多了。
二、对每次教育的期望值不要太高。冰冻三尺，非一日之寒，既然是“问题”学生，其问题必然早已存在，是长期不良的坏习惯培养出来的，教育时应把握先易后难的原则，采用情感教育，反复地多次跟踪学生，用心去感化，用情去滋润，用行去熏陶，用言去说服，用法去明理，想尽千方百计留住学生。
三、教育问题学生，要选准时机和角度，该说什么、不该说什么、怎样去说，要做到心中有数，不要不痛不痒，泛泛而谈。否则，不仅不能对学生的心理防线有所触动，反而让他看扁你，增强抗击你的信心。泛泛而谈的教育他接触的也很多，我们也不可能讲出更多的新颖东西。
四、要明白问题学生的心理需求。我认为问题学生的心理需求就是得到老师应有的尊重。在教育中，我们会很主动的去寻找优秀学生的优点，而对“问题”学生很显露的优点且“视而不见”，我们往往很容易去宽容一个优秀学生的缺点，而很难让自己真诚的去表扬一个问题学生的优点或者进步，这在心理需求上是不平衡的，也是不公平的，但这就是教育的现实。每个人潜意识里都有渴望被肯定、被尊重的欲望，他们也是如此。要发掘闪光点，真诚地赏识他们那些曾经被“遗忘”了的光辉，这样对帮助他们维护自尊心和自信心至关重要。
五、与问题学生家长沟通，积极争取家长的支持和配合；要采取家访、调查、观察、谈心等方式。
六、给问题学生无微不至的关爱，给予他们春天般的温暖。一句话、一次行动、一回暗示就会给学生无穷的力量。身为人师，何必吝惜？对学生生活、学习上微小进步的认可，对过失行为的再次反思，都能有助于学生的成长。
七、构建良好的校园人际关系。只有校园的和谐，才有社会的和谐。在构建和谐社会的今天，我们是教书育人，不是教输误人。校园内师与生、生与生间和谐相处，和谐社会的建设进程才会日益加快。
八、树立科学的人才观、质量观。打造不求人人升学，但求人人成才的新理念，就会大大减少问题学生的数量。
人是有感情的动物，未走入社会的学生感情更丰富，问题学生也不例外，班主任只要用自己的真诚和不图回报的爱去感染学生，我相信总有冰雪融化的那一天。
1、尊重问题学生是做好教育和转化的前提和条件。教师要做到尊重问题学生的人格、情感、兴趣、爱好和选择。教师对每个问题学生建立个案研究记录，对其思想状态、学习情况、行为表现做好起点记录和跟踪记录。定期帮助他们确定易突破的有一定基础的近期目标，使其在短时期内通过努力获得成功的喜悦及相应的身心体验，从而增强努力进取的信心，带动行为习惯的改变和文化学习的进步。
2、发掘学生的优点和长处，发现其闪光点及时表扬，给问题学生以自信，增强其荣誉感和上进心，让问题自行消解。
3、教师有计划有步骤的实施教育措施，定期找学生谈话，晓之以理，动之以情，循循善诱；组织学生结成帮教对子，使其从思想上、学习上、行为上及时得到应有的帮助，循序渐进，逐步转化。
4、让问题学生进行阶段自我评价，自己总结自己的优点和缺点，使他们静下心来自省。书写思想汇报，制定成长计划。
5、密切学校和家长的关系。定期召开家长会，了解学生在家里的学习和生活情况；要求家长真诚面对问题学生，关注问题学生的闪光点，实施赏识教育。
6、针对问题学生的问题开展有效的教育活动
通过丰富多彩的活动，提高了学生的思想觉悟，端正了学生的学习态度，使学生明确了学习目的，增强了自主学习的积极性。特别是那些问题学生也能积极参与其中，得到展示自己特长、表现自我才能的机会，促使他们从中体验学习的乐趣，从而使问题学生的问题得以解决。
点击咨询 