[논문 리뷰] From Target Tracking to Targeting Track: A Data-Driven Yet Analytical Approach to Joint Target Detection and Tracking

Tiancheng Li, Hongqi Fan외 1명|arXiv (Cornell University)|2021. 04. 20.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 74인용 수 4

한 줄 요약

이 논문은 시간에 대한 다항식 궤적 함수(T-FoT)를 사용하여 공동 목표 탐지 및 연속 시간 궤적 추정을 위한 데이터 기반이지만 분석적인 접근법을 제안한다. 이는 최소한의 사전 지식 하에서도 실시간 추적을 가능하게 한다. 모델 기반 필터보다 정확도와 속도에서 뛰어나며, 동역학이 알려지지 않은 경우, 잡음이 많은 환경, 탐지 확률이 불확실한 경우에도 성능을 유지한다.

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.

연구 동기 및 목표

• 목표의 운동, 출현/소멸, 탐지 확률에 대한 사전 정보가 최소한인 상황에서 실시간 목표 탐지 및 추적을 해결한다.
• 정확한 노이즈 및 동역학 모델링이 필요로 하는 전통적인 마르코프 상태공간 모델의 한계를 극복한다. 특히 비협조 목표에 대해 유용하다.
• 연속 시간 궤적 추정 방법을 개발하여, 피팅된 곡선에서 직접 위치, 속도, 가속도를 추론할 수 있도록 한다.
• 확률적 마르코프 모델에 의존하지 않고, 목표의 출현 및 소멸을 위한 데이터 기반의 초기화 및 종료 전략을 설계한다.
• 모델 기반 필터가 완벽한 모델 지식을 가진 경우에도 성능이 유사하거나 이를 초월하는 고정밀도 및 고효율성을 달성한다.

제안 방법

• 시간에 대한 다항식 궤적 함수(T-FoT)를 사용하여 연속 시간 궤적을 표현함으로써, 이산 상태 추정이 아닌 목표 운동을 모델링한다.
• 각 스캔에서 T-FoT를 최소 제곱법 추정기를 사용해 업데이트하여, 궤적 일관성 기반으로 실제 측정치와 잡음 간을 구분한다.
• 목표의 출현 및 소멸을 사전에 목표의 출현/소멸 이벤트를 알지 못하는 조건에서 탐지할 수 있도록 데이터 기반의 T-FoT 초기화 및 종료 전략을 구현한다.
• 측정치 일관성 평가를 위해 체비셰프 유형 부등식을 기반으로 한 확률적 거리 기준을 적용하여 잡음 경고를 줄인다.
• 상태 전이 노이즈를 제거하고 결정론적 궤적 피팅에 의존함으로써 마르코프 가정을 회피함으로써, 급격한 동작 변화에 대한 강건성을 향상시킨다.
• 피팅된 다항식의 도함수를 통해 궤적의 부드러움과 연속성을 활용하여 속도 및 가속도와 같은 운동 특징을 직접 추론한다.

실험 결과

연구 질문

• RQ1 목표의 운동 및 탐지에 대한 사전 지식이 최소한일 경우, 모델 기반 필터와 비교해 유사하거나 더 뛰어난 성능을 달성할 수 있는가?
• RQ2 마르코프 상태 전이나 확률적 출현/소멸 모델에 의존하지 않고, 목표의 초기화 및 종료를 효과적으로 모델링할 수 있는가?
• RQ3 T-FoT를 통한 연속 시간 궤적 피팅이 이산 시간 상태 추정에 비해 정확도 및 계산 효율성 측면에서 어느 정도 뛰어나게 되는가?
• RQ4 알 수 없는 잡음 비율과 탐지 확률 조건에서도 낮은 잡음 경고 비율을 유지하면서 어떻게 처리하는가?
• RQ5 최소 제곱 추정을 통한 궤적 피팅이 노이즈 통계 정보 없이도 목표의 급격한 동작 변화 및 알 수 없는 외부 입력에 대해 강건성을 확보할 수 있는가?

주요 결과

• 제안된 T-FoT 방법은 베이즈 최적 베르누이 필터가 완벽한 모델 지식을 가진 경우에도 성능이 유사하게 유지된다.
• 일부 시뮬레이션 시나리오에서 T-FoT 방법은 완벽하게 모델링된 베르누이 필터를 초월하며, 특히 모델 불일치에 대한 강건성 측면에서 뛰어나다.
• 재귀 베이지안 업데이트를 피하는 마르코프 자유 분석적 구조 덕분에 전통적 필터보다 훨씬 더 빠른 계산 속도를 기록한다.
• 데이터 기반의 T-FoT 초기화 및 종료 전략은 목표의 출현 및 소멸을 목표의 출현/소멸 이벤트를 사전에 알지 못하는 조건에서도 성공적으로 탐지한다.
• 최소 제곱 추정기는 알 수 없는 잡음 분포 조건에서도 실제 측정치와 잡음을 효과적으로 구분하며 낮은 잡음 경고 비율을 유지한다.
• 이 방법은 피팅된 궤적의 도함수를 통해 속도 및 가속도와 같은 운동 특징을 직접 추론할 수 있어, 이산적 점 추정치에 비해 더 풍부한 통찰을 제공한다.