[論文レビュー] Extended target Poisson multi-Bernoulli mixture trackers based on sets of trajectories

Yuxuan Xia, Karl Granström+3 more|arXiv (Cornell University)|Nov 19, 2019

Target Tracking and Data Fusion in Sensor Networks参考文献 30被引用数 4

ひとこと要約

本稿では、軌跡の集合に対するポisson多ベルヌーイ混合（PMBM）分布に基づく2つの拡張型ターゲット追跡フィルタを提案する。これにより、明示的なトラック連続性と閉形式の予測/更新再帰式が実現される。本手法は、ラベル付きGLMBフィルタと比較して、精度と計算効率の両面で優れた性能を発揮し、トラック切り替えがほとんどなく、処理時間は33倍高速化される。

ABSTRACT

The Poisson multi-Bernoulli mixture (PMBM) is a multi-target distribution for which the prediction and update are closed. By applying the random finite set (RFS) framework to multi-target tracking with sets of trajectories as the variable of interest, the PMBM trackers can efficiently estimate the set of target trajectories. This paper derives two trajectory RFS filters for extended target tracking, called extended target PMBM trackers. Compared to the extended target PMBM filter based on sets on targets, explicit track continuity between time steps is provided in the extended target PMBM trackers.

研究の動機と目的

• 標準のPMBMフィルタが拡張型ターゲット追跡において明示的なトラック連続性を欠いているという問題に対処すること。
• PMBMフレームワークをターゲットの集合から軌跡の集合へ拡張し、時間ステップに跨る一貫性のある軌道推定を保証すること。
• 軌跡RFS上での拡張型ターゲットPMBMフィルタの閉形式予測および更新方程式を導出すること。
• 精度、トラック連続性、計算コストの観点から、提案されたトラッカーの性能をラベル付きGLMBフィルタと比較すること。
• PMBMに基づく軌跡フィルタリングが、拡張型ターゲット追跡においてGLMBよりもより効率的なパrameterizationを提供することを示すこと。

提案手法

• マルチターゲット追跡を、各軌跡が時間経過に伴うターゲットの完全な経路を表す、軌跡の確率的有限集合（RFS）として定式化する。
• 軌跡RFSにPMBM共役事前分布を適用し、未検出ターゲットにはポアソンRFS、検出済みターゲットには多ベルヌーイ混合を組み合わせる。
• 軌跡集合上のPMBM密度の閉形式予測および更新方程式を導出する。拡張型ターゲットの拡大と運動特性には、ガンマ・ガウス逆ウィッシャー（GGIW）モデルを用いる。
• 最高重みを持つMB成分を選択し、存在確率が0.5を超える軌跡を保持することで、軌跡抽出を実装する。
• 性能評価のためのベースメトリクスとしてガウス・ワッサーシュタイン距離（GWD）を用い、位置/拡大誤差のカットオフとトラック切り替えコストを統合した軌跡メトリクスを構築する。
• 100回のモンテカルロシミュレーションを用いて追跡性能を評価し、誤差指標と処理時間を含む。

実験結果

リサーチクエスチョン

• RQ1 PMBMフィルタは、閉形式の再帰式を維持したまま、軌跡の集合上で動作するように拡張可能か？
• RQ2 困難な状況下でも、軌跡ベースのPMBMフィルタリングは、ラベル付きGLMBフィルターよりも優れたトラック連続性を提供するか？
• RQ3 拡張型ターゲット追跡において、軌跡PMBMトラッカーの計算複雑度は、ラベル付きGLMBフィルターよりも低いのか？
• RQ4 PMBMトラッカーは、GLMBフィルターよりもどれほどトラック切り替え誤差を低減するか？
• RQ5 既存の手法と比較して、軌跡PMBMトラッカーは、フィルタリング性能と処理時間の両面でより効率的か？

主な発見

• 拡張型ターゲットPMBMトラッカーは、δ-GLMBフィルターよりも軌道推定誤差が低く、合計誤差と誤検出誤差が顕著に小さい。
• トラック切り替え誤差がほとんどないため、時間ステップに跨る安定的かつ一貫性のある軌道推定が実現されている。
• PMBMトラッカーの処理時間は1シーケンスあたり45秒であり、GLMBフィルタの1502秒と比較して33倍高速化された。
• PMBMトラッカーは、直接的に軌跡をモデル化することで明示的なトラック連続性を維持しており、ラベル付きフィルタで一般的に見られるラベル切り替え問題を回避している。
• GGIW-PMBM定式化により、δ-GLMBよりも少ないグローバル仮説で効率的なパrameterizationが可能となり、性能向上と計算コスト低減に寄与している。
• シミュレーション結果から、PMBMに基づく軌跡フィルタが、拡張型ターゲット追跡において、最先端のδ-GLMBフィルターよりもより正確かつ計算的に効率的であることが確認された。