简介:指挥控制任务共同体(C2COI)是指在网络中心作战环境下,由分布在网上的各种指挥控制实体组成,为完成共同的作战任务和使命动态组成的临时性组织或团体。面对作战任务的突发性和战场态势的复杂性、多变性,不仅要求C2COI的参战力量能够灵活编组,还要求各被控对象的指挥控制系统也能进行自适应重构,并迅速投入运行。文中提出一种计划驱动的C2COI动态重构机制——C2COI系统保障计划(C2SSP),建立了C2SSP概念模型、描述模型,并给出基于C2SSP实现C2COI的动态重构机制。
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。