[論文レビュー] From Target Tracking to Targeting Track: A Data-Driven Yet Analytical Approach to Joint Target Detection and Tracking

Tiancheng Li, Hongqi Fan+1 more|arXiv (Cornell University)|Apr 20, 2021

Target Tracking and Data Fusion in Sensor Networks参考文献 74被引用数 4

ひとこと要約

本論文は、時間の多項式軌道関数（T-FoT）を用いたデータ駆動型でありながら分析的なアプローチを提案し、最小限の事前知識のもとでリアルタイムの共同ターゲット検出と連続時刻の軌道推定を実現する。未知の運動特性、ゴミダミング、検出確率が存在する状況でも、モデルベースのフィルターよりも精度と速度に優れる。

ABSTRACT

This paper addresses the problem of real-time detection and tracking of a non-cooperative target in the challenging scenario with almost no a-priori information about target birth, death, dynamics and detection probability. Furthermore, there are false and missing data at an unknown yet low rate in the measurements. The only information given in advance is about the target-measurement model and the constraint that there is no more than one target in the scenario. To solve these challenges, we model the movement of the target by using a polynomial trajectory function of time (T-FoT), which aims to estimate the continuous-time trajectory of the target rather than a series of discrete-time point estimates as is done in most existing filters/trackers. Data-driven T-FoT initiation and termination strategies are proposed for identifying the (re-)appearance and disappearance of the target. During the existence of the target, real target measurements are distinguished from clutter if the target indeed exists and is detected, in order to update the T-FoT at each scan for which we design a least-squares estimator. Overall, our approach is Markov-free, data-driven yet analytical. Simulations using either linear or nonlinear systems are conducted to demonstrate the effectiveness of our approach in comparison with the Bayes optimal Bernoulli filters. The results show that our approach is comparable to the perfectly modeled filters, even outperforms them in some cases while requiring much less a-priori information and computing much faster.

研究の動機と目的

• ターゲットの運動特性、出現・消滅、検出確率に関する事前情報が最小限の状況において、リアルタイムのターゲット検出と追跡を実現すること。
• 特に非協力的ターゲットに対して正確なノイズおよび運動モデルが要求される、従来のマルコフ型状態空間モデルの限界を克服すること。
• 連続時刻の軌道推定法を構築し、適合曲線から直接位置、速度、加速度を推定できるようにすること。
• 確率的マルコフモデルに依存しない、データ駆動型のターゲット出現・消滅の開始および終了戦略を設計すること。
• モデルベースのフィルターよりも高い精度と計算効率を達成すること。特に、それらのフィルタが完全なモデル知識を持つ場合でも同等以上に性能を発揮すること。

提案手法

• 時間の多項式軌道関数（T-FoT）を用いてターゲット運動をモデル化し、離散的状態推定ではなく連続的時刻の軌道を表現すること。
• 各スキャンで最小二乗推定器を用いてT-FoTを更新し、軌道の整合性に基づいて実測定値とゴミダミングを区別すること。
• ターゲットの出現・消滅を、出生/死滅イベントの事前知識に依存しないデータ駆動型T-FoTの開始および終了戦略を実装すること。
• チェビシェフ型不等式を用いた確率的距離バインドを適用し、測定値の整合性を評価し、誤検出を低減すること。
• 状態遷移ノイズを排除し、決定論的軌道適合に依存することでマルコフ仮定を回避し、急な動きへのロバスト性を高めること。
• 適合した多項式の微分から得られる軌道の滑らかさと連続性を活用し、速度や加速度などの運動特徴を直接推定すること。

実験結果

リサーチクエスチョン

• RQ1 ターゲットの運動特性や検出に関する事前知識が最小限の状況でも、モデルベースのフィルタと同等またはそれ以上の性能を達成できるか？
• RQ2 マルコフ型状態遷移や確率的出生/死滅モデルに依存せずに、ターゲットの開始および終了を効果的にモデル化できるか？
• RQ3 T-FoTによる連続時刻の軌道適合は、離散的時刻の状態推定に比べて、精度と計算効率の面でどの程度優れているか？
• RQ4 未知のゴミダミング率と検出確率を扱いながらも、低誤検出率を維持できるか？
• RQ5 最小二乗推定を用いた軌道適合は、ノイズ統計が不明な状況でも、ターゲットの急な動きや未知の入力に対して十分なロバスト性を示せるか？

主な発見

• 提案されたT-FoTアプローチは、ベイズ最適なベルヌーイフィルタでさえ、完全なモデル知識がある状況でも、同等の性能を達成している。
• 一部のシミュレーション状況では、T-FoT法は完全にモデル化されたベルヌーイフィルタを上回っており、特にモデル不一致に対するロバスト性の面で優れている。
• 再帰的ベイズ更新を回避するマルコフフリーで分析的な構造のおかげで、従来のフィルターよりも著しく高速に計算が可能である。
• データ駆動型T-FoTの開始および終了戦略は、ターゲットの出生・死滅イベントの事前知識がなくても、出現および消滅を効果的に検出している。
• 最小二乗推定器は、未知のゴミダミング分布下でも、実測定値とゴミダミングを効果的に区別でき、低誤検出率を維持している。
• 本手法により、適合した多項式の微分から得られる軌道の性質を直接利用し、位置・速度・加速度などの運動特徴を直接推定でき、離散的点推定よりも豊かなインサイトを提供している。