运动跟踪算法

‘壹’ 为什么小米手环2要固件升级，原理是什么

现在的计步器基本都是利用三轴加速计来测算步数的。
通过加速计，我们可以对位移进行采样。当采样得到的波形符合人的步行特征时，就可以实现计步了。

但是，平常情况下，传感器的佩戴位置和人体本身的位置，总是是有一定的摆动的。人体在活动的进行中也有一定的抖动。这些在活动波形里表现为一定的杂波。这就需要合适的滤波算法把杂波尽量去除。

对经过滤波之后的波形，数一数波峰，就知道走几步了。

很多时候，其他运动也能制造出类似步行的波形，误差在所难免。加速计计步算法属于实现简单，改进空间很大的运动跟踪算法。

至于升级， 采用蓝牙进行传输

内部就是小米的商业机密了哦

望采纳：）

‘贰’ 自动跟踪的跟踪算法

质心跟踪算法：这种跟踪方式用于跟踪有界目标，且目标与环境相比有明显不同灰度等级，如空中飞机等。目标完全包含在镜头视场范围内。

相关跟踪算法：相关可用来跟踪多种类型的目标，当跟踪目标无边界且动态不是很强时这种方式非常有效。典型应用于：目标在近距离的范围，且目标扩展到镜头视场范围外，如航行在大海中的一艘船。

相位相关算法：相位相关算法是非常通用的算法，既可以用来跟踪无界目标也可以用来跟踪有界目标。在复杂环境下（如地面的汽车）能给出一个好的效果。

多目标跟踪算法：多目标跟踪用于有界目标如飞机、地面汽车等。它们完全在跟踪窗口内。对复杂环境里的小目标跟踪，本算法能给出一个较好的性能。
边缘跟踪算法：当跟踪目标有一个或多个确定的边缘而同时却又具有不确定的边缘，这时边缘跟踪是最有效的算法。典型如火箭发射，它有确定好的前边缘，但尾边缘由于喷气而不定。

场景锁定算法：该算法专门用于复杂场景的跟踪。适合于空对地和地对地场景。这个算法跟踪场景中的多个目标，然后依据每个点的运动，从而估计整个场景全局运动，场景中的目标和定位是自动选择的。当存在跟踪点移动到摄像机视场外时，新的跟踪点能自动被标识。瞄准点初始化到场景中的某个点，跟踪启动，同时定位瞄准线。在这种模式下，能连续跟踪和报告场景里的目标的位置。

组合跟踪算法：顾名思义这种跟踪方式是两种具有互补特性的跟踪算法的组合：相关类算法 + 质心类算法。它适合于目标尺寸、表面、特征改变很大的场景。

‘叁’ 目标跟踪算法好处

目标跟踪算法好处是：
1、可以提高后续检测的准确性。
2、能够掌握目标的运动状态。

‘肆’ 动作捕捉采集频率的作用

动作捕捉相机采集帧率与通常所说的相机帧率一致，是指单位时间内图像数据采集的次数，单位一般是fps，即帧/秒。
相机采集帧率对于动作捕捉来讲具有两大物理意义：一是限定了动作采样频率，动作采样频率最大不超过相机采集帧率（采样频率指每秒采集的动作关键帧数量）；二是直接决定了运动跟踪算法的有效性，进而决定了动作捕捉的正确率。运动跟踪贯穿动作捕捉的整个过程，一方面软件需要通过跟踪进行不同目标的识别和区分，另一方面通过跟踪预测可以缩小目标探测区域，有效地提升计算速率和捕捉实时性。一旦跟踪失败，往往动作捕捉数据会出错，严重的会导致丢失关键帧，影响捕捉的实时性。一般地讲，相机帧率越高，跟踪性能越好，即捕捉数据正确率越高。
通常为了实现较好的动作捕捉性能，专业的动作捕捉系统制造商都会进行深入的研究以平衡硬件性能参数来满足使用要求。其中，动作捕捉相机分辨率和采集帧率是比较重要的一对相关参数，简单地说，分辨率越高应该对应越高的采集帧率，因为分辨率增加相当于目标在图像上的运动预测不确定度增加，为保证计算速度，在跟踪搜索窗口不变的情况下，目标逃离跟踪窗口的概率大幅增加造成跟踪失败，解决这个问题最有效的方法就是提高采集帧率，降低运动预测的不确定度，以确保跟踪正确率。专业的动作捕捉相机分辨率与帧率的关系一般应满足一定的对应关系：30万像素系统应不少于30fps，130万像素系统应在60fps以上，而400万以上像素系统帧率至少应在100fps以上。
当系统不能达到足够的采集帧率时，最明显的使用问题是快速运动捕捉能力差，例如对人体进行击打、踢腿等动作捕捉时，运动数据往往会频繁出错，无法进行现场动画演示，也大大增加了数据后处理的工作量，系统实用性低。

‘伍’ 运动目标跟踪检测论文怎么写呢

运动目标检测与跟踪算法研究 视觉是人类感知自身周围复杂环境最直接有效的手段之一， 而在现实生活中 大量有意义的视觉信息都包含在运动中，人眼对运动的物体和目标也更敏感，能 够快速的发现运动目标， 并对目标的运动轨迹进行预测和描绘。 随着计算机技术、 通信技术、图像处理技术的不断发展，计算机视觉己成为目前的热点研究问题之 一。 而运动目标检测与跟踪是计算机视觉研究的核心课题之一， 融合了图像处理、 模式识别、人工智能、自动控制、计算机等众多领域的先进技术，在军事制导、 视觉导航、视频监控、智能交通、医疗诊断、工业产品检测等方面有着重要的实 用价值和广阔的发展前景。 1、国内外研究现状 1.1 运动目标检测 运动目标检测是指从序列图像中将运动的前景目标从背景图像中提取出来。 根据运动目标与摄像机之间的关系， 运动目标检测分为静态背景下的运动目标检 测和动态背景下的运动目标检测。 静态背景下的运动目标检测是指摄像机在整个 监视过程中不发生移动； 动态背景下的运动目标检测是指摄像机在监视过程中发 生了移动，如平动、旋转或多自由度运动等。 静态背景 静态背景下的运动目标检测方法主要有以下几种： （1）背景差分法 背景差分法是目前最常用的一种目标检测方法， 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。利用当前图像与背景图像的差分来检 测运动区域，一般能够提供比较完整的特征数据，但对于动态场景的变化，如光 照和外来无关事件的干扰等特别敏感。 很多研究人员目前都致力于开发不同的背 景模型，以减少动态场景变化对运动目标检测的影响。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。 背景差分法的实现简单，在固定背景下能够完整地精确、快速地分割出运动 对象。不足之处是易受环境光线变化的影响，需要加入背景图像更新机制，且只 对背景已知的运动对象检测比较有效， 不适用于摄像头运动或者背景灰度变化很 大的情况。 （2）帧间差分法 帧间差分法是在连续的图像序列中两个或三个相邻帧间， 采用基于像素的时 间差分并阈值化来提取图像中的运动区域。 帧间差分法对动态环境具有较强的自 适应性，但一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产 生空洞现象。因此在相邻帧间差分法的基础上提出了对称差分法，它是对图像序 列中每连续三帧图像进行对称差分，检测出目标的运动范围，同时利用上一帧分 割出来的模板对检测出来的目标运动范围进行修正， 从而能较好地检测出中间帧 运动目标的形状轮廓。 帧间差分法非常适合于动态变化的环境，因为它只对运动物体敏感。实际上 它只检测相对运动的物体，而且因两幅图像的时间间隔较短，差分图像受光线 变化影响小，检测有效而稳定。该算法简单、速度快，已得到广泛应用。虽然该 方法不能够完整地分割运动对象，只能检测出物体运动变化的区域，但所检测出 的物体运动信息仍可用于进一步的目标分割。 （3）光流法 光流法就充分的利用了图像自身所携带的信息。在空间中,运动可以用运动 场描述,而在一个图像平面上,物体的运动往往是通过图像序列中图像灰度分布 的不同来体现,从而使空间中的运动场转移到图像上就表示为光流场。所谓光流 是指空间中物体被观测面上的像素点运动产生的瞬时速度场， 包含了物体表面结 构和动态行为等重要信息。 基于光流法的运动目标检测采用了运动目标随时间变 化的光流特性，由于光流不仅包含了被观测物体的运动信息，还携带了物体运动 和景物三位结构的丰富信息。 在比较理想的情况下,它能够检测独立运动的对象, 不需要预先知道场景的任何信息,可以很精确地计算出运动物体的速度,并且可 用于动态场景的情况。 但是大多数光流方法的计算相当复杂,对硬件要求比较高, 不适于实时处理,而且对噪声比较敏感,抗噪性差。并且由于遮挡、多光源、透明 性及噪声等原因，使得光流场基本方程——灰度守恒的假设条件无法满足，不能 正确求出光流场，计算方也相当复杂，计算量巨大，不能满足实时的要求。 动态背景 动态背景下的运动目标检测由于存在着目标与摄像机之间复杂的相对运动， 检测方法要比静态背景下的运动目标检测方法复杂。常用的检测方法有匹配法、 光流法以及全局运动估计法等。 2、运动目标跟踪 运动目标跟踪是确定同一物体在图像序列的不同帧中的位置的过程。 近年来 出现了大批运动目标跟踪方法，许多文献对这些方法进行了分类介绍，可将目标 跟踪方法分为四类：基于区域的跟踪、基于特征的跟踪、基于活动轮廓的跟踪、 基于模型的跟踪，这种分类方法概括了目前大多数跟踪方法，下面用这种分类方 法对目前的跟踪方法进行概括介绍。 (1)基于区域的跟踪 基于区域的跟踪方法基本思想是： 首先通过图像分割或预先人为确定提取包 含目标区域的模板，并设定一个相似性度量，然后在序列图像中搜索目标，把度 量取极值时对应的区域作为对应帧中的目标区域。 由于提取的目标模板包含了较 完整的目标信息，该方法在目标未被遮挡时，跟踪精度非常高，跟踪非常稳定， 但通常比较耗时，特别是当目标区域较大时，因此一般应用于跟踪较小的目标或 对比度较差的目标。该方法还可以和多种预测算法结合使用，如卡尔曼预测、粒 子预测等，以估计每帧图像中目标的位置。近年来，对基于区域的跟踪方法关注 较多的是如何处理运动目标姿态变化引起的模板变化时的情况以及目标被严重 遮挡时的情况。 (2)基于特征的跟踪 基于特征的跟踪方法基本思想是：首先提取目标的某个或某些局部特征，然 后利用某种匹配算法在图像序列中进行特征匹配，从而实现对目标的跟踪。该方 法的优点是即使目标部分被遮挡，只要还有一部分特征可以被看到，就可以完成 跟踪任务，另外，该方法还可与卡尔曼滤波器结合使用，实时性较好，因此常用 于复杂场景下对运动目标的实时、 鲁棒跟踪。 用于跟踪的特征很多， 如角点边缘、 形状、纹理、颜色等，如何从众多的特征中选取最具区分性、最稳定的特征是基 于特征的跟踪方法的关键和难点所在。 (3)基于活动轮廓的跟踪 基于活动轮廓的跟踪方法基本思想是：利用封闭的曲线轮廓表达运动目标， 结合图像特征、曲线轮廓构造能量函数，通过求解极小化能量实现曲线轮廓的自 动连续更新，从而实现对目标的跟踪。自Kass在1987年提出Snake模型以来，基 于活动轮廓的方法就开始广泛应用于目标跟踪领域。相对于基于区域的跟踪方 法，轮廓表达有减少复杂度的优点，而且在目标被部分遮挡的情况下也能连续的 进行跟踪，但是该方法的跟踪结果受初始化影响较大，对噪声也较为敏感。 (4)基于模型的跟踪 基于模型的跟踪方法基本思想是： 首先通过一定的先验知识对所跟踪目标建 立模型，然后通过匹配跟踪目标，并进行模型的实时更新。通常利用测量、CAD 工具和计算机视觉技术建立模型。主要有三种形式的模型，即线图模型、二维轮 廓模型和三维立体模型口61，应用较多的是运动目标的三维立体模型，尤其是对 刚体目标如汽车的跟踪。该方法的优点是可以精确分析目标的运动轨迹，即使在 目标姿态变化和部分遮挡的情况下也能够可靠的跟踪， 但跟踪精度取决于模型的 精度，而在现实生活中要获得所有运动目标的精确模型是非常困难的。 目标检测算法，至今已提出了数千种各种类型的算法，而且每年都有上百篇相 关的研究论文或报告发表。尽管人们在目标检测或图像分割等方面做了许多研 究，现己提出的分割算法大都是针对具体问题的，并没有一种适合于所有情况的 通用算法。 目前， 比较经典的运动目标检测算法有： 双帧差分法、 三帧差分法(对 称差分法)、背景差法、光流法等方法，这些方法之间并不是完全独立，而是可 以相互交融的。 目标跟踪的主要目的就是要建立目标运动的时域模型， 其算法的优劣直接影响 着运动目标跟踪的稳定性和精确度， 虽然对运动目标跟踪理论的研究已经进行了 很多年，但至今它仍然是计算机视觉等领域的研究热点问题之一。研究一种鲁棒 性好、精确、高性能的运动目标跟踪方法依然是该研究领域所面临的一个巨大挑 战。基于此目的，系统必须对每个独立的目标进行持续的跟踪。为了实现对复杂 环境中运动目标快速、稳定的跟踪，人们提出了众多算法，但先前的许多算法都 是针对刚体目标，或是将形变较小的非刚体近似为刚体目标进行跟踪，因而这些 算法难以实现对形状变化较大的非刚体目标的正确跟踪。 根据跟踪算法所用的预 测技术来划分，目前主要的跟踪算法有：基于均值漂移的方法、基于遗传算法的 方法、基于Kalman滤波器的方法、基于Monto Carlo的方法以及多假设跟踪的方 法等。 

运动检测与目标跟踪算法模块 运动检测与目标跟踪算法模块 与目标跟踪 一、运动检测算法 1.算法效果 算法效果总体来说，对比度高的视频检测效果要优于对比度低的视频。 算法可以比较好地去除目标周围的浅影子，浅影的去除率在 80%以上。去影后目标的 完整性可以得到较好的保持，在 80%以上。在对比度比较高的环境中可以准确地识别较大 的滞留物或盗移物。 从对目标的检测率上来说，对小目标较难进行检测。一般目标小于 40 个像素就会被漏 掉。对于对比度不高的目标会检测不完整。总体上来说，算法在对比度较高的环境中漏检率 都较低，在 0.1%以下，在对比度不高或有小目标的场景下漏检率在 6%以下。 精细运动检测的目的是在较理想的环境下尽量精确地提取目标的轮廓和区域， 以供高层 进行应用。同时在分离距离较近目标和进行其它信息的进一步判断也具有一定的优势。 反映算法优缺点的详细效果如下所示： 去影子和完整性 效果好 公司内视频 左边的为去影前，右边的 为去影后的结果，可以看出在 完整 性和去影率上 都有所 突 出。 这两个视频的共周特点 城市交通 是，影子都是浅影子，视频噪 声不太明显。目标与背景的对 比度比较高。 效果差 这两个视频的特点是影子 都是深影子。虽然影子没有去 掉，但是物体的完整性是比较 高的。主要原因就是场景的对 路口，上午 十点 比度比较高。 滞留物检测和稳定性 效果好 会议室盗移 效果好的原因，一是盗移或 滞留目标与背景对比度较大，二 是目标本身尺寸较大。 另外盗移物或滞留物在保持 各自的状态期间不能受到光照变 化或其它明显运动目标的干扰， 要不然有可能会造成判断的不稳 定。 效果差 会议室 遗留 物 大部分时间内，滞留的判断 都是较稳定的，但是在后期出现 了不稳定。主要原因是目标太小 的原故。 因此在进行滞留物判断时， 大目标，对比度较高的环境有利 于判断的稳定性和准确性。 漏检率 效果好 城市交通 在对比度高的环境下， 目标相对都较大的情况下 （大于 40 个像素） 可以很 ， 稳定的检测出目标。 在这种 条件下的漏检率通常都是 非常低的，在 0.1%以下。 效果差 行人－傍晚 和“行人”目录下 的 其 它 昏 暗 条件 下的视频 在对 比度较低的 情况 下，会造成检测结果不稳 定。漏检率较高。主要原因 是由于去影子造成的。 这种 对比度下的漏检率一般在 6%以下。 除了 对比度低是 造成 漏检的原因外， 过小的目标 也会造成漏检，一般是 40 个像素以下的目标都会被 忽略掉。 1.2 算法效率内存消耗（单位：b） .MD_ISRAM_data .MD_ISRAM_bss .MD_SDRAM_data 0x470 0x24 0x348 .MD_SDRAM_bss .MD_text 0x1a8480 0x6d40 速度 ms 运动区域占 2/3 左右时 CPU 占用率 一帧耗时 Max:57% Min:2.8% Avg:37.5% Max:23 Min:1.14 Avg:15 运动区域占 1/3 左右时 Max:45% Min:2.8% Avg:20% Max:18 Min:1.14 Avg:8 1.3 检测参数说明 检测参数说明 检测到的滞留物或盗走物的消失时间目前分别设定在 200 帧和 100 帧， 可以通过参数来 自行调整。 目前目标与背景的差异是根据局部光照强度所决定的， 范围在 4 个像素值以上。 目前参 数设置要求目标大小要在 20 个像素以上才能被检测到，可以通过参数来自行调整。 目标阴影的去除能力是可以调整的， 目前的参数设置可以去除大部分的浅影子和较小的 光照变化。 1.4 适用环境推荐光照条件较好（具有一定的对比度）的室内环境或室外环境。不易用它去检测过小的目 标，比如小于 40 个像素的目标。室外环境不易太复杂。输出目标为精细轮廓目标，可以为 后面高层应用提供良好的信息。 二、目标跟踪 2.1 稳定运行环境要求此版本跟踪算法与运动检测算法紧密结合， 对相机的架设和视频的背景环境和运动目标 数量运动方式有一定要求： 背景要求： 由于运动跟踪是基于运动检测的结果进行的， 所以对背景的要求和运动检测一样， 背景要求： 运动目标相对于背景要有一定反差。 运动目标：由于运动检测中，对较小的目标可能过滤掉。所以运动目标的大小要符合运动检 运动目标： 测的要求。运动目标的速度不能太大，要保证前后帧运动目标的重合面积大于 10 个像素。此阈值可修改(建议不要随意修改，过小，可能把碎片当成原目标分 裂出来的小目标，过大，可能失去跟踪。当然可试着调节以适应不同场景)。该 算法对由于运动检测在地面上产生的碎片抗干扰性比较差， 运动目标和碎片相遇 时，容易发生融合又分离的现象，造成轨迹混乱。消失目标和新生目标很容易当 成同一目标处理，所以可能出现一个新目标继承新生目标的轨迹。 运动方式： 运动目标的最大数量由外部设定。 但运动跟踪对运动目标比较稀疏的场景效果比 运动方式： 较好。 算法对由于运动检测在运动目标上产生的碎片有一定的抗干扰。 算法没对 物体的遮挡进行处理。对于两运动目标之间的遮挡按融合来处理。 拍摄角度： 拍摄角度：拍摄视野比较大，且最好是俯视拍摄。

‘陆’ 动作捕捉技术是什么原理

从技术的角度来说，运动捕捉的实质就是要测量、跟踪、记录物体在三维空间中的运动轨迹。典型的运动捕捉设备一般由以下几个部分组成：
· 传感器。所谓传感器是固定在运动物体特定部位的跟踪装置，它将向 Motion capture 系统提供运动物体运动的位置信息，一般会随着捕捉的细致程度确定跟踪器的数目。
· 信号捕捉设备。这种设备会因 Motion capture 系统的类型不同而有所区别，它们负责位置信号的捕捉。对于机械系统来说是一块捕捉电信号的线路板，对于光学 Motion capture 系统则是高分辨率红外摄像机。
· 数据传输设备。 Motion capture 系统，特别是需要实时效果的 Motion capture 系统需要将大量的运动数据从信号捕捉设备快速准确地传输到计算机系统进行处理，而数据传输设备就是用来完成此项工作的。
· 数据处理设备。经过 Motion capture 系统捕捉到的数据需要修正、处理后还要有三维模型向结合才能完成计算机动画制作的工作，这就需要我们应用数据处理软件或硬件来完成此项工作。软件也好硬件也罢它们都是借助计算机对数据高速的运算能力来完成数据的处理，使三维模型真正、自然地运动起来。

‘柒’ 跑步软件哪个好

悦跑圈、咕咚、乐动力、Runtastic PRO、慢跑精灵。以上五款跑步软件定位准备，均拥有独特的算法来计算卡路里，值得推荐。

5、慢跑精灵：记录每一次跑步的路线、里程、配速、消耗卡路里，还可以将每次跑步路线与好友分享。每当达成一定的条件，都会解锁一枚徽章。还可以切换到地图模式中查看自己跑步的路线，或者提前规划路线。

‘捌’ 运动跟踪系统根据哪些参数来评价算法的好坏

作战 效 能 评估技术是近年来航空领域广泛关注的研究项目，是二十一世纪综合性、前沿性技术。综观飞机的研制过程，战效评估在飞机战术技术经济可行性论证阶段以及作战使用研究等方面都具有重要的作用。本文从飞行力学和计算机数学模拟仿真的角度出发，对歼击机空战效能评估方法进行研究，内容包括如下几个方面: 1) 自 动 化空战模拟原理。提出战术动作、飞机质点运动方程、战效评估准则以及计算机计算有机结合的闭环模拟机理，给出适合飞机方一案论证阶段使用特点的空战模拟方法。 2) 空 战 初始态势设置、空战战术动作组合的战术理论依据。通过对可能面对的作战使用环境下的作战对象能力分析，从飞行力学的角度出发，提出符合飞机战术使用原则的战术动作组合的理论依据，建立战术动作理论数学模型。 3) 根 据 近距空战的特点，分析近距导弹带离轴角发射的使用条件，建立适于空战模拟的数学模型。 4) 以 某 第三代战斗机为例进行空战模拟计算机仿真，结果表明:在考虑模拟双方不同的高度、速度、两机距离和方位的态势下，能够实现多次的自动化模拟仿真计算，计算的战损情况与国外相关资料数据对比总体趋势吻合，结果具有较高的可信度。表明了本文中给出的空战效能评估方法在工程应用中具有重要的作用。同时也证明了模拟方法、数据处理、战术动作链以及数学模型是正确的。另外，还对影响超视距、近距空战效能的主要胜机参数进行了定量分析。 本研究对型号研制和预先技术研究有重要应用价值 。关键词:空战模拟，战效评估准则，空战初始态势，战术动作链. 1.1概述 歼击 机 作 为现代的武器装备，随着科学技术的发展，其各系统的构成和功能越来越完善和先进。随之而来的问题，飞机的研制经费和单机价格相应增高，研制周期也随之增长。在新机研制、老机重大改进等投资决策时，需要进行必要的效费比分析。歼击机效费比分析的基础和难点在于如何评价其作战效能。空、海军使用部门对某机型制定采购计划或向研究部门提出新要求时也迫切要求分析与作战对象对抗的作战效能情况:研制部门在研制工作中，对某项新技 术做技术决策时，在技术上可行，经费不超指标的情况下，主要考虑尽最大可能满足部队的需要，而判断是否满足需求的重要方面需进行作战效能分析。因此，歼击机空战效能分析研究是科学技术发展所推动出来的要求;是从事武器装备研制各层次人员工作的客观需要。战斗机的作战效能评估是一项综合技术和一种衡量战斗机优劣的手段，是将战斗机作为一个武器系统来评估的,其充分反映了飞机所采用的主要技术对作战能力的影响。根据以往的空战经验和战术理论研究的发展，由于在不同的空战阶段中，战斗机机群的组成、机动飞行轨迹、火控系统和使用武器各不相同， 因此，战斗机的空战主要分为两个阶段:超视距空战，近距空战。超视 距 空 战效能主要取决于机载设备和武器;近距空战效能主要取决于飞机的机动性能和导弹的离轴能力(包括采用光电雷达或头盔)。作为第一.二代飞机，基本上没有超视距空战能力(只有少数第二代飞机改进型实现了超视距攻击)，近距空战效能相对也较差。第三 代 飞 机的早期型，如F一比A飞机，以改善机动能力，提高近距作战效能为主，第三代飞机机动性比二代飞机平均高70%左右，导致两代战斗机的近距作战效能相差2一3倍，随着技术的发展，第三代战斗机的改进型，如F一16C飞机，挂装了AIM一7F中距导弹，超视距作战效能大大加强。第四代 战 斗机为了进一步提高飞机的作战效能，远距采用隐身技术和超音速巡航方式，装远距离探测雷达，挂主动雷达型空空导弹;近距则采用先进的气动布局，具有良好大迎角气动特性和推力矢量，在第三代飞机的机动性基础上，强调提高飞机的敏捷性、过失速机动能力队.空战效 能 分析工作早已为世人所重视九十年代前评价歼击机的作战有效性，主要用加权参数法，该方法属静态评估法，在很大程度取决于使用者的经验。八十 年 代 ，我国研究空战模拟的途径，主要用微分对策，该方法计算工作量大，也不能直接反映飞机及其武器系统的参数影响。飞机设计中使用甚为不便，且其计算结果的可信度往往也令人产生怀疑。八十年 代 末，我国自行研制出一个可以模拟飞机作战动作的空战战效分析软件。该软件对火控系统和导弹等模拟的简单，对评价现代歼击机的作战效能还存在一定的差距。 1.2国外作战效能技术发展动态 美国,俄罗斯等航空发达国家十分重视军用飞机的作战效能的研究，都设立专门的机构从事这些方面的研究工作，如俄罗斯的高斯尼亚斯，由专门的部门进行航空武器系统的作战效能研究。 国外 早 在 七十年代就提出用计算机仿真和半物理模拟相结合，有人在环的空战模拟装置。建造这种设施耗资大，而且计算周期长，美、前苏联、法、英、德等国都曾建造过这类设施来进行空战模拟。 八十 年 代 随着电子计算工作站和微机的迅速发展，仿真技术的广泛应用，无论美、欧还是俄罗斯都采用数字仿真为主的战效分析手段。美国的F一22飞机设计时，为确定飞机、火控系统和武器等参数的匹配，曾在微机上进行一百万次包括各种情况的空战模拟，每天要完成一万次的空战模拟。从国外 各 种作战效能研究的情况看，可以把飞机作战效能研究按其复杂程度初步分为四级[8::对比法(性能参数分析)，计算评估法(效能指数分析)，计算机模拟法(模拟器空战半物理仿真和计算机空战全数字仿真)和试飞(真试飞及空战演习的全物理仿真)。每种方法都有各自的优缺点，适合一定的应用范围，很多时候不同方法需要互相补充才能更好地说明问题。其中模拟器空战仿真和计算机空战仿真在顶层分析论证阶段被广泛采用。 1)对比法 这种 方 法 在工程应用中经常使用，其主要的表达形式就是以列表方式，根据所要比较的作战对象，将主要指标参数同时列于表中，然后进行比较分析一般列 于 表中的参数主要有:性能参数，雷达参数，导弹参数以及RCS等性能 参 数 包括飞行包线(飞机高度、速度范围)、定常盘旋过载、瞬时盘旋角速度、爬升率、航程和作战半径、起飞和着陆滑跑距离等。雷达参 数 包括雷达的探测距离、跟踪距离、搜索及跟踪空域等。导弹参数包括导弹的攻击距离、过载、离轴角、末制导距离等。 2)计算评估法 计算评估法是选择与作战飞机效能密切相关的参数，按一定规律进行计算得出代表效能的指标或效能高低代表值的方法。该种方法的例子如近距攻击系数方法、作战效能指数方法等。近距攻击系数方法具体的公式表达为N（稳定盘旋过载），Nyinax（最大使用过载）SEP（单位剩余功率）的一个方程，通过选取上述参数值，就可以计算出近距攻击系数值，经过不同飞机的上述计算，就可以得出每架飞机作战效能的高低。 作战效能指数法又可分为空空效能指数和空地效能指数，运用计算评估法关键的问题是选择评估参数。对不同的作战飞机应按其主要任务选择关系密切的参数，例如，评估空空效能可选用与机动性武器攻击力和探测目标能力有关的参数:评估空地效能可选用载弹量、外挂武器的挂架数量和生存力、突防能力等有关的参数。对于有些参数难以通过技术计算得出结果的，可通过专家决策来选取。 3)计算机模拟法 计算机模拟法分为数字模拟方法和空战仿真(空战模拟器)方法。其中模拟计算都是依据飞机的确切数据和运动方程逐步计算出飞机的飞行轨迹进行空战，计算结果都是以损失比的形式给出，并且需要多次空战模拟计算，才能最终得到统计平均值。空战仿真是在数字模拟的基础上发展起来的，采用六自由度运动方程，增加了座舱视景系统、飞控系统和教官监控系统等，操作需要有油门杆、脚蹬、驾驶杆及雷达截获、武器发射按钮。 4)试飞法 试飞方法相对复杂，能够真实评价空战双方的作战效能，但花费的时间、经费和人很大，实现起来有很大的困难。由于数字模拟方法综合了飞机气动性能、雷达火控、导弹和隐身等专业技术，并与.咙斗机的空战战术要紧密相结合，国内目前从理沦和仿真方面尚需要完善。从发展的趋势看，战效评估技术将成为未来飞机设计的必备技术，因此，从工程应用的角度出发，开展此项研究，跟踪世界先进技术，更好的为型号应用是十分重要的。 1.3空战的基本特点及效能评估研究的意义 第三 代 战 斗机是以导弹作为主要武器进行空战的战斗机，通常认为现代空战由超视距空战(BeyondVisualRailge)和近距(closein，或视距内winvisuRange) 空战两个阶段组成，但各阶段的空战特点不同在超视 距 空战阶段，战斗机的活动带有机群作战的特点．一般，战斗机被分为不同的战术任务组，其中每一组都应完成总作战意图所规定的任务，例如拦截敌方轰炸机群，准备与敌方护航战斗机遭遇等等。但无论如何，每一机组为完成预定任务所做的机动飞行都应保证战斗机进入武器发射的有利状态。为此，可认为战斗机的空战模式由以下阶段组成: 一 接近与搜索阶段。此时战斗机按地面(或空中)指挥员的命令爬升到预定的飞行高度，并向目标接近。当目标进入战斗机的机载雷达探测范围之内时，战斗机的飞行力图使雷达截获目标。随后，战斗机进入保证导弹发射条件的预备性机动阶段; — 预备性机动阶段。在此阶段中，为了保证机载雷达始终截获目标，并使尽快地达到导弹发射条件，战斗机必须进行相应的曲线跟踪飞行． — 发射导弹以及发射后的制导阶段。当目标进入导弹攻击区时，即可发射导弹。但导弹发射后，对于采用半主动雷达末制导的中远程导弹，还要求战斗-机的雷达继续照射目标(为导弹提供修正目标位置误差必要的信息)，直到该导弹进入主动导引段开始为止． — 规避敌方导弹的攻击阶段。在此阶段中，战斗机完成急剧的机动飞行(例如加力转弯，俯冲等)以规避敌方导弹的攻击，最后战斗机退出超视距空战或进入近距空战。 近距空战是在驾驶员目视可见目标，且没有地面(或空中)指挥员的信息支持进行的。由于此时敌我双方距离近，故决定了战斗的短暂性，且战斗机要完成各种急剧的机动飞行。在此条件下，急剧的机动飞行可划分为: — 搜索目标的机动飞行。例如目标在战斗机的上方时，采用战斗转弯机动飞行;反之，采用半滚倒转飞行等; — 保证实现发射导弹条件的预备性机动。在使用可离轴发射的全方位攻击导弹时，战斗机可能进行机动飞行的准则是使飞机的纵轴迅速指向目标。因为，在近距空战中，第一次发射导弹的有效性如何是对空战结局起着决定性作用的同时，在双方导弹性能对等的条件下，战斗机提前瞄准目标的时间应不小于导弹飞到目标所用的时间;

‘玖’ camshift或者mishift 运动目标自动跟踪的实现

camshift 实现自动化跟踪的小技巧opencv 提供了使用基于颜色的跟踪算法camshift, 很好的算法，可是它是个半自动的算法，它需要用户在跟踪界面设定跟踪的目标。怎么预先设定目标再来跟踪呢？
本人偷了个懒，加入了用一张图片来设定跟踪的目标，在启动中加载图片，生成跟踪需要的histogram。这样实现了自动化的跟踪吧。步骤如下：
1. 找到你需要跟踪的物体，拿到摄像头前，照一张相（print screen），这里需要注意的是，由于光线变化，临近摄像头会亮一些，离远会暗一些，那么最好跟踪的物体的拍摄颜色与实际跟踪中颜色相近。2. 打开画笔功能，新建一张图片(320*240)，大小与视频源图像一致，把物体截取放大，这样跟踪的颜色区域就都在图像中了。 3。在代码中加入 void loadTemplateImage()
{
IplImage *tempimage = cvLoadImage("F:/OM_tracking/Test cam shift/ShadowTrack/Debug/green.bmp",1);
cvCvtColor( tempimage, hsv, CV_BGR2HSV );
int _vmin = vmin, _vmax = vmax; cvInRangeS( hsv, cvScalar(0,smin,MIN(_vmin,_vmax),0),
cvScalar(180,256,MAX(_vmin,_vmax),0), mask );

cvSplit( hsv, hue, 0, 0, 0 );

selection.x = 1;
selection.y = 1;
selection.width = 320-1;
selection.height= 240-1; cvSetImageROI( hue, selection );
cvSetImageROI( mask, selection );
cvCalcHist( &hue, hist, 0, mask ); float max_val = 0.f;

cvGetMinMaxHistValue( hist, 0, &max_val, 0, 0 );
cvConvertScale( hist->bins, hist->bins, max_val ? 255. / max_val : 0., 0 );
cvResetImageROI( hue );
cvResetImageROI( mask );
track_window = selection;
track_object = 1; cvReleaseImage(&tempimage);}4，去掉原来的生成Hist的代码。在启动时候加入loadTemplateImage5.运行代码，看结果吧. 代码这里下载