[論文レビュー] Roadmap enhanced improvement to the VSIMM tracker via a constrained stochastic context free grammar

Sijia Gao|arXiv (Cornell University)|Jan 1, 2017

Target Tracking and Data Fusion in Sensor Networks参考文献 20被引用数 1

ひとこと要約

本稿では、3段階のモデル（道路網を重み付きグラフとして、経路を順序付き交差点列として、運動パターンを制約付き確率的文脈自由文法（CSCFG）として）を用いて、VSIMMトラッカーを道路網制約付きの標的追跡に向上させるCSCFG駆動型逐次パーティクルフィルタリングアルゴリズムを提案する。本手法は、シミュレーテッドGMTIレーダーデータを用いた実験で、VSIMMおよびHMMベースのトラッカーと比較して顕著な追跡精度の向上を達成した。

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.

研究の動機と目的

• センサ観測を用いて、道路網に従って移動する地上標的に対する追跡精度を向上させること。
• 方向性および名称制約を捉えることができる制約付き確率的文脈自由文法（CSCFG）を用いて、標的の経路をモデリングすること。
• CSCFGに適した多項式時間計算量を持つベイズ信号処理アルゴリズムを考案すること。
• メタレベルの解析とベースレベルのフィルタリングアーキテクチャを用いて、CSCFGをVSIMMトラッカーに統合すること。
• CSCFGモデルを用いて、異常または懸念を要する経路行動を検出すること。

提案手法

• 道路の接続性およびトポロジーを表現するため、有向かつ重み付きグラフとして道路網をモデリングする。
• 道路および交差点の名称を言語的特徴として組み込み、標的の経路を交差点の順序列として表現する。
• マルコフ連鎖およびSCFGを拡張する制約付き確率的文脈自由文法（CSCFG）を用いて、経路生成プロセスを定式化する。
• CSCFGに適した多項式時間計算量を持つベイズ信号処理アルゴリズムを設計し、効率的な推論を可能にする。
• CSCFGのメタレベルパーサーとベースレベルのVSIMMトラッカーを、逐次パーティクルフィルタリングフレームワーク内で統合する。
• 現実的な条件下でトレーニングおよび評価が可能な、シミュレーテッドGMTIレーダー測定値を用いる。

実験結果

リサーチクエスチョン

• RQ1 CSCFGモデルは、方向性および名称制約を有する道路網制約付きの標的経路を効果的に表現できるか？
• RQ2 CSCFGをVSIMMトラッカーに統合することで、ベースラインおよびHMMベースの手法と比較して追跡精度が向上するか？
• RQ3 CSCFGモデルは、グリッド型道路網上で異常または懸念を要する標的行動を検出できるか？
• RQ4 本提案のCSCFG用ベイズ推論アルゴリズムの計算量はどの程度で、スケーラブルか？
• RQ5 CSCFG駆動型トラッカーは、現実的なGMTIレーダー測定ノイズおよび遮蔽条件下でも良好に動作するか？

主な発見

• CSCFG駆動型トラッカーは、シミュレーテッドGMTIレーダー実験において、ベースラインのVSIMMトラッカーと比較して追跡誤差を顕著に低減した。
• CSCFGベースのバイテリ・トラッカーは、グリッド型道路網において、HMMベースのバイテリ・トラッカーを上回る追跡精度を達成した。
• モデルは、懸念を要する意図を示す2件の異常経路を効果的に同定し、レーダー運用者による注目を引きつけた。
• CSCFG用のベイズ信号処理アルゴリズムは多項式時間計算量を達成しており、実用的なリアルタイム応用が可能である。
• 3段階モデリングフレームワーク（道路網グラフ、経路列、CSCFG）は、標的運動の強固で解釈可能な表現を提供した。
• CSCFGとVSIMMを逐次パーティクルフィルタリングを介して統合することで、複雑な運動制約下でも状態推定の精度が向上した。