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:瑞典是少数自上世纪90年代以来即有计划地就宽带发展提出相关政策的国家。有鉴于社会条件的变迁和应用科技的日新月异,原有的宽带计划无法符合国家发展需求,瑞典的商业能源暨通讯部(MinistryofEnterprise,EnergyandCommunications)在2009年11月提出"瑞典宽带政策(BroadbandStrategyforSweden)",强调市场导向的发展原则,以促进市场竞争和改善市场环境为核心任务。IT和宽带建设不仅是社会进步和解放生产力的重要基础,更是维持生态环境持续增长不可或缺的推动力。政府设定在2020年达到二氧化碳排放量减少40%的目标,根据研究显示,借助于IT的监管和控制,建筑物可减少高达17%的能源使用量,并可降低交通27%的二氧化碳排放量。