[논문 리뷰] Roadmap enhanced improvement to the VSIMM tracker via a constrained stochastic context free grammar

Sijia Gao|arXiv (Cornell University)|2017. 01. 01.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 20인용 수 1

한 줄 요약

이 논문은 유량도 기반 제약 조건이 있는 목표물 추적을 위한 VSIMM 트래커를 향상시키기 위해 CSCFG 기반 순차적 입자 필터링 알고리즘을 제안한다. 3단계 모델링을 통해 구현되며, 유량도를 가중치가 부여된 그래프로 표현하고, 궤적은 순서가 지정된 교차로 시퀀스로, 운동 패턴은 제약 조건이 있는 확률적 문맥 자유 문법(CSCFG)으로 모델링한다. 이 방법은 시뮬레이션된 GMTI 레이더 데이터를 사용하여 VSIMM 및 HMM 기반 트래커보다 뚜렷한 추적 정확도 향상을 달성한다.

ABSTRACT

In this thesis, we aim to improve the tracking accuracy for targets that are moving confined to a roadmap given target observations. We build a 3-level model for this roadmap constrained target tracking problem. At the first level, the roadmap is formulated as a directed, weighted graph; at the second level, the target's trajectory is characterized via an ordered sequence of intersections it traverses. The target's roadmap constrained trajectory exploits moving directions and road or intersection names and is modeled via a CSCFG (constrained stochastic context free grammar). CSCFG arises from language processing models and is more general than Markov chains and SCFGs (stochastic context free grammar). Bayesian signal processing algorithms for CSCFGs with polynomial time complexity are also derived; finally, the target's kinematics are described by the baseline VSIMM (variable structure interacting multiple model). Based on the 3-level model, we present a novel CSCFG driven sequential particle filtering algorithm that estimates the target's states. This algorithm comprises a CSCFG meta-level parsing algorithm that operates in conjunction with a base-level VSIMM tracking algorithm. Extensive numerical results using simulated ground moving target indicator (GMTI) radar measurements show substantial improvement in target tracking accuracy compared with VSIMM tracker. To further evaluate the effectiveness of CSCFG, we also illustrate two anomalous trajectories for targets moving on grid roadmap. These trajectories show suspicious intents of targets and cause attention of radar operators. Numerical examples using simulated GMTI radar measurements show that CSCFG based Viterbi tracker can significantly decrease the tracking error compared with HMM (hidden Markov model) Viterbi tracker. Future work include more flexible constructions of the roadmap graph and extensions from CSCFGs to matrix grammars to model more complicated spatio-temporal trajectories.

연구 동기 및 목표

• 센서 관측치를 이용하여 도로망을 따라 이동하는 지상 목표물의 추적 정확도를 향상시키기 위해.
• 방향성 및 이름 제약 조건을 포괄하는 제약 조건이 있는 확률적 문맥 자유 문법(CSCFG)을 사용하여 목표물 궤적을 모델링하기 위해.
• CSCFG에 대해 다항 시간 복잡도를 가지는 베이지안 신호 처리 알고리즘을 개발하기 위해.
• 메타 수준 파싱과 기본 수준 필터링 아키텍처를 통해 CSCFG를 VSIMM 트래커에 통합하기 위해.
• CSCFG 모델을 사용하여 이질적 또는 의심스러운 궤적을 탐지하기 위해.

제안 방법

• 도로 연결성과 지형을 표현하기 위해 유량도를 방향성과 가중치가 부여된 그래프로 모델링하기 위해.
• 도로 및 교차로 이름을 언어적 특징으로 포함하여 목표물 궤적을 교차로의 순서 시퀀스로 표현하기 위해.
• 제약 조건이 있는 확률적 문맥 자유 문법(CSCFG)을 사용하여 궤적 생성 과정을 수식화하여 마르코프 체인 및 SCFG를 초월하기 위해.
• 효율적인 추론을 가능하게 하기 위해 다항 시간 복잡도를 가지는 CSCFG용 베이지안 신호 처리 알고리즘 설계하기 위해.
• 순차적 입자 필터링 프레임워크 내에서 CSCFG 메타 수준 파서를 기본 수준의 VSIMM 트래커와 통합하기 위해.
• 실제 조건을 반영하기 위해 시뮬레이션된 GMTI 레이더 측정치를 사용하여 트래커를 훈련 및 평가하기 위해.

실험 결과

연구 질문

• RQ1 CSCFG 모델은 방향성 및 이름 제약 조건을 고려하여 유량도 기반 제약 조건이 있는 목표물 궤적을 효과적으로 표현할 수 있는가?
• RQ2 CSCFG를 VSIMM 트래커에 통합함으로써 기준 및 HMM 기반 방법에 비해 추적 정확도가 향상되는가?
• RQ3 CSCFG 모델은 격자형 유량도에서 이질적 또는 의심스러운 목표물 행동을 탐지할 수 있는가?
• RQ4 제안된 CSCFG용 베이지안 추론 알고리즘의 계산 복잡도는 얼마이며, 확장 가능한가?
• RQ5 CSCFG 기반 트래커는 실제 GMTI 레이더 측정 노이즈 및 가림 현상 조건에서 어떻게 성능을 발휘하는가?

주요 결과

• 시뮬레이션된 GMTI 레이더 실험에서 기준 VSIMM 트래커에 비해 CSCFG 기반 트래커가 추적 오차를 크게 감소시켰다.
• CSCFG 기반 비터비 트래커는 격자형 유량도에서 HMM 기반 비터비 트래커보다 추적 정확도에서 뛰어난 성능을 보였다.
• 모델은 의심스러운 의도를 암시하는 두 개의 이질적 궤적을 성공적으로 탐지하여 레이더 운영자 주의를 환기시켰다.
• CSCFG용 베이지안 신호 처리 알고리즘은 다항 시간 복잡도를 달성하여 실시간 적용에 실용적일 수 있었다.
• 유량도 그래프, 궤적 시퀀스, CSCFG로 구성된 3단계 모델링 프레임워크는 목표물 운동의 강력하고 해석 가능한 표현을 제공하였다.
• 순차적 입자 필터링을 통한 CSCFG와 VSIMM의 통합은 복잡한 운동 제약 조건 하에서도 상태 추정 정확도를 향상시켰다.