发布时间：
计算机视觉包括许多许多的方向，例如物体识别(object recognition), 物体检测(object detection),运动物体检测与追踪(object detection and tracking)等等，你想要关于什么样的论文，只需要到google的学术搜索: 中输入例如上述的英文关键词，就可以有很多很多很多的论文让你下载了。祝你好运，求最优答案
牛顿第一定律的教学研究，在中学物理教学研究中早已不是一个新问题了．许多物理教育工作者对于这一定律的教学发表了自己颇有见地的教学见解，并且得到了满意的教学效果． 当我们在教学实践中运用这些教学策略时，我们发现，确实可以取得如同一些文献中所述的预期效果．然而，当我们设计一些新的情境让学生运用牛顿第一定律去解决问题时，令我们十分吃惊的是：学生对于牛顿第一定律的掌握程度却又非常之差．这使得我们困惑不解．为何对同一教学策略教学的结果的评价出现如此之大的偏差？是教师教的原因，还是学生学的原因，抑或两者兼而有之．这促使我们对牛顿第一定律的教学进行深层次的理性思考，进一步，我们从学生的认知心理上，对这一规律的教学进行了深入的研究． 1 通常牛顿第一定律的教学，一般是按教材编排顺序，先进行演示实验引出课题，然后通过讲解伽利略与亚里士多德的争论，消除“力是维持物体运动原因”的错误观念，进一步通过做斜面小车实验证明牛顿第一定律的正确性，最后让学生运用牛顿第一定律去解释日常生活中的现象，从而完成整个教学过程． 为了检验学生学习和掌握牛顿第一定律的情况，我们曾用这样一道题目来检测学生．题目如下．你坐在向前匀速直线运动的汽车里，将手中的钥匙竖直上抛，问当钥匙落下来时是落在手里，还是落在手后面．全班56名同学在试卷上皆答：落在手后面．问其原因，皆曰：汽车在走，而钥匙抛出后不再向前走了． 2 怎样更好地改进牛顿第一定律的教学效果，使牛顿第一定律的教学效果真正是实实在在意义上的令人满足．我们认为，囿于一般形式上的教学方法的改进已是隔靴搔痒，而必须深入到学生的认知结构中去考察学生产生错误认识的根源． 认知心理学的理论告诉我们，学生学习物理概念、规律时所形成的错误，常常是由于其头脑中的前科学概念的影响． 所谓前科学概念，是指儿童在学习物理课程以前的生活实际中，对各种物理现象和过程在头脑中反复建构所形成的系统的但并非科学的观念．比如牛顿第一定律就是如此．在物理教学中，那种认为只需要“正面”传授知识，学生就能接受，如果他们仍不理解，可以多讲几遍就能达到目的的想法，实践证明是过于天真了．因为在有些学生的经验中，早已有了与亚里士多德“力是维持物体运动原因“的理论类似的观念．这样，当他们学习了牛顿第一定律之后，就可能把定律纳入到自己原有的认知结构中，牛顿第一定律实际上成了“力是维持物体运动原因”的代名词．让他们解释用手推车、用脚踢球等一些不易暴露错误观念的生活实例时，他们也能解释得头头是道．但当解释用手抛钥匙、飞机扔炸弹的例子时，他们却又运用亚里士多德的理论去解释，其错误观念暴露无遗．这正是牛顿第一定律教学效果不佳的症结之所在． 3 研究和改进牛顿第一定律的教学，应当了解学生头脑中前科学概念的特点． 第一，学生头脑中的前科学概念是自发形成的． 过去，我们在教学中，常常误认为学生在学习物理之前其头脑如同一张“白纸”，教师可以在上面任意涂画，事实并非如此．学生在长期的生活实践当中，逐渐形成了自己对客观世界物质运动规律的看法．他们几乎每天都会看到物体在力的作用下运动，而在力停止作用时物体静止，于是主观地断言：有力，则物体运动；无力，则物体静止．这正是亚里士多德“力是维持物体运动原因”的理论． 第二，学生头脑中的前科学概念具有隐蔽性． 由于学生头脑中前科学概念都在潜移默化中形成的，所以它以潜在的形式存在．这包含两方面的意义．其一是学生自己并没有意识到它的存在，因为学生并没有有意识地思考并形成“力是维持物体运动原因”的概念．其二是前科学概念平时并不表现出来，但往往在学生运用物理概念解决问题时表现出来．比如前述测验表明，许多有10多年教龄的初中物理教师头脑中也存在着牛顿第一定律的前科学概念，然而他们自己却并不知道． 第三，学生头脑中的前科学概念具有顽固性． 由于前科学概念是儿童头脑中业已形成的概念，且长期的日常生活经验与观察又加强了这些概念．因此，学生头脑中的前科学慨念是非常顽固的． 国内外物理教育界近年来的一些研究表明：一旦学生对某些物理现象形成了前科学概念，要想加以转变是极其困难的．尤其那些在人类科学认识史上经历了曲折历程的前科学概念，更是如此． 按照皮亚杰的理论，学生认识什么和如何行动，主要决定于他们所具有的认知图式（思维模式），而不完全取决于教师所讲述的内容．他们按照自己已有的图式吸收和排斥信息．在有错误认识存在的情形下，就会在头脑中形成和正确信息极不相同的东西． 4 在上述研究的基础上，我们对牛顿第一定律的教学提出如下教学建议
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 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 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 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。 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: Avg: Max:23 Min: Avg:15 运动区域占 1/3 左右时 Max:45% Min: Avg:20% Max:18 Min: Avg:8 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。 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 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。
动物检疫的问题和建议论文【1】
[摘 要] 动物检疫工作是保证肉类食品是否合格的第一道关口。
唯有做好动物检疫工作，才能保证肉类食品的质量卫生，保障食用者的健康安全;亦可防止诸如禽流感、猪流感等动物疫情的传播和爆发，防患于未然，减少农户损失。
《动物防疫法》虽已颁布实施，现阶段的动物检疫却仍存在诸多问题，制约着实际操作。
本文通过对于动物检疫问题的探讨，提出一系列解决策略。
目的是为了提高动物检疫的效率。
[关键词] 动物检疫 问题 建议
一、动物检疫存在的主要问题
1.养殖户及消费者的检疫意识
大部分养殖户的文化水平有限，对动物检疫方面知识知之甚少，在进行屠宰售卖之前不作报检，有关部门出于人手原因也无法一一查实。
且部分地区难以施行集中屠宰，多数为自行屠宰或个体屠宰。
而动物检疫部门监督人员有限，只能去往指定屠宰点进行监督检查，个体农户或自行屠宰贩卖养殖户难以进行检疫，此类肉品的安全卫生也就无法保证。
不法商贩收购病禽死禽，多数农民贪图眼前利益，法律意识淡薄，对此类现象并不制止，因为一点利益助长不法分子的气焰，造成不安全肉类的流通。
对于一些偏远山区农村的个体农户，这些地方往往交通不便，设施落后，检疫工作更是难以开展，不法商贩亦是横行。
而多数消费者的防疫意识往往不足，贪图便宜或是根本对动物检疫一无所知，购买价格低廉的未经检验的不安全肉类，让违法者有利可图，为违法活动创造了可能。
2.检疫人员的素质
动物检疫工作对在职人员的素质要求相对来说较高，需要一定相关知识水准。
而当前我国针对动物检疫的相关法律仍不够完善，对动物检疫人员的规定尚不明确，对相关人员工作也没有很好的约束和要求。
这就导致了从事该工作的人员鱼龙混杂，文化素质水平参差不齐。
间接地致使动物检疫工作无法正常有序的执行，而疫情也就不能及时发现，无法做好防治工作，人民群众的生命财产安全也就会受到威胁。
如此一来，动物检疫部门岂不是形同虚设?政策好并不代表一定能执行好，好的政策还需由优秀的人才来执行。
3.检疫设施和条件
落后偏远地区自不必说，基本的检疫设备都难以保证，更不用说专业的检疫队伍和检疫环境。
而拥有相关设备和人员的地区就能做好检疫工作?这也未必见得。
仅仅依靠简单的设备，某些疾病已经无法检测出来。
这些疾病需在特殊的环境中，使用更为专业的设施进行检测。
纵观我国，极少有地区具备如此检测环境、检测设施和检测人员。
诸多落后，造成了动物检疫的太多不便，其检测结果的权威性和可信度也同样面临着严峻的考验。
4.相关法律法规
相关法律法规不尽完善，前面已经涉及，相关法律对检疫人员的要求和规定尚不明确，导致检疫人员素质偏低。
《动物检疫法》对于不检疫、逃避检疫者的处罚也是过轻，违法者根本无所畏惧;对于私自屠宰、私自贩卖未经检疫的禽畜机及其肉类的行为，甚至没有处罚说明。
关于产地检疫到场到户的法规，鉴于有关部门条件的不允许，对个体农户和交通不便地区的养殖地来说，施行起来难上加难。
相关法律的形同虚设，致使检疫工作无法有序的开展。
二、动物检疫的建议与对策
1.检疫部门需要做好宣传工作
检疫部门必须做好宣传工作，提高民众对于动物检疫的认识，对于养殖户和个体农户来说，更需加大宣传力度，必要时集中学习动物防疫知识，使之意识到动物检疫的重要性，主动提出检疫。
需善用报刊、杂志、电视、网络等大众传媒手段，普及动物检疫相关知识法律，营造良好的社会氛围，擦亮养殖者和消费者的眼睛，使不法商贩无处藏身。
2.检验人员选拔制度需要完善
检疫人员的精心选拔和严格管理也尤为重要。
只有优秀的高素质检疫人员队伍，才能做出优秀的成绩，保障检疫结果的准确度。
故而在检疫人员的选拔上切不可马虎，必须选用文化素质高、专业技术水平过硬、法律意识强、坚持正义、责任意识强和秉公执法的人才。
严格的选拔必不可少，检疫人员的在职培训和考察亦不可忽视。
执行公务的同时，政府应调拨款项对检疫人员进行定期的培训和不定期的考核，不断提高在职人员的文化素质和专业技术水平，不断促使检疫人员学习新的检疫知识。
对于不能通过考核的'人员，坚决不予上岗，需进行再学习并通过考察后方可复职;违反相关法律的，直接开除公职。
另外检疫部门可通过与各大高校合作，直接在学校中培养所需人才，保证对人才需求的满足。
3.重视硬件设施建设
除人才的培养外，硬件设施的需求亦不能忽视。
先进的检疫设备和检测手段才能保证检测结果的准确度，因此相关部门必须大力引入先进设备，改善动物检疫部门的设施，提高检疫人员队伍的设备水准和检疫结果的权威性，为动物检疫营造良好的检疫环境。
对于落后偏远地区，必须加强基础设施和人才队伍的建设，保证检疫能够完成。
4.完善动物检疫方面的法律
一要加大对违法者的处罚力度，达到使之不敢违法的目的;二要明确对检疫人员的规定和要求，保证检疫人员的质量水准;三要修改相关法律法规，使之切实可行;四要破除在行法律对检疫监督人员的诸多限制，使其能从容行使职能，而不有所顾忌。
对与未作规定的相关违法行为，修订者必须尽早完善，使之有法可依，不至不法分子钻法律的漏洞。
三、小结
上述论证可知，要切实做好动物检疫工作，不仅是单一方面的责任。
上至国家政府部门，下至一线检疫人员和养殖农户，必须加强联系，互相理解支持，才能让动物检疫工作落到实处，保障养殖农户的财产安全。
我国的肉类食品安全才能得到保证，人民群众方能吃上放心肉。
参考文献
[1]沈向华. 动物检疫制度比较研究[D].内蒙古农业大学，2008. [2]马祥林. 动物检疫常见问题及改进对策分析[J]. 农民致富之友，2013，16：185+229.
动物检疫工作的问题及建议【2】
摘要：动物检疫工作极其重要，关系到人民群众的生命安全和身体健康。
本文笔者就从动物活检和肉检两个方面入手，对动物检疫工作提出一点建议。
关键词：动物检疫 活检 肉检 建议
前言
动物检疫工作是确保农产品尤其是动物产品质量安全的主要手段。
多年来,我们认真贯彻落实《动物防疫法》,制定措施,壮大队伍,开展监督稽查等工作,对动物检疫工作的开展起到了很大推动作用,但仍然存在许多问题,制约着动物检疫工作的开展。
检疫手段落后、检疫设备差、检疫行为不规范等现状没有从根本上解决,检疫率、疫病检出率低等问题依然存在,动物疫病没有得到有效净化,动物疫病发生隐患及动物食品安全隐患没有得到有效治理。
一、动物检疫工作存在的主要问题
首先，农民饲养的畜禽在出售前不作活检,具原因是《动物防疫法》的宣传不到位,农民对动物检疫申报制度认识不够,加之农民认为法不制众,没有全面推行。
其次，大多数地区定点屠宰工作很难推行,个体屠宰户仍然是屠宰主流,其中的80%以上为收购、屠宰、销售一体化经营,他们夜间到饲养户收购、屠宰,白天到市场零售肉品均采取逃检的办法逃避费用。
加上动物防疫监督人员有限,收购环节防不胜防,屠宰环节中只能到定点屠宰场进行同步检疫,却无法到户进行检疫,只能在零售环节对肉品实施补检,忽略了对动物经营环节的重点检疫。
最后，对于山区农村散养的畜禽,由于交通不便、收费少、收费难,而且按要求产地检疫必须到场、到户,工作很难开展。
对于平川乡村,交通四通八达,违法贩运户昼伏夜出,绕道前行,千方百计的逃检、逃费。
绝大部分群众防疫意识淡薄,对动物疫病的认识不到位,以至于对病死畜禽收购、加工视而不见,有的为图便宜,购买未经检疫的肉品,从而给违法活动创造了很大的经营空间。
二、执法体系逐步完善，但以监促检相对滞后
1995年以来，我国相继颁布实施了《中华人民共和国食品卫生法》、《中华人民共和国进出境动植物检疫法》、《中华人民共和国动物防疫法》和《生猪屠宰管理条例》，并于2008年对《中华人民共和国动物防疫法》的相关条例进行了修改和补充，2009年又对《生猪屠宰管理条例》进行了新修订，进一步健全了执法体系，为保证肉食品的安全提供了有力的法律保障。
在加强法制建设的基础上，同时加强执法人员培训和考核，提高执法人员素质，把“内强素质、外树形象”作为动物检疫执法体系建设的重点，建立了一支思想品德好、政策水平高、业务素质强的执法队伍。
随着动物检疫执法体系的不断完善，逃避检疫、贩卖病死动物等违法行为的不断被发现，作为打击和遏制违法行为的主要方式，监督环节越来越得到重视，以监促检的工作也日益凸显其滞后性。
首先，检疫后的监督工作缺位。
检疫后的畜禽长距离调运导致畜禽感染疫病情况严重。
畜禽在运输途中病死后，被随意丢弃或进入黑市交易，导致疫情传播。
由于餐馆、食堂、冻库及卤制品、腊制品店是相关部门监督管理中的一个相对较弱的一个环节，这些场地便成为病害动物产品的集中消化地。
其次，违法案件办理难。
在实际办案中，由于违法者交易的隐蔽性、染疫动物对人危害的潜在性和病害动物及其产品价格的不确定性，往往导致违法者得不到应有的法律制裁。
三、动物检疫的对策
(一)搞好兽医卫生管理，有效减少疾病的暴发
1.要搞好圈舍卫生，改善畜禽的生存环境。
要及时清除和处理粪便，更换垫草，清洁圈舍，定期消毒，保持畜体卫生。
2.做好消毒措施。
要有适宜的消毒设施，消毒剂的选择应根据消毒目的而定。
通常应选高效、低毒、价廉、无残留、使用方便、对人和家禽安全，并且在畜禽体内不产生有害物质的消毒剂。
3.要及时淘汰患病畜禽。
一旦畜禽发病，要及早淘汰病畜禽。
必要时可添加作用强、代谢快、毒副作用小、残留低的非人用药品和添加剂，或以生物学制剂作为治病的药品，控制畜禽疾病的发生发展。
发生传染病时要根据实际情况及时采取隔离、扑杀等措施，以防疫情扩散。
4.要做好疾病防治工作。
对畜禽疫病要坚持预防为主的原则，使用科学的免疫程序、用药程序、消毒程序、病畜禽处理程序，搞好消毒、驱虫等工作。
要做到有计划、有目的适时使用疫(菌)苗进行预防，及时搞好疫(菌)苗的免疫注射，搞好疫情监测。
防止畜禽发生疫病，避免动物发病用药，确保畜禽及产品健康安全。
(二)搞好产地检疫、运输检疫和屠宰检疫
产地检疫是整个检疫环节中的关键一环，是检疫工作的第一步。
一是动物产地检疫是一切检疫的基础和源头，开展面和到位率要达到100%;二是检疫人员必须到场、到户、到点检疫，不允许隔山开证;三是必须要分析防疫措施的落实情况，为检疫结果负责;四是猪、牛、羊必须有免疫耳标才能出证，否则要注射疫苗并补耳标后实施产地检疫。
《动物防疫法》第42条规定：经铁路、公路、水路、航空运输动物、动物产品的，托运人必须凭检疫证明方可托运，承运人必须凭检疫证明方可承运。
通过运输检疫，补检未经产地检疫的动物及动物产品，重检动物及动物产品再次验证产地检疫的正确与否，及时发现传染病类及未经检疫的畜禽及畜禽产品，禁止危险性传染病和寄生虫病传出，严防外地区的危险性传染病及寄生虫病传入。
屠宰检疫是检疫过程中最重要的一个环节，意义重大，它关系到每个消费者的健康，关系到“放心肉”工程，是一道不容忽视的必不可少的检疫手续。
一是要在屠宰现场检疫，不允许和市场的行政监督、补检、重检混为一谈;二是要按照“有宰必检”的要求进行，屠宰检疫到位;三是必须和屠宰过程同步检疫，严格对照编号;四是屠宰检疫权作为国家的一项重要执法权利，不委托，更不允许自宰自检，要严格执法。
结语
民以食为天，动物检疫工作是防止患病动物进入流通的关键，是促进动物疫病预防工作的有效手段，是保证动物产品质量、维护公共卫生安全的前提保障。
必须把动物检疫工作真正重视起来，保证人民群众的生命安全和身体健康。
参考文献:
[1]陈东来,柳枫.动物诊疗与动物检疫的关系[J].今日畜牧兽医.2006(06)
[2]张选民.动物检疫工作存在的问题及建议[J].畜牧兽医杂志.2011(03)
[3]刘红.辽宁省基层动物检疫工作的现状及思考[J].畜牧兽医科技信息.2010(04)
[4]陈立平,唐耀平.关于新宁县动物检疫工作的思考[J].中国畜禽种业.2008(16)
[5]曹莉琼.动物检疫中存在的困难及解决办法[J].中国畜禽种业.2010(05)
给你贴一个吧，不知道你能不能用：当前猪高热复合症的治疗方法及预防对策近几年，猪的高烧不退，即所谓的猪“高热复合症”发生较多，给养猪业带来严重的损失，以致许多猪场倒闭，许多农户不敢养猪。猪高热复合症是由多种病原体引起的一种以病猪持续高温、食欲废绝、皮肤发红为主要特征的复合性传染病，主要有猪附红细胞体病、猪伪狂犬病、非典型性猪瘟、蓝耳病、圆环病毒病、传染性胸膜肺炎等引起，多为混合感染或继发感染。该病自去年六月份发病以来，发病状况及发病原因与往年不同，出现了一些新特点，因而在诊断和治疗我们研究所总结了一些切实可行的治疗方法及预防对策，现介绍如下，供同行参考：1 主要临床症状病猪体温升高40OC－42OC，食欲减退或废绝，精神沉郁，淌眼屎，卧地不起，运动失调，呼吸急促，鼻流清涕，粪便干硬，小便发黄，全身皮肤发红，或腹部、耳尖发绀；或在耳根、腹部、四肢内侧等处出现紫红色血点；或眼圈青紫，肛门周围青紫。个别猪发病数天后皮肤黄染或苍白,少部分猪毛孔针尖状出血。有的猪腹泻，发抖、消瘦。四肢、眼睑周围水肿，体表淋巴结肿大。公猪不育，母猪不易受孕，怀孕猪易早产，死胎、木乃伊胎。2 剖检变化 从对病猪剖检情况来看，病猪的病变以肺部变化为主，肺脏有的苍白，有的有出血点、出血斑；有的肺脏水肿，呈斑驳状到褐色大理石样病变，有的实质变性，如海绵状，可在水中飘浮；有的似水煮状；更有很多病猪的肺脏多处部位肉变，特别是尖叶、心叶和膈叶的前缘，，部分病变肺叶支气管内充满脓性分泌物；气管内有较多的泡沫，部分气管环黏膜充血。心肌有出血点，心包积液，为淡黄色液体。肝脏有的灰白色；有的有坏死灶；有的有出血点，有的肿大变性呈黄棕色，表面有黄色条纹状或灰白色坏死灶。肾脏肿大、呈褐色或土黄色，质地较脆，有淤血现象；有的有大量针尖状出血点；有的表现典型的大理石样花纹；有的有坏死点、坏死斑。脾脏肿大、边缘有多处梗死灶。胃充血、出血；部分猪胃底粘膜出血、坏死、溃疡，回盲肠有大量溃疡灶。肠出血严重，特别是小肠和结肠多数有坏死灶。淋巴结广泛肿大，特别是腹股沟淋巴结和肺门淋巴结。部分病猪喉头粘膜水肿、出血，猪膀胱粘膜出血。个别患猪表现多发性浆液纤维素性胸膜炎和腹膜炎。3 实验室检查情况 猪瘟、猪流感和饲料霉菌毒素检测采用ELISA方法检测，猪繁殖与呼吸综合征病毒（PRRSV）、伪狂犬病毒（PRV）、猪圆环病毒（PCV-Ⅱ）用RT-PCR（聚合酶链式反应）方法检测，分离到的细菌用生化试验鉴定，弓形体、附红小体的检测分别用脾触片和血涂片进行检查。从实验室检查情况来看，通过对部分发病猪场进行的实验室检测结果发现，猪高热复合症今年的发病状况与往年（2001年-2005年）不同，2005年前在临床中主要以附红细胞体感染为主，少见附红细胞体与蓝耳病、伪狂犬、链球菌等病混合感染；而今年六月份以后，蓝耳病、伪狂犬、圆环病毒的发病率明显高于去年。病毒以猪繁殖与呼吸综合征病毒（PRRSV）、猪圆环病毒（PCV-II）、猪流感病毒（SIV）、伪狂犬病毒（PRV）猪瘟病毒（HC）、为主，细菌主要为猪胸膜肺炎放线杆菌（APP）、副猪嗜血杆菌病（HP）、猪链球菌属2型（SS-II）、多杀性巴氏杆菌（PM）等。
生物医学动物实验研究论文
1实验设计
在开展生物医学研究时，研究者通过正确地运用统计学知识，可直接影响研究的质量。统计学设计的任务在于对研究的部署、实施，直到研究结果的解释进行系统的安排，力争做到以最少的人力、物力获得可靠的结论和信息。其目的在于确定某种处理是否会表现出某种特定的效应。在实验设计时应遵循惟一差异原则，即在进行两组比较时，两者之间仅有因处理因素不同而引起的差异，而其他实验条件相关的非处理因素都应保持等同。然而，处理组与对照组在反应上表现出的差别并不一定意味着是处理的结果。另有两种引起差别的可能性，即偏倚和偶然性。偏倚是指系统性差别，它不是因组间在处理上的不同所引起。生物医学实验中统计学设计和分析的目标就是消除潜在的偏倚，减少偶然性[2]。
实验的偏倚和控制
偏倚是在研究中从设计到实验实施和结果分析的各环节存在一些人为的、有系统倾向的非随机误差，它不是由于抽样造成的，而是某种偏性使得实验结果偏离它的真值。从所选择的生物医学问题到研究方案的制订与实施、实验的完成过程、实验的分析与解释，乃至实验结果的发表，均可能存在各式各样的偏倚[2]。这种偏倚常常表现为系统误差。偏倚的大小取决于研究的方法和具体的实验条件。常见的偏倚主要有选择性偏倚、观察性偏倚和混杂性偏倚。必须认识实验过程的偏倚，从实验设计起直到整个研究过程结束均要加以控制。正确的实验设计可控制选择性的偏倚，事前人为控制和采取相应的措施可避免和减少观察性的偏倚。对于混杂性偏倚，可将重要的混杂因素在设计阶段进行分层随机设计，使混杂因素在组间分布均衡；在统计分析阶段将混杂因素作为分层因素或采用有协变量分析方法，以消除混杂因素的影响。只有有效地控制或消除偏倚，方可减少结果的假阳性或假阴性。
减少偶然性的潜在影响
偶然性因素的作用可以减少，但不能完全排除。因为即使是在精心实施的研究中，接受同样处理的动物，其反应也不可能完全一样。适当的统计分析可使实验人员评估出现假阳性的概率，即根本不存在处理效应的情况下观察到差异的概率。这种概率越小，实验者发现真实效应的可能性就越大。为了更有把握地检测出真实效应，有必要减少偶然性的作用，并通过实验设计确保能在“噪声”之上识别真正的“信号”。
实验设计的要素
要消除生物医学实验中潜在的偏倚，减少偶然性，就应对实验对象、处理因素和实验效应这三个实验设计要素，按照对照、重复、随机化和均衡四项原则进行周到的设计与控制[3]。实验对象实验中处理因素所作用的对象称为实验对象。不同性质的实验研究需要选取不同种类的实验对象，一个完整的实验设计中所需实验对象的总数称为样本含量。生物医学试验中考虑动物实验对象时应关注以下几个方面：①动物种属的选择：选择实验动物的种属与品系时，尤其需要注意其背景反应的水平。为了将反应“信号”水平最大化，常常意味着应避免选择那些背景反应水平极低的动物种属或品系，但如果采用过度反应的动物种属或品系也同样会出现问题。动物物种选择中的其他问题，无论是实际问题（寿命、体型、易得性、对动物学特征的了解情况）或是理论问题（生化、生理或解剖结构与人的相似性），都需要从专业的角度认真加以考虑和权衡。②动物的数量：虽然从统计设计角度考虑可得出某项实验所需的动物数（样本含量），但所得出的数值往往很大。因此，虽然样本含量估计是保证结论可靠性（精度和检验效能）的前提，但基于实验的可操作性及经济原则方面的考虑，应结合统计学的计算结果与以往的生物医学研究经验予以确定。③动物的体重与年龄：为确保实验对象的同质性，实验中所使用的动物体重与年龄应尽可能相近；动物体重的标准差不应超出平均值的10%；啮齿类等小动物年龄相差不应超出1周，大动物年龄相差不应超出1个月。④动物的分层：为了准确检测一种处理因素引起的差别，各处理组在可能影响实验结果的其他非处理因素方面应尽可能具有同质性。当存在动物亚系间的差别时，有两种方法可得到更为准确的结论。一是在结果分析阶段将亚系作为一个“分层变量”处理，包括对两个亚系的结果进行单独分析，然后将结果综合，得出处理效应的总结论；二是将亚系作为实验设计的“区组因素”，这种情况下可使对照组与处理组中每个亚系动物数量相等。除以上所讨论的“亚系”之外，其他的非处理因素，如性别、窝别、体重段等也可作为分层变量进行局部控制，并据此进行分层随机化分组。处理因素设计实验研究时，要明确研究中的处理因素和影响实验效应的非处理因素。研究者希望通过对研究设计进行有计划的安排，从而能科学地考察其效应大小的因素称为处理因素或实验因素；研究者往往忽略对评价实验因素作用大小有一定干扰的重要的非处理因素或非实验因素（如动物的窝别、体重等）；其他未加控制的许多因素的综合作用统称为实验误差。实验结果是处理因素和非处理因素共同作用而产生的实验效应，因此如何控制和排除非处理因素的干扰，正确显示处理的效应，是实验设计的基本任务。实验效应实验效应是处理因素作用于受试对象的反应和结果，是反映实验因素作用强弱的标志，它通过观察指标（统计学常将指标称为变量）来体现。如果指标选择不当，未能准确反映处理因素的作用，获得的研究结果就缺乏科学性，因此选择好观察指标是关系整个研究成败的重要环节。指标的观察应避免带有偏性或偏倚，要结合专业知识，尽可能多地选用客观性强的指标，在仪器和试剂允许的条件下，应尽可能多选用特异性强、灵敏度高、准确可靠的客观指标。对一些半客观（如尿液pH试纸读数值）或主观指标（行为测量、病理观察），一定要事先规定读取数值的严格标准，只有这样才能准确地分析实验结果，从而提高实验结果的可信度。
实验设计的原则
为了防止结果的偏倚，保证实验结果的准确性和最大化的表达，在进行生物医学实验设计时必须遵循统计学设计的对照、重复、随机化和均衡四个基本原则。生物医学实验中对照组的设置必须具备三个条件：①对等原则，即惟一差别原则，除处理因素外，对照组具备与实验组对等的非处理因素。在相互比较的各组间，除了给予的处理因素不同外，其他方面应与实验组具有一致性，如相同的实验单位来源（动物种属、体重等）和相同的实验条件、操作方式和喂养环境等。②同步原则，对照组与实验组设立之后，在整个研究进程中始终处于同一空间和同一时间。③专设原则，任何一个对照组都是为相应的实验组专门设立的。不得借用文献上的记载或以往结果或其他研究资料作为本研究之对照。
生物医学中常用的实验设计类型
如果需要在同一实验中同时评价几种不同的效应，实验者应该安排能区别各自效应差别的实验设计方法。生物医学中常用的实验设计有以下几项。完全随机设计完全随机设计是生物医学动物实验中最为常用的一种实验设计方法，它是一种单因素有k个水平（k≥2）组的实验设计。即实验设计可设置一个对照或多个剂量组的实验方案。本设计保证每个实验动物都有相同机会接受任何一种处理，而不受实验人员主观倾向的影响。本设计应用了重复和随机化两个原则，因此能使实验结果受非处理因素的影响基本一致，真实反映出实验的处理效应。随机区组设计随机化完全区组设计，简称随机区组设计，又称配伍组设计，是配对设计的扩展，它将几个条件相同的受试者划分在同一个区组或配伍组，然后再按随机的原则，将同一配伍组的受试者随机分配到各实验组。该设计方法的优点是每个区组内的k个实验单位有较好的同质性，比完全随机设计更容易察觉处理间的差别。这种方法须特别注意的是要求区组内实验单位数与处理数相同，实验结果中若有缺失值，统计分析将损失部分信息。拉丁方设计拉丁方设计从横行和直列两个方向进行双重局部控制，使得横行和直列两向皆成区组，是比随机区组设计多一个区组因素的设计。在拉丁方设计中，每一行或每一列都成为一个完全区组，而每一处理在每一行或每一列都只出现一次，也就是说，在拉丁方设计中，实验处理数=横行区组数=直列区组数=实验处理的重复数。析因设计析因实验设计又称全因子实验设计，属于多因素、多水平单效应的设计。它不仅可以检验每一因素各水平之间的效应差异，而且可以检验各因素之间的交互作用。交互作用是指一个因素不同水平间的效应差受另一因素的影响，包括协同交互作用和拮抗交互作用。析因实验主要用于分析交互作用，当因素及水平数过多时，所需的实验对象数、处理组数和实验次数大幅度增加，故一般采用较简单的析因实验。含有较多因素和水平的实验一般采用正交实验设计[5]。
2生物医学动物实验的描述统计学
生物医学实验资料的类型
生物医学实验对实验对象（动物）进行干预后测定的观测指标通常有以下类型：①连续性数据：测定结果表现为有数字大小和单位的数据，统计上称定量资料，如生理、生化指标，体重值，器官重量等。②分类数据：测定结果表现为按某属性划分的定性类别，统计上称为定性资料，具体又可以分为二值资料、多值名义资料和多值有序资料。如某反应为出现或不出现，死亡或未死亡，有畸形或无畸形；病理损害的严重程度（无、轻度、中度、重度）等。
统计描述指标
描述性统计学（或归纳统计学）是对样本观察/测量数据频率分布的定量研究，描述性统计的目的在于：①对测量值或观察值进行归纳浓缩，用统计量、统计图或统计表的形式表现；②估计总体分布的参数。资料的整理与探索对于某一测量指标，一般应从文献资料中了解其分布类型。如果没有判断概率分布的理论基础，应重复以大样本测定，绘制样本的频数分布图（理论上样本量要大于100），并经统计学检验拟合其分布。数据的描述统计量①连续性数据的频数分布：通过对样本资料编制频数分布表或做茎叶图，以确定资料分布的类型、频数分布的集中趋势和离散趋势、估计总体参数，也便于发现离群值。②中心位置的描述统计量：描述数据分布的集中趋势，常用指标为算术均数、中位数、众数、几何均数等。③离散程度的描述统计量：描述数据分布的离散趋势，常用指标为标准差和方差、极差和四分位数间距、变异系数和离散系数等。④统计学图表：统计图包括连续性数据分布的直方图、茎叶图，表示数据中心位置和离散程度的点杆图（做图时表示均数和标准差）和盒须图（做图时表示中位数、极差、四分位数间距），描述构成比数据资料的百分条图、饼图，描述经时变化趋势的线图，以及预测和检验分布类型的概率-概率图（P-P图）等[6]。统计表具有简单、明了、易于理解、便于比较的优点。编制统计表时原则上应当重点突出、层次分明、避免层次过多或结构混乱。一般的统计表应为三线表，表中只有横线，无竖线和斜线。统计表的标目应层次清楚，不宜过于复杂。
3生物医学动物实验的假设检验
生物医学动物实验中最常见的情况是给予不同受试物后进行组间比较，通过统计学中的假设检验，说明受试物的作用。假设检验时应注意以下问题。
检验方法的选用依据
资料的类型和变量的数目不同类型的资料（定量、定性）的组间比较应采用不同的统计检验方法。单变量、多变量的`统计检验方法也各不相同。实验设计类型应该根据实验设计的具体类型选择对应的统计检验方法，以便得到处理组效应的真实结论。检验方法的前提条件选用假设检验方法前，应了解所分析的数据资料是否满足相应检验方法的前提条件，如t检验和方差分析等参数检验方法要求数据满足正态性和方差齐性，2检验要求样本含量大于40且理论频数大于5。
正态性检验及拟合优度检验
统计学假设检验须判定样本的频数分布是否符合某一理论分布，如符合要求就可按此理论分布来进行统计学处理。对正态分布可采用正态性检验，其他分布可用拟合优度检验。通常可通过查阅文献，了解实验参数符合何种理论分布。
方差齐性检验
连续性数据未达到参数法统计分析前提的第二种原因即为方差不齐。一般而言，数值愈大，其固有的变异性也愈大。例如，若某组动物的平均反应值为100，其数值范围可能为80~120；而另一组动物的平均反应值为300，其数值范围可能会扩大至240~360。解决方差不齐的措施是进行数据转换。若数据的标准差与平均值成正比，在统计分析前宜将数据转换为对数值之后再进行分析，据此，不仅数据的变异度与平均值大小无关，同时还可确保其更符合正态分布。若数据变异度增加幅度与平均值的关系不太明显，采用平方根转换则更易使数据的变异度与平均值大小无关。某些数据经对数或平方根转换后可能仍存在方差不齐，此时宜采用非参数检验。
单侧检验与双侧检验
检验假设选择单侧检验或双侧检验，应事先根据专业知识做出选择。一般而言，若研究目的仅须了解是否存在组间差异、实验者无法预测组间变化的方向以及实验者希望获得正负两方面的结果时，应采用双侧检验。若事先可预测组间差异的变化方向，实验者仅对某一方面的重要性感兴趣，实验者仅希望了解与对照组差异或正或负一个方向，则应采用单侧检验。此外，剂量设计预试验中应采用双侧检验，正式试验在了解相关信息后可采用单侧检验。
多重比较及多重性问题
生物医学实验经常在处理组和对照组之间做多个变量的比较。即使不存在真正的实验效应，也有可能纯粹由于偶然性而有一个或多个变量在5%检验水平出现显著性差别。除了上述均数多重比较导致Ⅰ类错误概率增加的多重性问题之外，其他的多重性问题还包括多次的中期分析、关注多个结局、亚组间的多重比较。处理多重性问题的原则包括：①预先计划进行多重比较；②限制比较的次数；③多重比较时采用更严格的界值标准；④多重比较具有生物学方面的依据。
观察值或实验对象的独立性
许多统计检验方法要求比较的观察值或实验对象相互独立，如二项分布的率检验、t检验和方差分析等。但是，有的生物医学实验中观察单位并不独立。例如，生殖和发育研究中就存在窝效应：由于遗传因素、宫内的发育环境和药物的代谢环境相似，与异窝胎仔相比，同窝胎仔之间对毒性效应的反应概率趋于系统，即同窝内数据为聚集性数据，这就是一种常见的非独立数据。在统计学分析时，忽略数据的窝内相关性具有潜在的风险；因同窝母鼠所产k个胎仔的观察值存在共性，其所提供的信息不及k个独立的来自不同母鼠所产胎仔所提供的信息；窝内相关性愈大，其信息量愈少。聚集性数据的均数标准误小于独立的数据，因此，若基于观察值独立的统计分析方法，就会增加犯Ⅰ类错误的概率，即假阳性的风险增加，降低实验的有效性。
历史对照数据的应用
某些情况下，尤其是在发生率较低的情况下，单项研究可能提示处理可影响肿瘤发生率，但无法得出明确的结论。可能想到的分析办法之一是将处理组的数据与来自其他研究的对照组动物相比较。虽然历史对照数据具有重要意义，但值得强调的是，众多原因可导致不同研究之间的变异度大于研究之内的变异度。动物来源、饲料及饲养条件，研究期限，研究中的动物死亡率、读片的病理学家等均可能影响最终的肿瘤发生率。故此，忽视这些差异，将处理组的肿瘤发生率与合并的对照组发生率相比较，可能得出严重错误的结果，并进而明显夸大统计显著性水平。Tarone[4]曾对历史对照组的比率数据分析进行过综述。
假设检验的局限性
首先，假设检验中的P值并未提供有关处理诱发效应大小的直接信息。某一受试物可诱发一定量的、反应的增加，但增加的幅度是否具有统计显著性则取决于研究的规模和数据的变异性。在规模较小的研究中，有可能错失较大、重要的效应，尤其是在检测终点测量精度不高的情况下。相反，在规模较大的研究中，较小、非重要的效应则具有统计显著性。例如，D药与C药相比，降血压效应相差近30mmHg，但因为例数仅10例，假设检验未发现显著性差异（P=）；相反，B药与A药相比，降血压效应仅相差，但因为例数达500例，假设检验却发现存在显著性差异（P<）。由此可见，统计学显著性与效应大小无直接相关性。因此，愈来愈多的统计学家主张以处理组与对照组差异值的95%置信区间表述处理的效应。据此，若处理反应的增加值为10个单位（95%置信区间3~17单位），则该区间包含真实差异的几率为95%。若置信区间的下限大于零，则双侧检验的P值小于。其次，假设检验无法消除实验设计或实施不当所带来的影响。虽然前述的分层分析等有助于发现真实的差异，但若实验设计存在偏倚，或实验实施过程中存在偏差或失误，假设检验方法一般也于事无补。因此，在生物医学实验过程中应注重对实验设计或实施过程进行严格的质量控制和质量保证措施，强化GLP规范意识。其三，对统计学分析本身的质量控制和质量保证也是确保研究质量的重要环节。所用统计分析软件包应经过充分的认证，以确保分析结果的准确、可靠性。数据的录入、核对和分析结果的报告与归档，均应制订并严格执行相关的标准操作规程。综上所述，在动物实验研究的多个环节，统计学中的相关理论和方法都能够发挥重要作用。统计学不仅可以保证结果的科学性和可靠性，在很多情况下也可以极大地提高研究效率，节约研究成本。在这里还必须强调，除了实验后期的数据分析以外，在实验方案的制定阶段也需要统计学人员的早期介入，这样有助于避免实验设计出现大的偏差和漏洞，有利于研究目标的顺利实现。
能不能给我发一份呢？
论文名称：Rich feature hierarchies for accurate object detection and semantic segmentation 提出时间：2014年 论文地址： 针对问题： 从Alexnet提出后，作者等人思考如何利用卷积网络来完成检测任务，即输入一张图，实现图上目标的定位（目标在哪）和分类（目标是什么）两个目标，并最终完成了RCNN网络模型。 创新点： RCNN提出时，检测网络的执行思路还是脱胎于分类网络。也就是深度学习部分仅完成输入图像块的分类工作。那么对检测任务来说如何完成目标的定位呢，作者采用的是Selective Search候选区域提取算法，来获得当前输入图上可能包含目标的不同图像块，再将图像块裁剪到固定的尺寸输入CNN网络来进行当前图像块类别的判断。 参考博客： 。 论文题目：OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks 提出时间：2014年 论文地址： 针对问题： 该论文讨论了，CNN提取到的特征能够同时用于定位和分类两个任务。也就是在CNN提取到特征以后，在网络后端组织两组卷积或全连接层，一组用于实现定位，输出当前图像上目标的最小外接矩形框坐标，一组用于分类，输出当前图像上目标的类别信息。也是以此为起点，检测网络出现基础主干网络(backbone)+分类头或回归头（定位头）的网络设计模式雏形。 创新点： 在这篇论文中还有两个比较有意思的点，一是作者认为全连接层其实质实现的操作和1x1的卷积是类似的，而且用1x1的卷积核还可以避免FC对输入特征尺寸的限制，那用1x1卷积来替换FC层，是否可行呢？作者在测试时通过将全连接层替换为1x1卷积核证明是可行的；二是提出了offset max-pooling，也就是对池化层输入特征不能整除的情况，通过进行滑动池化并将不同的池化层传递给后续网络层来提高效果。另外作者在论文里提到他的用法是先基于主干网络+分类头训练，然后切换分类头为回归头，再训练回归头的参数，最终完成整个网络的训练。图像的输入作者采用的是直接在输入图上利用卷积核划窗。然后在指定的每个网络层上回归目标的尺度和空间位置。 参考博客： 论文题目：Scalable Object Detection using Deep Neural Networks 提出时间：2014年 论文地址： 针对问题： 既然CNN网络提取的特征可以直接用于检测任务（定位+分类），作者就尝试将目标框（可能包含目标的最小外包矩形框）提取任务放到CNN中进行。也就是直接通过网络完成输入图像上目标的定位工作。 创新点： 本文作者通过将物体检测问题定义为输出多个bounding box的回归问题. 同时每个bounding box会输出关于是否包含目标物体的置信度, 使得模型更加紧凑和高效。先通过聚类获得图像中可能有目标的位置聚类中心，（800个anchor box）然后学习预测不考虑目标类别的二分类网络，背景or前景。用到了多尺度下的检测。 参考博客： 论文题目：DeepBox: Learning Objectness with Convolutional Networks 提出时间：2015年ICCV 论文地址： 主要针对的问题： 本文完成的工作与第三篇类似，都是对目标框提取算法的优化方案，区别是本文首先采用自底而上的方案来提取图像上的疑似目标框，然后再利用CNN网络提取特征对目标框进行是否为前景区域的排序；而第三篇为直接利用CNN网络来回归图像上可能的目标位置。创新点： 本文作者想通过CNN学习输入图像的特征，从而实现对输入网络目标框是否为真实目标的情况进行计算，量化每个输入框的包含目标的可能性值。 参考博客： 论文题目：AttentionNet: AggregatingWeak Directions for Accurate Object Detection 提出时间：2015年ICCV 论文地址： 主要针对的问题： 对检测网络的实现方案进行思考，之前的执行策略是，先确定输入图像中可能包含目标位置的矩形框，再对每个矩形框进行分类和回归从而确定目标的准确位置，参考RCNN。那么能否直接利用回归的思路从图像的四个角点，逐渐得到目标的最小外接矩形框和类别呢？ 创新点： 通过从图像的四个角点，逐步迭代的方式，每次计算一个缩小的方向，并缩小指定的距离来使得逐渐逼近目标。作者还提出了针对多目标情况的处理方式。 参考博客： 论文题目：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 提出时间：2014年 论文地址： 针对问题： 如RCNN会将输入的目标图像块处理到同一尺寸再输入进CNN网络，在处理过程中就造成了图像块信息的损失。在实际的场景中，输入网络的目标尺寸很难统一，而网络最后的全连接层又要求输入的特征信息为统一维度的向量。作者就尝试进行不同尺寸CNN网络提取到的特征维度进行统一。创新点： 作者提出的SPPnet中，通过使用特征金字塔池化来使得最后的卷积层输出结果可以统一到全连接层需要的尺寸，在训练的时候，池化的操作还是通过滑动窗口完成的，池化的核宽高及步长通过当前层的特征图的宽高计算得到。原论文中的特征金字塔池化操作图示如下。 参考博客 ： 论文题目：Object detection via a multi-region & semantic segmentation-aware CNN model 提出时间：2015年 论文地址： 针对问题： 既然第三篇论文multibox算法提出了可以用CNN来实现输入图像中待检测目标的定位，本文作者就尝试增加一些训练时的方法技巧来提高CNN网络最终的定位精度。创新点： 作者通过对输入网络的region进行一定的处理（通过数据增强，使得网络利用目标周围的上下文信息得到更精准的目标框）来增加网络对目标回归框的精度。具体的处理方式包括：扩大输入目标的标签包围框、取输入目标的标签中包围框的一部分等并对不同区域分别回归位置，使得网络对目标的边界更加敏感。这种操作丰富了输入目标的多样性，从而提高了回归框的精度。 参考博客 ： 论文题目：Fast-RCNN 提出时间：2015年 论文地址： 针对问题： RCNN中的CNN每输入一个图像块就要执行一次前向计算，这显然是非常耗时的，那么如何优化这部分呢？ 创新点： 作者参考了SPPNet（第六篇论文），在网络中实现了ROIpooling来使得输入的图像块不用裁剪到统一尺寸，从而避免了输入的信息丢失。其次是将整张图输入网络得到特征图，再将原图上用Selective Search算法得到的目标框映射到特征图上，避免了特征的重复提取。 参考博客 ： 论文题目：DeepProposal: Hunting Objects by Cascading Deep Convolutional Layers 提出时间：2015年 论文地址： 主要针对的问题： 本文的作者观察到CNN可以提取到很棒的对输入图像进行表征的论文，作者尝试通过实验来对CNN网络不同层所产生的特征的作用和情况进行讨论和解析。 创新点： 作者在不同的激活层上以滑动窗口的方式生成了假设，并表明最终的卷积层可以以较高的查全率找到感兴趣的对象，但是由于特征图的粗糙性，定位性很差。相反，网络的第一层可以更好地定位感兴趣的对象，但召回率降低。 论文题目：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 提出时间：2015年NIPS 论文地址： 主要针对的问题： 由multibox（第三篇）和DeepBox（第四篇）等论文，我们知道，用CNN可以生成目标待检测框，并判定当前框为目标的概率，那能否将该模型整合到目标检测的模型中，从而实现真正输入端为图像，输出为最终检测结果的，全部依赖CNN完成的检测系统呢？ 创新点： 将当前输入图目标框提取整合到了检测网络中，依赖一个小的目标框提取网络RPN来替代Selective Search算法，从而实现真正的端到端检测算法。 参考博客 ：
information purposes信息目的；信息用途The interpretive geotechnical report is enclosed within the special conditions of contract for information purposes only.解释性土工技术报告附于合同特别条款之后，仅供参考之用。
information purposes 信息目的
运动目标的检测的其主要目的是 获取目标对象的运动参数（位置、速度、加速度等）及运动轨迹 ，通过进一步分析处理，实现对目标行为更高层级上的理解。 运动目标检测技术目的是 从序列图像中将变化区域从背景图像中提取出来 ，常用于视频监视、图像压缩、三维重构、异常检测等。
运动目标检测主流方法有帧差法、背景差法、光流法等。光流法源于 仿生学 思想，更贴近于直觉，大量昆虫的视觉机理便是基于光流法。 二十世纪五十年代心理学家Gibson在他的著作“The Perception of Visual World”中首次提出了以心理学实验为基础的光流法基本概念，而直到八十年代才由Horn、Kanade、Lucash和Schunck创造性地将灰度与二维速度场相联系，引入光流约束方程的算法，对光流计算做了奠基性的工作。
光流（optical flow）：由于目标对象或者摄像机的移动造成的图像对象在连续两帧图像中的移动。
通俗说，对于一个图片序列，把每张图像每个像素在连续帧之间的运动速度和方向（ 某像素点在连续两帧上的位移矢量 ）找出来就是光流场。
第t帧的时A点的位置是(x1, y1)，第t+1帧时A点位置是(x2,y2)，则像素点A的位移矢量：(ux, vy) = (x2, y2) - (x1,y1)
如何知道第t+1帧的时候A点的位置涉及到不同的光流计算方法，主要有四种：基于梯度的方法、基于匹配的方法、基于能量的方法、基于相位的方法。
光流法依赖于三个假设：
根据所形成的光流场中 二维矢量的疏密程度 ，光流法可分为稠密光流与稀疏光流。
稀疏光流只对有 明显特征的组点 （如角点）进行跟踪，计算开销小。
（1）calcOpticalFlowPyrLK 基于金字塔LK光流算法，计算某些点集的稀疏光流。 参考论文《Pyramidal Implementation of the Lucas Kanade Feature TrackerDescription of the algorithm》 （2）calcOpticalFlowFarneback 基于Gunnar Farneback 的算法计算稠密光流。 参考论文《Two-Frame Motion Estimation Based on PolynomialExpansion》 （3）CalcOpticalFlowBM 通过块匹配的方法来计算光流 （4）CalcOpticalFlowHS 基于Horn-Schunck 的算法计算稠密光流。 参考论文《Determining Optical Flow》 （5）calcOpticalFlowSF 论文《SimpleFlow: A Non-iterative, Sublinear Optical FlowAlgo》的实现
你的问题问的太宽泛了，我就是搞建模的，都不到从何开始回答你，想要进一步讨论的话可以hi我。论文七大部分肯定是必不可少的:问题重述，模型假设，问题分析，模型建立，模型求解，结果分析及检验，(包括灵敏度分析，如果需要的话)模型推广，当然还得有目录和摘要以及参考文献了
重点：数模论文的格式及要求 难点：团结协作的充分体现 一、 写好数模论文的重要性 1. 数模论文是评定参与者的成绩好坏、高低、获奖级别的惟一依据. 2. 数模论文是培训(或竞赛)活动的最终成绩的书面形式。 3. 写好论文的训练，是科技论文写作的一种基本训练。 二、数模论文的基本内容 1，评阅原则： 假设的合理性； 建模的创造性； 结果的合理性； 表述的清晰程度 2，数模论文的结构 0、摘要 1、问题的提出：综述问题的内容及意义 2、模型的假设：写出问题的合理假设，符号的说明 3、模型的建立：详细叙述模型、变量、参数代表的意义和满足的条件，进行问题分析，公式推导，建立基本模型，深化模型，最终或简化模型等 4、模型的求解：求解及算法的主要步骤，使用的数学软件等 5、模型检验：结果表示、分析与检验，误差分析等 6、模型评价：本模型的特点，优缺点，改进方法 7、参考文献：限公开发表文献，指明出处 8、 附录：计算框图、计算程序，详细图表 三、需要重视的问题 0．摘要 表述：准确、简明、条理清晰、合乎语法。 字数300-500字，包括模型的主要特点、建模方法和主要结果。可以有公式，不能有图表 简单地说，摘要应体现：用了什么方法，解决了什么问题，得到了那些主要结论。还可作那些推广。 1、 建模准备及问题重述： 了解问题实际背景，明确建模目的，搜集文献、数据等，确定模型类型，作好问题重述。 在此过程中，要充分利用电子图书资源及纸质图书资源，查找相关背景知识，了解本问题的研究现状，所用到的基本解决方法等。 2、模型假设、符号说明 基本假设的合理性很重要 （1）根据题目条件作假设； （2）根据题目要求作假设； （3）基本的、关键性假设不能缺； （4）符号使用要简洁、通用。 3、模型的建立 （1）基本模型 1) 首先要有数学模型：数学公式、方案等 2) 基本模型：要求完整、正确、简明，粗糙一点没有关系 （2）深化模型 1）要明确说明：深化的思想，依据，如弥补了基本模型的不足…… 2）深化后的模型，尽可能完整给出 3）模型要实用，有效，以解决问题有效为原则。数学建模面临的、是要解决实际问题，不追求数学上的高（级）、深（刻）、难（度）。 ▲能用初等方法解决的、就不用高级方法； ▲能用简单方法解决的，就不用复杂方法； ▲能用被更多人看懂、理解的方法，就不用只有少数人看懂、理解的方法。 4）鼓励创新，但要切实，不要离题搞标新立异,数模创新可出现在 ▲建模中：模型本身，简化的好方法、好策略等； ▲模型求解中； ▲结果表示、分析，模型检验； ▲推广部分。 5）在问题分析推导过程中，需要注意的： ▲分析要：中肯、确切； ▲术语要：专业、内行； ▲原理、依据要：正确、明确； ▲表述要：简明，关键步骤要列出； ▲忌：外行话，专业术语不明确，表述混乱、繁琐，冗长。 4、模型求解 （1）需要建立数学命题时：命题叙述要符合数学命题的表述规范，论证要尽可能严密； （2）需要说明计算方法或算法的原理、思想、依据、步骤。若采用现有软件，要说明采用此软件的理由，软件名称； （3）计算过程，中间结果可要可不要的，不要列出。 （4）设法算出合理的数值结果。 5、模型检验、结果分析 （1） 最终数值结果的正确性或合理性是第一位的 ； （2）对数值结果或模拟结果进行必要的检验。 当结果不正确、不合理、或误差大时，要分析原因，对算法、计算方法、或模型进行修正、改进； （3）题目中要求回答的问题，数值结果，结论等，须一一列出； （4）列数据是要考虑：是否需要列出多组数据，或额外数据；对数据进行比较、分析，为各种方案的提出提供可依赖的依据； （5）结果表示：要集中，一目了然，直观，便于比较分析。（最好不要跨页） ▲数值结果表示：精心设计表格；可能的话，用图形图表形式。 ▲求解方案，用图示更好 （6） 必要时对问题解答，作定性或规律性的讨论。 最后结论要明确。 6．模型评价 优点要突出，缺点不回避。若要改变原题要求，重新建模则可在此进行。推广或改进方向时，不要玩弄新数学术语。 7、参考文献 限于公开发表的文章、文献资料或网页 规范格式： [1] 陈理荣，数学建模导论（M），北京：北京邮电大学出版社，1999. [2] 楚扬杰，快速聚类分析在产品市场区分中的应用（J）,武汉理工大学学报，2004，23(2)，20－23. 8、附录 详细的数据、表格、图形，计算程序均应在此列出。但不要错，错的宁可不列。主要结果数据，应在正文中列出。 9、关于写答卷前的思考和工作规划 答卷需要回答哪几个问题――建模需要解决哪几个问题 问题以怎样的方式回答――结果以怎样的形式表示 每个问题要列出哪些关键数据――建模要计算哪些关键数据 每个量，列出一组还是多组数――要计算一组还是多组数…… 10、答卷要求的原理 ▲ 准确――科学性 ▲ 条理――逻辑性 ▲ 简洁――数学美 ▲ 创新――研究、应用目标之一，人才培养需要 ▲ 实用――建模。实际问题要求。 四、建模理念 1. 应用意识：要让你的数学模型能解决或说明实际问题，其结果、结论要符合实际；模型、方法、结果要易于理解，便于实际应用；站在应用者的立场上想问题，处理问题。 2. 数学建模：用数学方法解决问题，要有数学模型；问题模型的数学抽象，方法有普适性、科学性，不局限于本具体问题的解决。相同问题上要能够推广。 3. 创新意识：建模有特点，要合理、科学、有效、符合实际；要有普遍应用意义；不单纯为创新而创新 五、格式要求 参赛论文写作格式 论文题目（三号黑体，居中） 一级标题（四号黑体，居中） 论文中其他汉字一律采用小四号宋体，单倍行距。论文纸用白色A4，上下左右各留出厘米的页边距。 首页为论文题目和作者的专业、班级、姓名、学号，第二页为论文题目和摘要，论文从第三页开始编写页码，页码必须位于每页页脚中部，用阿拉伯数字“1”开始连续编号。 第四页开始论文正文 正文应包括以下八个部分： 问题提出： 叙述问题内容及意义； 基本假设： 写出问题的合理假设； 建立模型： 详细叙述模型、变量、参数代表的意义和满足的条件及建模的思想； 模型求解： 求解、算法的主要步骤； 结果分析与检验：（含误差分析）； 模型评价： 优缺点及改进意见； 参考文献： 限公开发表文献，指明出处； 参考文献在正文引用处用方括号标示参考文献的编号，如[1][3]等。参考文献按正文中的引用次序列出，其中 书籍的表述方式为： [编号] 作者，书名，出版地：出版社，出版年 参考文献中期刊杂志论文的表述方式为： [编号] 作者，论文名，杂志名，卷期号：出版年 参考文献中网上资源的表述方式为： [编号] 作者，资源标题，网址，访问时间（年月日） 附录：计算框图，原程序及打印结果。 六、分工协作取佳绩 最好三人一组，这三人中尽量做到一人数学基础较好，一人应用数学软件和编程的能力较强，一人科技论文写作水平较好。科技论文的写作要求整篇论文的结构严谨，语言要有逻辑性，用词要准确。 三人之间要能够配合得起来。若三人之间配合不好，会降低效率，导致整个建模的失败。 在合作的过程中，最好是能够找出一个组长，即要能够总揽全局，包括任务的分配，相互间的合作和进度的安排。 在建模过程中出现意见不统一时，要尊重为先，理解为重，做到 “给我一个相信你的理由”和“相信我，我的理由是……”，不要作无谓的争论。要善于斗争，勇于妥协。 还要注意以下几点： 注意存盘，以防意外 写作与建模工作同步 注意保密，以防抄袭 数学建模成功的条件和模型: 有兴趣，肯钻研；有信心，勇挑战；有决心，不怕难；有知识，思路宽；有能力，能开拓；有水平，善协作；有办法，点子多；有毅力，轻结果。
数学建模论文写作一、写好数模答卷的重要性1. 评定参赛队的成绩好坏、高低，获奖级别，数模答卷，是唯一依据。2. 答卷是竞赛活动的成绩结晶的书面形式。3. 写好答卷的训练，是科技写作的一种基本训练。二、答卷的基本内容，需要重视的问题1．评阅原则假设的合理性，建模的创造性，结果的合理性，表述的清晰程度。2．答卷的文章结构题目（写出较确切的题目；同时要有新意、醒目）摘要（200-300字，包括模型的主要特点、建模方法和主要结论）关键词（求解问题、使用的方法中的重要术语）1）问题重述。2）问题分析。3）模型假设。4）符号说明。5）模型的建立（问题分析，公式推导，基本模型，最终或简化模型等）。6）模型求解（计算方法设计或选择；算法设计或选择，算法思想依据，步骤及实现，计算框图；所采用的软件名称；引用或建立必要的数学命题和定理；求解方案及流程。）7）进一步讨论（结果表示、分析与检验，误差分析，模型检验）8）模型评价（特点，优缺点，改进方法，推广。）9）参考文献。10）附录（计算程序，框图；各种求解演算过程，计算中间结果；各种图形，表格。）3. 要重视的问题1）摘要。包括：a. 模型的数学归类（在数学上属于什么类型）；b. 建模的思想（思路）；c. 算法思想（求解思路）；d. 建模特点（模型优点，建模思想或方法，算法特点，结果检验，灵敏度分析，模型检验……）；e. 主要结果（数值结果，结论；回答题目所问的全部“问题”）。▲ 注意表述：准确、简明、条理清晰、合乎语法、要求符合文章格式。务必认真校对。2）问题重述。3）问题分析。因素之间的关系、因素与环境之间的关系、因素自身的变化规律、确定研究的方法或模型的类型。5）模型假设。根据全国组委会确定的评阅原则，基本假设的合理性很重要。a. 根据题目中条件作出假设b. 根据题目中要求作出假设关键性假设不能缺；假设要切合题意。6） 模型的建立。a. 基本模型：ⅰ）首先要有数学模型：数学公式、方案等；ⅱ）基本模型，要求完整，正确，简明；b. 简化模型：ⅰ）要明确说明简化思想，依据等；ⅱ）简化后模型，尽可能完整给出；c. 模型要实用，有效，以解决问题有效为原则。数学建模面临的、要解决的是实际问题，不追求数学上的高（级）、深（刻）、难（度大）。ⅰ）能用初等方法解决的、就不用高级方法；ⅱ）能用简单方法解决的，就不用复杂方法；ⅲ）能用被更多人看懂、理解的方法，就不用只能少数人看懂、理解的方法。d．鼓励创新，但要切实，不要离题搞标新立异。数模创新可出现在：▲ 建模中，模型本身，简化的好方法、好策略等；▲ 模型求解中；▲ 结果表示、分析、检验，模型检验；▲ 推广部分。e．在问题分析推导过程中，需要注意的问题：ⅰ）分析：中肯、确切；ⅱ）术语：专业、内行；ⅲ）原理、依据：正确、明确；ⅳ）表述：简明，关键步骤要列出；ⅴ）忌：外行话，专业术语不明确，表述混乱，冗长。7）模型求解。a. 需要建立数学命题时：命题叙述要符合数学命题的表述规范，尽可能论证严密。b. 需要说明计算方法或算法的原理、思想、依据、步骤。若采用现有软件，说明采用此软件的理由，软件名称。c. 计算过程，中间结果可要可不要的，不要列出。d. 设法算出合理的数值结果。8） 结果分析、检验；模型检验及模型修正；结果表示。a. 最终数值结果的正确性或合理性是第一位的；b. 对数值结果或模拟结果进行必要的检验；结果不正确、不合理、或误差大时，分析原因， 对算法、计算方法、或模型进行修正、改进。c. 题目中要求回答的问题，数值结果，结论，须一一列出；d. 列数据问题：考虑是否需要列出多组数据，或额外数据对数据进行比较、分析，为各种方案的提出提供依据；e. 结果表示：要集中，一目了然，直观，便于比较分析。▲ 数值结果表示：精心设计表格；可能的话，用图形图表形式。▲ 求解方案，用图示更好。9）必要时对问题解答，作定性或规律性的讨论。最后结论要明确。10）模型评价优点突出，缺点不回避。改变原题要求，重新建模可在此做。推广或改进方向时，不要玩弄新数学术语。11）参考文献12）附录详细的结果，详细的数据表格，可在此列出，但不要错，错的宁可不列。主要结果数据，应在正文中列出，不怕重复。检查答卷的主要三点，把三关：a. 模型的正确性、合理性、创新性b. 结果的正确性、合理性c. 文字表述清晰，分析精辟，摘要精彩三、关于写答卷前的思考和工作规划答卷需要回答哪几个问题――建模需要解决哪几个问题；问题以怎样的方式回答――结果以怎样的形式表示；每个问题要列出哪些关键数据――建模要计算哪些关键数据；每个量，列出一组还是多组数――要计算一组还是多组数。四、答卷要求的原理1. 准确――科学性；2. 条理――逻辑性；3. 简洁――数学美；4. 创新――研究、应用目标之一，人才培养需要；5. 实用――建模、实际问题要求。五、建模理念1. 应用意识要解决实际问题，结果、结论要符合实际；模型、方法、结果要易于理解，便于实际应用；站在应用者的立场上想问题，处理问题。2. 数学建模用数学方法解决问题，要有数学模型；问题模型的数学抽象，方法有普适性、科学性，不局限于本具体问题的解决。3. 创新意识建模有特点，更加合理、科学、有效、符合实际；更有普遍应用意义；不单纯为创新而创新。
一、图片输入层面 基于以上结论，采用多尺度训练过程中，要在避免那些极小的和极大的（多尺度后）带来的不好的影响时，考虑保证目标有足够的多样性。所以在进行多尺度训练过程中，将每种输入尺度下，不满足要求的proposal以及anchor忽略。论文中使用了三种尺度如图所示，比一般的多尺度训练的尺度跨度要大。 二、 Neck部分（采用金字塔结构改进方案的） 一般意义的FPN网络结构是最右边似的结构，而本文中采用的结构则是 该方法首先无疑是增加了计算量，优点就是最终输出的每一层的特征不是一个线性的变换（应该想表述的说不是从一层特征直接到另一层特征），而是使用共享的多层特征。最终相比RetinaNet提升一个点左右吧，效果一般。VisDrone2020检测的冠军团队采用了这个结构 该文章利用多个TUM模块试图更充分构建的特征金字塔的网络结构，靠前的TUM提供浅层特征，中间的TUM提供中间层特征，靠后的TUM提供深层特征，通过这种方式能够多次将深层浅层特征融合，参数量多了。和RetinaNet对比可以看到，512输入，都不采用multi-scale推理，mAP由33提升到，小目标精度也提升了一点；以参数量和计算量堆砌的精度提升，不是好方法。 文章认为不同层的重要程度应该和目标的绝对尺度分布有关系，所以在FPN自上而下融合的时候，加入了一个尺度因子用来平衡金字塔不同层的重要性。个人感觉意义不大，实际提升也不明显。 三、 Head部分的改进方案 在VisDrones上的冠军方案和若干其他方案都采用了这种“双头部”的方案。soft-NMS似乎可以提升几个点。 四、 小目标目前检测不好，主要原因不是小，应该是小且和背景接近，对比度不高。所以可以借鉴伪装物体检测的思路；
姓名：刘帆；学号：20021210609；学院：电子工程学院 【嵌牛导读】目标跟踪算法研究难点与挑战在于实际复杂的应用环境 、背景相似干扰、光照条件的变化、遮挡等外界因素以及目标姿态变化，外观变形，尺度变化、平面外旋转、平面内旋转、出视野、快速运动和运动模糊等。而且当目标跟踪算法投入实际应用时，不可避免的一个问题——实时性问题也是非常的重要。正是有了这些问题，才使得算法研究充满着难点和挑战。 【嵌牛鼻子】目标跟踪算法，传统算法 【嵌牛提问】利用目标跟踪检测算法要达到何目的?第一阶段的单目标追踪算法包括什么?具体步骤有哪些?它们有何特点? 【嵌牛正文】 第一阶段 目标跟踪分为两个部分，一个是对指定目标寻找可以跟踪的特征，常用的有颜色，轮廓，特征点，轨迹等，另一个是对目标特征进行跟踪。 1、静态背景 1）背景差： 对背景的光照变化、噪声干扰以及周期性运动等进行建模。通过当前帧减去背景图来捕获运动物体的过程。 2）帧差： 由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧或三帧图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标，从而实现目标的检测功能。 与二帧差分法不同的是，三帧差分法（交并运算）去除了重影现象，可以检测出较为完整的物体。帧间差分法的原理简单，计算量小，能够快速检测出场景中的运动目标。但帧间差分法检测的目标不完整，内部含有“空洞”，这是因为运动目标在相邻帧之间的位置变化缓慢，目标内部在不同帧图像中相重叠的部分很难检测出来。帧间差分法通常不单独用在目标检测中，往往与其它的检测算法结合使用。 3）Codebook 算法为图像中每一个像素点建立一个码本，每个码本可以包括多个码元（对应阈值范围），在学习阶段，对当前像素点进行匹配，如果该像素值在某个码元的学习阈值内，也就是说与之前出现过的某种历史情况偏离不大，则认为该像素点符合背景特征，需要更新对应点的学习阈值和检测阈值。 如果新来的像素值与每个码元都不匹配，则可能是由于动态背景导致，这种情况下，我们需要为其建立一个新的码元。每个像素点通过对应多个码元，来适应复杂的动态背景。 在应用时，每隔一段时间选择K帧通过更新算法建立CodeBook背景模型，并且删除超过一段时间未使用的码元。 4）GMM 混合高斯模型（Gaussian of Micture Models，GMM）是较常用的背景去除方法之一（其他的还有均值法、中值法、滑动平均滤波等）。 首先我们需要了解单核高斯滤波的算法步骤： 混合高斯建模GMM（Gaussian Mixture Model）作为单核高斯背景建模的扩展，是目前使用最广泛的一种方法，GMM将背景模型描述为多个分布，每个像素的R、G、B三个通道像素值的变化分别由一个混合高斯模型分布来刻画，符合其中一个分布模型的像素即为背景像素。作为最常用的一种背景建模方法，GMM有很多改进版本，比如利用纹理复杂度来更新差分阈值，通过像素变化的剧烈程度来动态调整学习率等。 5）ViBe（2011） ViBe算法主要特点是随机背景更新策略，这和GMM有很大不同。其步骤和GMM类似。具体的思想就是为每个像素点存储了一个样本集，样本集中采样值就是该像素点过去的像素值和其邻居点的像素值，然后将每一个新的像素值和样本集进行比较来判断是否属于背景点。 其中pt（x）为新帧的像素值，R为设定值，p1、p2、p3….为样本集中的像素值，以pt（x）为圆心R为半径的圆被认为成一个集，当样本集与此集的交集大于设定的阈值#min时，可认为此为背景像素点（交集越大，表示新像素点与样本集越相关）。我们可以通过改变#min的值与R的值来改变模型的灵敏度。 Step1：初始化单帧图像中每个像素点的背景模型。假设每一个像素和其邻域像素的像素值在空域上有相似的分布。基于这种假设，每一个像素模型都可以用其邻域中的像素来表示。为了保证背景模型符合统计学规律，邻域的范围要足够大。当输入第一帧图像时，即t=0时，像素的背景模型。其中，NG（x,y）表示空域上相邻的像素值，f(xi,yi)表示当前点的像素值。在N次的初始化的过程中，NG（x,y）中的像素点(xi,yi)被选中的可能次数为L=1,2,3,…,N。 Step2：对后续的图像序列进行前景目标分割操作。当t=k时，像素点(x,y)的背景模型为BKm(x,y)，像素值为fk(x,y)。按照下面判断该像素值是否为前景。这里上标r是随机选的；T是预先设置好的阈值。当fk(x,y)满足符合背景#N次时，我们认为像素点fk(x,y)为背景，否则为前景。 Step3：ViBe算法的更新在时间和空间上都具有随机性。每一个背景点有1/ φ的概率去更新自己的模型样本值，同时也有1/ φ的概率去更新它的邻居点的模型样本值。更新邻居的样本值利用了像素值的空间传播特性，背景模型逐渐向外扩散，这也有利于Ghost区域的更快的识别。同时当前景点计数达到临界值时将其变为背景，并有1/ φ的概率去更新自己的模型样本值（为了减少缓慢移动物体的影响和摄像机的抖动）。 可以有如下总结，ViBe中的每一个像素点在更新的时候都有一个时间和空间上随机影响的范围，这个范围很小，大概3x3的样子，这个是考虑到摄像头抖动时会有坐标的轻微来回变化，这样虽然由于ViBe的判别方式仍认为是背景点，但是也会对后面的判别产生影响，为了保证空间的连续性，随机更新减少了这个影响。而在样本值保留在样本集中的概率随着时间的增大而变小，这就保证了像素模型在时间上面的延续特性。 6）光流 光流是由物体或相机的运动引起的图像对象在两个连续帧之间的视在运动模式。它是2D矢量场，其中每个矢量是一个位移矢量，显示点从第一帧到第二帧的移动。 光流实际上是一种特征点跟踪方法，其计算的为向量，基于三点假设： 1、场景中目标的像素在帧间运动时亮度（像素值或其衍生值）不发生变化；2、帧间位移不能太大；3、同一表面上的邻近点都在做相同的运动； 光流跟踪过程：1）对一个连续视频帧序列进行处理；2）对每一帧进行前景目标检测；3）对某一帧出现的前景目标，找出具有代表性的特征点（Harris角点）；4）对于前后帧做像素值比较，寻找上一帧在当前帧中的最佳位置，从而得到前景目标在当前帧中的位置信息；5）重复上述步骤，即可实现目标跟踪 2、运动场（分为相机固定，但是视角变化和相机是运动的） 1）运动建模（如视觉里程计运动模型、速度运动模型等） 运动学是对进行刚性位移的相机进行构型，一般通过6个变量来描述，3个直角坐标，3个欧拉角（横滚、俯仰、偏航）。 Ⅰ、对相机的运动建模 由于这个不是我们本次所要讨论的重点，但是在《概率机器人》一书中提出了很多很好的方法，相机的运动需要对图像内的像素做位移矩阵和旋转矩阵的坐标换算。除了对相机建立传统的速度运动模型外，也可以用视觉里程计等通关过置信度的更新来得到概率最大位置。 Ⅱ、对于跟踪目标的运动建模 该方法需要提前通过先验知识知道所跟踪的目标对象是什么，比如车辆、行人、人脸等。通过对要跟踪的目标进行建模，然后再利用该模型来进行实际的跟踪。该方法必须提前知道要跟踪的目标对象是什么，然后再去跟踪指定的目标，这是它的局限性，因而其推广性相对比较差。（比如已知跟踪的物体是羽毛球，那很容易通过前几帧的取点，来建立整个羽毛球运动的抛物线模型） 2）核心搜索算法（常见的预测算法有Kalman(卡尔曼)滤波、扩展卡尔曼滤波、粒子滤波） Ⅰ、Kalman 滤波 Kalman滤波器是通过前一状态预测当前状态，并使用当前观测状态进行校正，从而保证输出状态平稳变化，可有效抵抗观测误差。因此在运动目标跟踪中也被广泛使用。 在视频处理的运动目标跟踪里，每个目标的状态可表示为(x,y,w,h)，x和y表示目标位置，w和h表示目标宽高。一般地认为目标的宽高是不变的，而其运动速度是匀速，那么目标的状态向量就应该扩展为(x,y,w,h,dx,dy)，其中dx和dy是目标当前时刻的速度。通过kalman滤波器来估计每个时刻目标状态的大致过程为： 对视频进行运动目标检测，通过简单匹配方法来给出目标的第一个和第二个状态，从第三个状态开始，就先使用kalman滤波器预测出当前状态，再用当前帧图像的检测结果作为观测值输入给kalman滤波器，得到的校正结果就被认为是目标在当前帧的真实状态。(其中，Zt为测量值，为预测值，ut为控制量，Kt为增益。) Ⅱ、扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF） 由于卡尔曼滤波的假设为线性问题，无法直接用在非线性问题上，EKF和UKF解决了这个问题（这个线性问题体现在用测量量来计算预测量的过程中）。EKF是通过构建线性函数g(x)，与非线性函数相切，并对每一时刻所求得的g（x）做KF，如下图所示。 UKF与EKF去求解雅可比矩阵拟合线性方程的方法不同，通过对那个先验分布中的采集点，来线性化随机变量的非线性函数。与EKF所用的方法不同，UKF产生的高斯分布和实际高斯分布更加接近，其引起的近似误差也更小。 Ⅲ、粒子滤波 1、初始状态：基于粒子滤波的目标追踪方法是一种生成式跟踪方法，所以要有一个初始化的阶段。对于第一帧图像，人工标定出待检测的目标，对该目标区域提出特征； 2、搜索阶段：现在已经知道了目标的特征，然后就在目标的周围撒点(particle), 如：a)均匀的撒点;b)按高斯分布撒点，就是近的地方撒得多，远的地方撒的少。论文里使用的是后一种方法。每一个粒子都计算所在区域内的颜色直方图，如初始化提取特征一样，然后对所有的相似度进行归一化。文中相似性使用的是巴氏距离； 3、重采样：根据粒子权重对粒子进行筛选，筛选过程中，既要大量保留权重大的粒子，又要有一小部分权重小的粒子； 4、状态转移：将重采样后的粒子带入状态转移方程得到新的预测粒子； 5、测量及更新：对目标点特征化，并计算各个粒子和目标间的巴氏距离，更新粒子的权重； 6、决策阶段：每个粒子都获得一个和目标的相似度，相似度越高，目标在该范围出现的可能性越高，将保留的所有粒子通过相似度加权后的结果作为目标可能的位置。 3）Meanshift算法 MeanShift算法属于核密度估计法，它不需要任何先验知识而完全依靠特征空间中样本点的计算其密度函数值。对于一组采样数据，直方图法通常把数据的值域分成若干相等的区间，数据按区间分成若干组，每组数据的个数与总参数个数的比率就是每个单元的概率值；核密度估计法的原理相似于直方图法，只是多了一个用于平滑数据的核函数。采用核函数估计法，在采样充分的情况下，能够渐进地收敛于任意的密度函数，即可以对服从任何分布的数据进行密度估计。 Meanshift算法步骤 1、通过对初始点（或者上一帧的目标点）为圆心，绘制一个半径为R的圆心，寻找特征和该点相似的点所构成的向量； 2、所有向量相加，可以获得一个向量叠加，这个向量指向特征点多的方向； 3、取步骤二的向量终点为初始点重复步骤一、二，直到得到的向量小于一定的阈值，也就是说明当前位置是特征点密度最密集的地方，停止迭代，认为该点为当前帧的目标点； 4）Camshift算法 Camshift算法是MeanShift算法的改进，称为连续自适应的MeanShift算法。Camshift 是由Meanshift 推导而来 Meanshift主要是用在单张影像上，但是独立一张影像分析对追踪而言并无意义，Camshift 就是利用MeanShift的方法，对影像串列进行分析。 1、首先在影像串列中选择目标区域。 2、计算此区域的颜色直方图（特征提取）。 3、用MeanShift演算法来收敛欲追踪的区域。 4、通过目标点的位置和向量信息计算新的窗口大小，并标示之。 5、以此为参数重复步骤三、四。 Camshift 关键就在于当目标的大小发生改变的时候，此算法可以自适应调整目标区域继续跟踪。 3、小结 第一阶段的单目标追踪算法基本上都是传统方法，计算量小，在嵌入式等设备中落地较多，opencv中也预留了大量的接口。通过上面的两节的介绍，我们不难发现，目标检测算法的步骤分为两部分，一部分是对指定目标寻找可以跟踪的特征，常用的有颜色，轮廓，特征点，轨迹等，另一部分是对目标特征进行跟踪，如上文所提及的方法。所以目标检测方法的发展，也可总结为两个方面，一个是如何去获得更加具有区分性的可跟踪的稳定特征，另一个是如何建立帧与帧之间的数据关联，保证跟踪目标是正确的。 随着以概率为基础的卡尔曼滤波、粒子滤波或是以Meanshift为代表向量叠加方法在目标检测的运用，使得目标检测不再需要假设自身的一个状态为静止的，而是可以是运动的，更加符合复杂场景中的目标跟踪。
能不能给我发一份呢？