1. Введение 2

2. Постановка задачи 4

   1. Общие сведения о моделировании систем 4

   2. Основание для разработки 7

   3. Назначение 7

   4. Требования к программному обеспечению 8

   5. Входные и выходные данные 10

   6. Условия эксплуатации 11

3. Описание программного обеспечения 12

   1. Выбор языка программирования для реализации цифровой модели 12

   2. Функциональное назначение цифровой модели 14

   3. Описание идентификаторов процедур и функций, входящих в состав цифровой модели 17

   4. Описание идентификаторов переменных и массивов, используемых в цифровой модели 20

   5. Описание алгоритма цифровой модели 26

   6. Описание процедур и функций, реализующих цифровую модель 30

      1. Процедура расчета коэффициентов 31

      2. Процедура формирования модели изображения очередного кадра 38

      3. Процедура моделирования движения сложного фона 47

      4. Функции яркости, участвующие в моделировании изображения 52

      5. Процедура ввода параметров функций, участвующих в моделировании изображения 60

      6. Процедура формирования разностного изображения с помощью операции временного дифференцирования 65

      7. Процедура задания начальных значений 68

      8. Процедура инициализации графического режима 71

      9. Процедура распознавания 75

      10. Процедура определения массива направлений 97

4. Приложение ¹ 1: Листинг программы

   1. Введение.

   1.1. Содержательная постановка задачи.

   В ряде областей человеческой деятельности особый интерес представляет задача распознавания подвижных малоразмерных объектов по их видеоизображению. Распознавание подобных объектов затруднено из-за того, что они удалены от точки наблюдения и не могут быть охарактеризованы какой-либо геометрической формой, а также, зачастую, из-за отсутствия сведений о времени и месте их возможного появления. В ряде случаев необходимо осматривать пространство в телесном угле, имеющем значительные размеры. 0днако, увеличение размеров осматриваемого пространства ослабляет помехозащищенность обзорно-поисковой системы и затрудняет достижение высокой пространственной разрешающей способности. Особые трудности возникают при организации распознавания, поиска и наблюдения нескольких объектов. Задачи подобного рода не всегда могут быть успешно решены человеком-оператором, поэтому возникает необходимость в исследовании возможностей автоматического распознавания данного класса объектов. Особенностью задач, исследуемых на данной цифровой модели, является квантованная форма видеоинформации, которая представлена множествами сигналов дискретного поля наблюдения, полученных в последовательные моменты времени. Таким полем может быть множество фотодатчиков (рецепторов), расположенных в одной плоскости и преобразующих яркости различных точек изображения во множество соответствующих им сигналов. Дискретное поле наблюдения принято называть "полем рецепторов" или "сетчаткой".

   Уточненные постановки различных конкретных задач, решаемых с помощью данной цифровой модели, следуют из описанных ниже назначения и возможностей этой модели и составляющих ее процедур.

   1.2. Терминологические соглашения.

   Далее для краткости описания и удобства различения используются следующие терминологические соглашения. Весь моделирующий алгоритм, предназначенный для имитации циклического процесса восприятия и обработки внешней ситуации и исследования работоспособности алгоритмов распознавания называется "цифровой моделью". Часть цифровой модели, представленная в процедуре распознавания и осуществляющая собственно процесс распознавания, называется "алгоритмом распознавания", "алгоритмом" или "процедурой распознавания". Однако, в большинстве мест данного описания термин "процедура" употребляется как синоним термина "подпрограмма". Массив ячеек для хранения выборок признаков, характеризующих возможные траектории объектов, называются "памятью системы распознавания", "памятью системы" или "памятью".

2. Постановка задачи.

1. Общие сведения о моделировании систем.

В настоящее время нельзя назвать область человеческой деятельности, в которой в той или иной степени не использовались бы методы моделирования.

Методологическая основа моделирования - диалектико-материалистический метод познания и научного исследования. В научных исследованиях большую роль играют гипотезы, то есть определенные предсказания, основывающиеся на небольшом количестве опытных данных, наблюдений, догадок. Быстрая и полная проверка выдвигаемых гипотез может быть проведена в ходе специально поставленного эксперимента. При формулировании и проверке правильности гипотез большое значение в качестве метода суждения имеет аналогия.

Аналогией называют суждение о каком-либо частном сходстве двух объектов. Причем такое сходство может быть существенным и несущественным. Необходимо отметить, что понятия существенности и несущественности сходства или различия объектов условны и относительны. Существенность сходства (различия) зависит от уровня абстрагирования и в общем случае определяется конечной целью проводимого исследования. Современная научная гипотеза создается, как правило, по аналогии с проверенными на практике научными положениями. Таким образом, аналогия связывает гипотезу с экспериментом.

Гипотезы и аналогии, отражающие реальный, объективно существующий мир, должны обладать наглядностью или сводиться к удобным для исследования логическим схемам: такие логические схемы, упрощающие рассуждения и логические построения или позволяющие проводить эксперименты, уточняющие природу явлений, называются моделями. Другими словами, модель - это объект-заместитель объекта-оригинала, обеспечивающий изучение некоторых свойств оригинала.

Замещение одного объекта другим с целью получения информации о важнейших свойствах объекта-оригинала с помощью объекта-модели называется моделированием. Таким образом, моделирование может быть определено как представление объекта моделью для получения информации об этом объекте путем проведения экспериментов с его моделью.

Если результаты моделирования подтверждаются и могут служить основой для прогнозирования процессов, протекающих в исследуемых объектах, то говорят, что модель адекватна объекту. При этом адекватность модели зависит от цели моделирования и принятых критериев.

Обобщенно моделирование можно определить как метод опосредованного познания, при котором изучаемый объект-оригинал находится в некотором соответствии с другим объектом-моделью, причем модель способна в том или ином отношении замешать оригинал на некоторых стадиях познавательного процесса. Стадии познания, на которых происходит такая замена, а также формы соответствия модели и оригинала могут быть различными:

1. моделирование как познавательный процесс, содержащий переработку информации, поступающей из внешней среды, о происходящих в ней явлениях, в результате чего в сознании появляются образы, соответствующие объектам;

2. моделирование, заключающееся в построении некоторой системы-модели (второй системы), связанной определенными соотношениями подобия с системой оригиналом (первой системой), причем в этом случае отображение одной системы в другой является средством выявления зависимостей между двумя системами, отраженными в соотношениях подобия, а не результатом непосредственного изучения поступающей информации.

Исторически первым сложился аналитический подход к исследованию систем, когда ЭВМ использовалась в качестве вычислителя по аналитическим зависимостям. Анализ характеристик процессов функционирования больших систем с помощью только аналитических методов исследования наталкивается обычно на значительные трудности, приводящие к необходимости существенного упрощения моделей либо на этапе их построения, либо в процессе работы с моделью, что может привести к получению недостоверных результатов.

Поэтому в настоящее время наряду с построением аналитических моделей большое внимание уделяется задачам оценки характеристик больших систем на основе имитационных моделей, реализованных на современных ЭВМ. Причем перспективность имитационного моделирования как метода исследования характеристик процесса функционирования больших систем возрастает с повышением быстродействия и оперативной памяти ЭВМ, с развитием математического обеспечения, совершенствованием банков данных и периферийных устройств для организации диалоговых систем моделирования.

В зависимости от характера изучаемых процессов все виды моделирования могут быть разделены на детерминированные и стохастические; статические и динамические; дискретные, непрерывные и дискретно-непрерывные. Детерминированное моделирование отображает детерминированные процессы, то есть процессы, в которых предполагается отсутствие всяких случайных воздействий. Стохастическое моделирование отображает вероятностные процессы и события. В этом случае анализируется ряд реализаций случайного процесса и оцениваются средние характеристики, то есть набор однородных реализаций. Статическое моделирование служит для описания поведения объекта в какой-либо момент времени, а динамическое моделирование отражает поведение объекта во времени. Дискретное моделирование служит для описания процессов, которые предполагаются дискретными, соответственно непрерывное моделирование позволяет отразить непрерывные процессы в системах, а дискретно-непрерывное моделирование используется для случаев, когда хотят выделить наличие как дискретных, так и непрерывных процессов.