视频运动目标检测识别跟踪
一．研究框架
研究框架可以归纳为三方面：
1.运动的感知技术；
2.目标匹配和识别技术（解决what问题）；
3.目标跟踪和空间定位技术（解决where问题）。
二．研究方法
1）视频检测技术：目前常用的视频检测方法可分为如下几类：光流法，时域差分法，背景消减法，边缘检测法，运动矢量检测法。
光流法是一种以灰度梯度基本不变或亮度恒定的约束假设为基础对运动目标进行检测的有效方法。光流是指图像中灰度模式运动的速度，它是景物中可见的三维速度矢量在成像平面上的投影，表示了景物表面点在图像中位置的瞬时变化，一般情况下，可以认为光流和运动场没有太大区别，因此就可以根据图像运动来估计相对运动。优点：光流不仅携带了运动目标的运动信息，而且还携带了有关景物三维结构的丰富信息，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，并且能够适用于静止背景和运动背景两种环境。缺点：当目标与背景图像的对比度太小，或图像存在噪音时，单纯地从图像灰度强度出发来探测目标的光流场方法将会导致很高的虚警率。且计算复杂耗时，需要特殊的硬件支持。
2、时域差分法
时域差分法分为帧差法和改进的三帧双差分法。帧差法是在图像序列中的相邻帧采用基于像素点的时间差分, 然后阈值化来提取出运动区域。视频流的场景具有连续性，在环境亮度变化不大的情况下，图像中若没有物体运动，帧差值会很小；反之若有物体运动则会引起显著的差值。优点：时域相邻帧差法算法简单，易于实现，对背景或者光线的缓慢变化不太敏感，具有较强的适应性，能够快速有效地从背景中检测出运动目标。缺点：它不能完全提取运动目标所有相关像素点，在运动实体内部不容易产生空洞现象。而且在运动方向上被拉伸，包含了当前帧中由于运动引起的背景显露部分，这样提取的目标信息并不准确。三帧双差分法与相邻帧差法基本思想类似，但检测运动目标的判决条件上有所不同。三帧双差分较两帧差分提取的运动目标位置更为准确。
3、背景消减法
背景消减法是将当前帧与背景帧相减，用阈值T判断得到当前时刻图像中偏离背景模型值较大的点，若差值大于T则认为是前景点（目标）；反之，认为是背景点，从而完整的分割出目标物体。背景消减法检测准确，能够提取出完整的目标信息。但背景图像建立的准确与否直接关系到最终检测结果的准确性。最简单的方式是：直接抽取图像序列中没有运动目标的某帧，或在计算一段时间内多幅图像的统计平均值作为背景模型。但是，背景消减中有两个问题需要解决：背景模型的获取和背景模型的更新。基于背景统计模型估计的方法是在摄像机静止时建立背景模型，通过将当前帧和背景模型进行比较，确定出变化较大的区域认为是前景。由于该方法是利用当前图像与背景图像的比较来检测运动区域，故有些文献仍将其归为背景差分法中的一种；但是它采用概率统计的方法来描述背景，因此有的文献将其单独分为一类，称为背景建模法。背景消减法根据其背景模型的不同又可分为：直方图法、平均值法、单分布高斯背景模型、混合高斯分布背景模型、
Kalman滤波器法，HMM模型法，mean shift算法，Camshift算法。
4、边缘检测法
边缘检测法：边缘检测方法是在不同的光线条件下利用车体的不同部件、颜色等提供的边缘信息有效的提取车辆的边缘，从而进行静止和运动车辆的检测。空间上的边缘检测算法可用于基于方向导数求卷积的边缘检测算子比如Sobel、Roberts、Robinson、Krisch、Prew itt、高斯拉氏算子等进行边缘提取，这些算子在算法复杂度以及效果上有很大的差别，应根据实际情况选用合适的算子；而时间上的边缘检测算法是通过计算连续帧之间对应像素点的差获得。文献提出了基于小波变换的多尺度边缘提取法，将边缘检测的核心指标（误检率和定位精度）分别用小波尺度因子表示，经分析发现：大尺度的滤波器抑制噪声（误检率降低）；而用小尺度滤波器准确定位边缘（定位精度提高）并提取边缘。除了基于梯度算子传统边缘检测算法外，近年来，基于形态学的边缘检测算法日益受到重视。由于梯度算子对噪声敏感并不能检测较细的边界，而基于形态学的边缘检测算子对此有更好的处理效果。通常的形态学边缘检测算子包括blurmin,top-hat和开-闭算子。在此基础上，后来又发展了一个新的边缘检测算子：可分离形态学边缘检测器（SMED）,SMED在关键区域内应用可分离中值滤波器去除噪声同时用简单易实现的形态学算子检测边缘，降低了计算的复杂度，获得了较好的检测效果。
5、运动矢量检测法
运动矢量检测法：运动矢量检测法是对前后连续两帧图像进行模块跟踪匹配，用当前图像的某一宏块在下一帧范围内搜索最优匹配，计算出两帧间各个宏块的平均运动矢量，根据运动矢量的大小进而判别有无目标。运动矢量检测法计算量非常大。
从计算机视觉的实际应用来看，运动目标检测与跟踪问题所面临是主要挑战和需要解决的问题可以归结为三个方面，即算法的鲁棒性，准确性，实时性。
以上的方法性能总比较如下表：
2）目标跟踪技术：运动目标跟踪算法主要有两类：基于区域匹配的方法，基于特征匹配的方法。
1、基于区域匹配的方法
基于区域匹配的方法：区域匹配首先获取包含目标的模版，该模版通过图像分割或预先人为提取来确定，然后在序列图像中运用相关法搜索目标，从而确定目标在序列图像中的坐标位置。优点：区域模板匹配算法由于提取了较完整的目标模板，在当目标未被遮挡时，匹配效果较好。缺点：但这种方法在图像上遍历搜索，计算量大、比较耗时。
2、基于特征匹配的方法
基于特征匹配的方法：不同于模板匹配，特征匹配使用的是目标上的某些局部特征作为求相关的对象。特征描述符指的是检测图像的局部特征（比如边缘、角点、轮廓等），然后据匹配目标的需要进行特征的组合、变换，以形成易于匹配、稳定性好的特征向量，从而把图像配问题转化为特征的匹配问题，进而将特征的匹配问题转化为特征空间特征向量的聚类问题。
基于特征的跟踪方法有其显著的优点：1.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；2.这种方法已经假设特征符号运动是相互独立的运动，因此在运动分析时可以不区分运动物体是刚体还是非刚体，也不用管它的几何形状；3.跟踪过程中符号特征容易捕捉，能够匹配到每一个特征符号。
但是基于特征跟踪算法的缺点：1.伴随着复杂运动的简单运动，刚体运动目标的特征提取就会产生困难；2.运动初始化时的难点。刚体的一些特征会因为遮挡而无法识别，因此，基于特征的跟踪算法必须解决目标跟踪过程的运动初始化的难点，但这些问题的解决又会使跟踪算法变得非常复杂；3.在改变符号参数和3-D目标运动参数时，这些参数时非线性的，因此特征跟踪中恢复的3-D运动参数对噪声相当敏感。
看过本文章的还看过。。。
运动视频目标检测识别跟踪_计算机软件及应用_it计算机_专业资料。视频运动目标......
因此,对基于视频的运动目标实时跟踪和识别的研究有很大的理论意义和实际应用价值。 基于视频的运动目标实时跟踪和识别,首先从场景中获取运动目标,然后对 检测到的运动.........
但是, 运动向量检测法也不能精确地分割出对象。动态视频目标跟踪技术在传统监控系统中,目 标跟踪是由监控人员手工操作来完成。由于所有的目标的运动特性是非线性的,.........
劣主京交硕士学位论文视频图像序列中运动目标检测与跟踪方法研究detectiona......
上海交通大学 硕士学位论文 监控视频中运动目标检测和追踪的研究及应用 姓名:卢燕斌 申请学位级别:硕士 专业:模式识别与智能系统 指导教师:张宪民
上海交通.........
基于视频的运动目标检测与跟踪(演讲版)_it计算机_专业资料。主要用于演讲介绍,其中的算法只做大概得介绍,不做详细的阐述。。。基于视频的运动目标检测与跟踪 ........
视频图像中的运动目标检测与跟踪_信息与通信_工程科技_专业资料。单位代码: 10293 密 级: 硕士学位论文 论文题目: 视频图像中的运动目标检测与跟踪 学姓导学研科.........
实时视频监控系统中运动目标检测和跟踪的一种实用方法_计算机软件及应用_it计算......
2 视频运动跟踪概述视频目标跟踪系统的基本框架如下图, 目标检测,也就是对目标进行特征提取,是一种对目标进行分割的技术。它可以把对目标的认知、 识别和分割统一.........
西南交通大学 硕士学位论文 视频序列中运动目标检测跟踪算法研究 姓名:李杰 申请......
龙源期刊网 http:.cn 监控视频中运动目标的自动检测、跟踪和提 取 作者:盛家川 杨巍 海岩 来源:《企业技术开发· 下旬刊》2015 年第 04 期 .........
运动目标视频检测与跟踪方法_工学_高等教育_教育专区。运动目标视频检测与跟踪方法......
智能视频监控中目标检测_跟踪和识别方法研究_物理_自然科学_专业资料。分类号 udc...5 2 视频运动目标跟踪技术 ... 7 .........
这种高层次的视频流的描述依赖于准确的运动目标的检测与跟踪,并与它们轨迹之 间的关系相关。 在本文中,我们是在视频监控的背景下解决检测和跟踪运动目标的问题。大.........
运动视频场景中目标检测与跟踪技术应用研究_计算机软件及应用_it计算机_专业资料。运动场景中目标检测跟踪技术运动场景中目标检测 与跟踪技术研究刘振华 2006年11月 .........
更多>>本文主要研究了智能视频监控系统中的运动目标检测与跟踪技术。首......
运动目标检测与跟踪是在基于动态图像分析的基 础上结合图像模式识别和图像跟踪...作的视频进行分析,得出精确的运动参数进行分析。 运动目标检测的相关技术 1 2 .........
研究生签名: 燃 b房年弓月订日 硕士论文 基于视频的运动目标检测与跟踪技术研究 摘要 iiiiiiiiiiiiiiiiiluliiily2277238 随着电子信息技术的飞速发展,基于视频的.........
运动目标检测与跟踪技术研究_工学_高等教育_教育专区。通信工程毕业设计理工大学学士学位论文 摘要 运动目标检测与跟踪是计算机视觉领域的热点问题,广泛应用于视频监控、.........
运动目标检测是计算机视觉研究中进行信息提取键步骤之一是视频分析技术的基础在 视频监控目标跟踪运动分析等实际应用系统中往往要求能够实时检测和分割出目标运动目 标.........
■ 24小时热门信息
基于视频的运动目标检测与识别张建军,黄山,张洪斌,杨权,汪勤(四川大学电气信息学院 四川成都610065) 摘要:为了对目标进行跟踪和识别,针对固定场景提出一种基于视频的.........
因此,对基于视频的运动目标实时跟踪和识别的研究有很大的理论意义和实际应用价值。 基于视频的运动目标实时跟踪和识别,首先从场景中获取运动目标,然后对 检测到的运动.........
视频中运动目标检测技术_互联网_it计算机_专业资料。运动目标检测技术 内部讨论资料@张明军 研究意义 ? 视频图像中包含了太多的信息量,不利于 计算机的处理。但是,.........
基于视频的运动目标检测与跟踪(演讲版)_it计算机_专业资料。主要用于演讲介绍,其中的算法只做大概得介绍,不做详细的阐述。。。基于视频的运动目标检测与跟踪 ........
■ 相关热门内容
■ 热门推荐人人文库美如初恋！
资源预览需要最新版本的Flash Player支持。 您尚未安装或版本过低,建议您
课程论文设计题目基于背景差分的运动目标检测与跟踪学院计算机学院专业计算机技术学生姓名学号年级任课教师二零一零年一月四日基于背景差分的运动目标检测与跟踪基于背景差分的运动目标检测与跟踪算法实现摘要运动目标检测与跟踪是计算机视觉、视频信息处理等领域的重要研究内容。减背景技术是常用的运动目标检测方法，其背景模型的提取、更新、背景扰动、光照条件变化等是必须要考虑的问题。提出了一种有效的运动目标检测方法，较好地解决了以上问题，首先利用统计方法建立背景模型，再对背景模型进行实时更新，以适应视频本身和光线的变化，最后使用形态学方法消除噪声和背景扰动带来的影响。运动目标跟踪方面使用区域跟踪技术，并引入两个参数实现跟踪匹配，很好地处理了目标之间的相互遮挡问题。实验结果表明，该方法是快速有效，能够满足实时的需要。关键词视频信息处理统计背景建模目标跟踪检测MovingobjectdetectionandtrackingbasedonbackgroundsubtractionAbstractMovingobjectsdetectionandtrackingplayanimportantroleincomputervisionandvideoprocessing.Backgroundsubtractionisusuallyusedtodetectobjectregions.Buttherearemanyproblems,suchasbackgroundextracting,update,illuminationchangesandshadows,inthismethod.Weproposeaneffectivemovingobjectsdetectionmodel,whichaddressestheproblemsaforementioned.Astatisticalmethodisusedtoobtainthebackgroundthatisupdatedrealtimeinordertoadapttoilluminationchangesandothers.Afterthresholdoperation,weutilizethemorphologicaloperationtosolvetheeffectofdisturbandnoise,andconnectedregionmeasurementwithtwoparameterstoprocesstheoverlappingbetweenmanyobjects.Experimentalresultsshowthattheproposedmodelachievesabetterperformancebothineffectivenessandrealtimeaspect.KeyWordsVideoinformationprocessingStatisticalbackgroundmodelingObjecttrackingDetection基于背景差分的运动目标检测与跟踪1引言运动目标的检测与跟踪是视觉监控系统等应用领域的重要研究内容。随着视频信息智能化处理需求1,2的不断增加，如何从视频流中提取运动目标、并对目标进行实时跟踪越来越受到人们的关注。减背景方法3,4是常用的运动目标检测方法。其基本思想是将视频流中当前一帧所有像素点与事先通过某种方法计算得到的背景图像中对应像素点相减并取绝对值，如果绝对值超过某个预先设定好的阀值，则认为当前帧中对应的像素点是运动目标的像素点否则，就认为对应的像素点是背景像素点。相减运算的结果还提供了视频流中运动目标的位置、大小及形状等信息。但是该方法在应用过程中常会遇到如下的问题（1）背景获取最简单的背景获取方法就是在视频场景没有运动目标的情况下直接将某一帧存储为背景图像，但在大多数的视频应用中，如交通监控和行人检测，这一要求很难得到满足，故需要一种能够在运动目标存在的视频流中实时获取背景图像的方法。（2）背景扰动背景中经常存在一些对象轻微的扰动，如树枝的摇动，扰动部分不应该看作是前景运动目标。（3）光照变化天气、光线等因素随着时间的变化也会影响运动目标的检测结果，这是必须要考虑的问题。（4）背景更新为了适应外界各种条件的不断变化，有必要对建立起来的背景模型进行实时更新。以往的运动目标检测方法或者不能解决以上所有问题，或者是通过构造复杂的模型来解决以上问题，其计算复杂性和对系统的要求都比较高，有时可能无法满足实时处理的要求。本文在减背景方法的基础上，提出了一种更为有效的运动目标检测方法。在背景的提取阶段，允许视频流中有运动目标的存在，在这种情况下，首先采用基于统计的方法建立背景模型，然后进行减背景操作来检测视频中的运动目标，并对背景模型进行实时更新，以适应光线的变化和场景本身的变化，最后对检测结果使用形态学运算和连通区域面积限制目标大小的方法进行后处理，消除噪声和背景扰动带来的影响。当运动目标确定后，采用区域跟踪技术对目标进行实时跟踪，跟踪技术中使用了两个参数以避免运动目标之间的遮挡问题。实验结果证明，提出的方法取得了比较理想的结果。2视频中运动目标的检测过程基于背景差分的运动目标检测与跟踪2.1背景模型的建立背景模型建立的准确与否，直接关系到运动目标检测结果的准确性。国内外已经提出了许多背景模型的建立方案，如W4方法5，该方法是在视频中没有目标出现的情况下，对场景进行一段时间的测量，记录每个像素点的最大和最小亮度值，以及相邻两帧间亮度最大差异值，然后使用这3个值表示背景模型。还有使用前几帧图像像素亮度值的平均值作为背景模型的。以上这些方法都要求视频中至少一段时间内没有运动目标的出现，但是这种要求在多数场合下并不能得到满足。本文提出一种简单、有效的背景模型建立方法，它可以在视频场景中存在运动目标的情况下提取出背景图像。此方法是基于这样的假设，在背景模型建立阶段，运动目标虽然在场景区域中运动，但是它并不会长时问地停留在某一位置上。对视频流中某一像素点进行一段时间的观测，可以发现，它的亮度值只是在前景运动目标通过该点时，才会发生较大的变化，如图1a所示。对该像素点的亮度值进行统计，可以看出，在一段时间内，它的亮度值主要集中在一个很小的区域中，如图1b所示。因此，可以用这个区域内的平均值作为该点的背景值。图1具体实现过程如下在灰度模式下，像素亮度值的变化范围为0255，将该范围划分成若干区间0，T，T，2T，nT，255，n255/T。对于每个像素点，统计一段视频内每个区间亮度值出现的次数，找出出现次数最多的那个区间，接着计算该区间内所有亮度值的平均值，用该平均值作为背景图像在该点的亮度值。实验表明，该方法提取背景过程的中，不受前景运动目标的影响。基于背景差分的运动目标检测与跟踪1.2运动目标检运动目标检测是计算视频流中当前帧的像素点和背景图像中对应像素点的差异并取其绝对值，如果绝对值大于给定的阈值，则判定该像素点为前景运动目标的像素点。一对像素点在做相减运算时，可以使用它们的亮度值、色度值或其它参数，本文采用亮度值相减，检测规则如下其中是运动目标像素点的集合，表示当前帧中的像素点亮度值，表示背景图像中对应像素点的亮度值，为阀值，目前阀值的选择主要依靠先验知识，比如根据目标与背景的亮度差别等。1.3后处理及背景模型的更新由于视频本身不可避免的噪声影响，会使上述检测结果出现一些问题，比如本是背景图像的区域像素点经过检测后被当成运动区域的像素点，运动目标内的部分区域因为某种原因被漏检，以及背景图像的分部区域由于树枝、树叶的轻微晃动而被误判为运动目标的区域等等。为了消除这些影响，首先对上一步的检测结果用形态学的腐蚀、膨胀方法进行处理，再找出其经过形态学处理后的连通区域，接着计算每个连通区域的面积，对于面积小于一定阀值的区域，将其抛弃，不看作是前景运动目标区域。形态学运算使用5X5的矩阵算子，连通区域内像素点个数的阈值选择要视具体情况而定。背景模型的实时更新是要使背景能够对外界环境的变化具有一定的自适应性。对于光线的变化，我们的方法与文献6中采用的方法类似。对于检测到的存在运动目标的区域不进行更新，而只对没有检测到运动目标的区域进行实时更新，对于这部分区域在具体的检测过程中，有时前景与背景对应像素点的亮度值相差很小，导致前景目标的部分区域被漏检掉，如果对背景中对应部分也进行更新，就会生成错误的背景模型，对后面的检测过程造成一定的影响，因此，选择最近N帧没有前景目标通过的像素点进行更新。具体更新过程如下其中分别代表当前和下一帧背景，分别代表该点最近的N个亮度值，为更新系数，基于背景差分的运动目标检测与跟踪控制背景更新的速度。图2是一个像素点亮度值的观测曲线，可以看出，该方法对于光线变化有很强的自适应性。图23运动物体的跟踪当目标检测出来以后，就要对运动的目标进行跟踪，本文采用区域跟踪的方法实现对运动目标的跟踪,并在区域跟踪算法中选用了二个参数实现匹配。该方法能够在物体重叠和遮挡的情况下准确地定位出运动物体在图像中的位置。很好地实现了物体的跟踪,也满足了实时性处理的要求。图像中标号为I的目标的大小用目标面积SizeI来描述,每一目标都对应一个外截矩形框，用BoxI来进行描述。Box可用一条对角线的两端点S,T的坐标来表示定义1相邻两帧中标号为i的目标与标号为j的目标面积大小差其中N为图像中目标的标号。基于背景差分的运动目标检测与跟踪定义2标号为L的目标的质心定义如下这里N是图像中标号为L的目标含有象素点个数,xi是象素点i的横坐标,yi是象素点i的纵坐标。相邻两帧中标号为I的目标与标号为J的目标质心之间的距离具体跟踪步骤如下1将第一帧中的目标检测出来，并计算出被跟踪目标假设为目标M在本帧中面积的大小、质心的位置等数据。2检测出下一帧中的目标，计算出各自的面积以及质心的位置。3分别计算出目标M与下一帧中各目标的质心间的距离Dis和面积差DifTheni就是M这里是阀值，是加权系统，i为下一帧中各目标的标号。4更新被跟踪车辆M的面积和质心位置的数据。转到第2步继续实现对后续帧的跟踪。运用上述的跟踪算法就可以实现对某一目标的跟踪,也能够实现对多目标的同时跟踪。以上算法是建立在这样的假设条件下的由于两相邻帧的时间间隔很短，因而在相邻两帧之间目标的移动距离并不大,并且目标在图像中的面积变化率不大。实验表明这种假设是完全满足的,能很好地实现物体的跟踪。当两个物体在场景中相重叠时需要首先将它们分开后才能够用上述的算法进行跟踪。对于重叠物体的分割本文不再详述有兴趣的读者可以参考文献7。4实验结果及结论我们采用一段交通视频来验证提出的模型，编程环境选用Opencv2.1和VisualC2010。Opencv2.1是一种开源的用于图像处理和计算机视觉的函数库，由Intel公司使用C高级语言开发。VisualC2010是微软公司开发的编程工具，支持最新的C0x标准。图3是实验的结果，其中图3a是原始图像，图3b是检测和跟踪结果，检测方框可随着目标的大小而改变，目标的运动轨迹由同一目标在各帧中的质心组成，在每一帧中各个目标的质心由实心圆代表。基于背景差分的运动目标检测与跟踪图3提出的背景模型在提取过程中允许运动目标存在，因此需要2030秒的时间来完成背景模型的建立。通过对背景模型的实时更新，可以适应光线、天气等外界条件变化带来的影响。这种方法能够在运动物体频繁出现的场合下获得满意的效果，然后运用质心间的距离与物体面积之差两个参数对检测出来的目标进行实时跟踪。从上述实验结果中可以看到，该方法快速、准确，有着广泛的适用性。还可以在上述基础上，进行目标识别、流量统计等其它操作，这需要进一步的研究工作。方法还存在一些问题，第1个问题是当前景运动目标与背景亮度很接近时，运动目标很难被检测出来，或者是运动目标出现较大的空洞，对于这种情况，是因为在判断运动目标时，仅仅使用了亮度信息，一个解决的途径是使用颜色与轮廓及深度等相结合的方法。第2个问题是如何实时更新背景来适应场景光线的突变，如室内开灯、关灯的情况，目前还没有比较有效的解决方法，有人采用事先存储有代表性的背景的方法，但这种方法对于场景本身发生变化的情况，明显无法适应。因此，这个问题需要在后续工作中进一步深入研究。基于背景差分的运动目标检测与跟踪参考文献1CollinsR,LiptonA,KanadeT,etal.AsystemforvideosurveillanceandmonitoringR.Tech.ReportCMURITR0012,RoboticsInstitute,CarnegieMellonUniversity,KollerD,DaniilidisK,NagelH.ModelbasedobjecttrackinginmonocularimagesequencesofroadtrafficscenesJ.Internationaljournalofcomputervision,WrenCR,AzarbayejaniA,DarrellT.PlinderrealtimetrackingofthehumanbodyJ.IEEEtransactionsonpatternanalysisandmachineintelligence,.4MclvorM.BackgroundsubtractiontechniquesR.IVCNZ00,Hamilton,NewZealand,HaritaogluI,DavisLS,HarwoodD.W4whoWhereWhatArealtimesystemfordetectingandtrackingpeopleA.InFGR98C,1998.6CucchiaraR,GranaC,PiccardlM.ImprovingshadowsuppressioninmovingobjectdetectionwithHSVcolorinformationJ.Proc.OfITSC,2001.附录1源代码（模块代码主体部分）//下面的函数用以检测视频中运动的目标。基于背景差模型voidCtraceDlgOnBnClickedTracing{IplImagepFrameNULL//声明当前帧IplImagepFrImgNULL//声明前景图像IplImagepBkImgNULL//声明背景图像//声明对应的图像矩阵CvMatpFrameMatNULLCvMatpFrMatNULL
编号：158583 && 大小：443.03KB && 格式：DOC && 上传时间：
关&键&词： 专业文献 学术论文 精品文档 基于背景
温馨提示：
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。5. 人人文库网仅提供交流平台，并不能对任何下载内容负责。6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
& 人人文库网所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
当前资源信息
浏览：66次
官方联系方式
客服手机：&&& 1:&&&
2:不支持迅雷下载,请使用浏览器下载&&&
3:不支持QQ浏览器下载,请用其他浏览器&&&
4:下载后的文档和图纸-无水印&&&
5:文档经过压缩，下载后原文更清晰&&&
&& && && &&
copyright@
人人文库网网站版权所有 苏ICP备号-5