简介:多目标跟踪问题是计算机视觉领域的关键研究问题之一。现有的目标跟踪算法严重依赖于目标检测器的性能,如果目标检测器的虚警率或漏警率较高,数据关联将会失败,导致目标跟踪精度不足。为此,本文提出一种基于结构化学习策略的目标身份感知网络流量技术,可在目标检测和数据关联并行化框架下有效地实现多目标跟踪。文中首先通过结构化学习为每个对象训练一个模型,并将目标跟踪问题建模为拉格朗日松驰优化问题,然后提出一种目标身份感知网络流量(TINF)技术进行结构化学习的推理。在学习期间,通过搜索使目标身份感知网络流量代价函数最小化的一组轨迹,确定最被违反约束和序列在下个时间段的最优轨迹,推断出视频片断中所有目标的最佳位置。最后,利用多种高难度数据集进行仿真实验,结果表明本文方法的性能优于其他最新算法。
简介:在一个核心的ASON网络中,单靠链路资源管理器是不可能独立完成链路的管理和资源的发现,它必须和控制平面的其它组件合作来完成.本文全面阐述了链路资源管理器LRM(LinkResourceManager)的功能.在此基础上,详细地分析了它和控制平面的其它主要组件之间的关系,同时也简单地描述了它们之间的互动关系流程.这里我们主要分析了它和连接控制器CC(ConnectionController),路由控制器RC(RoutController),终端适配器TAP(TerminationandAdaptationPerformer)和自动发现控制器DA(DiscoveryAgent),以及在通信的两个终端上各自的链路资源管理器(LRM)之间进行协商链路分配时的互动关系(这里的两个LRM实际上是一种对等关系).