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:以卫星两行轨道根数(TLE)和简化常规j深空扰动的近似解析解(SGP4/SDP4)模型预报卫星的空间位置,并以南京地区某地面站为例,分析了单北斗、单全球定位系统(GPS)和GPS-k北斗3种卫星定位系统下南京地区的精度衰减因子(DOP)在2013-05-16-2013-05-231周时间的变化特点,以指导制定地面全球导航卫星系统(GNSS)观测方案。该分析可增强对GPS和北斗系统定位精度了解。
简介:Theoperationprincipleofanarrayedwaveguidegrating(AWG)multiplexerisintroducedandthe4×4AWGwithfollowingdesignparametersisdiscussedindetail,suchasthechoiceofwavelength,theneighboringarrayedwaveguidedistanceΔL,thechannelfrequencyintervalΔf,andthefreespectralrange.Thestructureof4×4AWGisdesignedandtheresultofstimulatedtestisalsogiven.Analysisshowsthatthe4×4AWGischaracterizedbyawidedynamicrange,lowcrosstalk,betterspectrumproperties,andacompactstructure.