[論文レビュー] Hybrid Poisson and multi-Bernoulli filters

Jason Williams|arXiv (Cornell University)|Mar 14, 2012

Target Tracking and Data Fusion in Sensor Networks参考文献 8被引用数 53

ひとこと要約

本稿では、未検出のターゲットを表すポアソン成分を維持し、低存在確率のベルヌーイトラックをこの成分に再利用することで、トラック開始の高速化を実現するハイブリッドポアソン-マルチベルヌーイフィルタを提案する。この手法により、トラッキング性能を維持したまま、アクティブなトラック数を最大90%まで削減可能であり、ベイズRFSフィルタの自然な構造を活用するとともに、効率的な成分再利用によって計算コストを最小限に抑える。

ABSTRACT

The probability hypothesis density (PHD) and multi-target multi-Bernoulli (MeMBer) filters are two leading algorithms that have emerged from random finite sets (RFS). In this paper we study a method which combines these two approaches. Our work is motivated by a sister paper, which proves that the full Bayes RFS filter naturally incorporates a Poisson component representing targets that have never been detected, and a linear combination of multi-Bernoulli components representing targets under track. Here we demonstrate the benefit (in speed of track initiation) that maintenance of a Poisson component of undetected targets provides. Subsequently, we propose a method of recycling, which projects Bernoulli components with a low probability of existence onto the Poisson component (as opposed to deleting them). We show that this allows us to achieve similar tracking performance using a fraction of the number of Bernoulli components (i.e., tracks).

研究の動機と目的

• 未検出のターゲットに対して、ベイズRFSフィルタに内在する自然なポアソン成分を活用することで、マルチターゲットトラッキングにおけるトラック開始性能の向上を図ること。
• トラッキング精度を損なわずに、アクティブなベルヌーイトラックの数を最小限に抑えることで、計算コストを低減すること。
• 低存在確率ベルヌーイ成分をポアソン成分に再利用する原理的かつ整合性のある手法の開発。
• 粗いグリッド表現ですら、低解像度であるにもかかわらず高い性能を維持できることを示すこと。
• マルチベルヌーイ成分をポアソン成分で近似することによって生じる歪みについて、理論的裏付けを与えること。

提案手法

• フィルタは、未検出ターゲットを表すポアソン成分と、追跡中のターゲットを表すマルチベルヌーイ成分を、RFSフレームワークに基づいて維持する。
• 再利用メカニズムにより、存在確率が低いベルヌーイ成分がポアソン成分に統合され、アクティブなトラック数が削減される。
• グリッドベースの離散化を用いてポアソン強度を表現することで、計算を効率化する。
• 理論的分析により、真の分布と近似分布のカルバック・ライブラー発散の上限を導出し、再利用の存在確率閾値の選定を支援する。
• 均一かつ定常なシナリオと、動的な視野変化を伴うアジールセンサ環境の両方で、手法の妥当性を検証した。
• ハイブリッド近似が可能であり、ガウス混合成分は、分散が十分に大きくなるまでグリッドベースのポアソン表現に置き換えられないまま保持される。

実験結果

リサーチクエスチョン

• RQ1 未検出ターゲットにポアソン成分を維持することで、マルチターゲットトラッキングにおけるトラック開始性能を向上させることができるか？
• RQ2 低存在確率ベルヌーイ成分をポアソン成分に再利用する最適な閾値は何か？
• RQ3 ポアソン近似によって生じる歪みはトラッキング精度にどのように影響するか？また、その歪みは境界を定められるか？
• RQ4 ポアソン成分の粗いグリッド表現でも、細粒度またはサンプルベースの手法と同等の性能を維持できるか？
• RQ5 ハイブリッドポアソン-マルチベルヌーイフィルタは、従来のMeMBerフィルターよりもはるかに少ないアクティブなトラック数で優れた性能を達成できるか？

主な発見

• ハイブリッドポアソン-マルチベルヌーイフィルタは、未検出ターゲットに自然なポアソン成分を活用することで、優れたトラック開始性能を達成する。
• 低存在確率ベルヌーイ成分をポアソン成分に再利用することで、アクティブなトラック数を最大90%まで削減しながら、トラッキング精度を維持できる。
• 粗いグリッド離散化に対してもロバストである—例として、測定分散が1の状況で解像度4であっても、離散化レベルに敏感でないことが示された。
• 理論的分析により、ポアソン近似によって生じるKL発散は部分加法的であることが示され、再利用のための原理的閾値選定が可能になった。
• センサ精度よりも数倍粗い解像度のグリッドベースポアソン表現ですら、非常に低いトラック削除閾値を用いたシステムと同等の性能を達成できる。
• RFSフレームワークに裏付けられた本手法は、ヒューリスティック手法に比べて整合性があり、完全なベイズフィルタリング原理に準拠している。