[论文解读] Labelled OSPA metric for fixed and known number of targets

Ángel F. García‐Fernández, Mark R. Morelande+1 more|arXiv (Cornell University)|Apr 11, 2014

Spectroscopy and Chemometric Analyses被引用 1

一句话总结

本文在目标数量固定且已知的假设下，提出了一种基于向量的标记Oscillating Posterior Accuracy（LOSPA）度量的公式化方法。通过在状态向量的排序中隐式嵌入目标标签，作者推导出一种保持原始LOSPA度量特性的度量方法，同时在贝叶斯滤波框架中实现高效计算。主要贡献是使用向量表示法，以数学上严格的方式表达LOSPA距离，已证明其满足度量公理，包括三角不等式。

ABSTRACT

The evaluation of multiple target tracking algorithms with labelled sets can be done using the labelled optimal subpattern assignment (LOSPA) metric. In this paper, we provide the expression of the same metric for fixed and known number of targets when vector notation is used.

研究动机与目标

• 为在固定目标数量下使用向量表示法时，解决缺乏适用于标记多目标跟踪的度量问题。
• 弥合基于集合的LOSPA与基于向量的多目标状态表示之间的差距。
• 在向量表示法下提供一个数学上有效的度量，同时保持原始LOSPA度量的特性。
• 使该方法能够在依赖向量状态表示的贝叶斯滤波与跟踪算法中实现实际应用。

提出的方法

• 将多目标状态表示为向量 Xk ∈ ℝ^{t×nₓ}，其中标签通过分量排序隐式编码。
• 通过 [1,…,t]T 的排列 φi 定义 LOSPA 距离，以对齐两个向量 Ak 和 Bk 之间的分量。
• 将度量公式化为 d(Ak, Bk) = (1/t × minᵢ Σⱼ [b(akⱼ, bk_{φi,j})^p + α^p δ[j−φi,j]] )^{1/p}，其中 b 为状态度量，δ 为克罗内克δ函数的补集。
• 通过基于排列的最小化和闵可夫斯基不等式，证明该度量满足同一性、对称性和三角不等式。
• 通过证明在标签双射下该向量度量与原始集合度量的值完全一致，建立两者之间的等价性。

实验结果

研究问题

• RQ1 当目标数量固定且已知时，如何使用向量表示法重新表述标记LOSPA度量？
• RQ2 在该公式化下，基于向量的LOSPA度量是否保持度量公理——同一性、对称性和三角不等式？
• RQ3 当标签通过排序隐式排列时，基于向量的LOSPA是否与原始基于集合的LOSPA等价？
• RQ4 标签错分配对度量值有何影响？该影响如何被惩罚？

主要发现

• 所提出的基于向量的LOSPA度量严格满足所有度量公理，包括三角不等式，其证明基于排列最小化和闵可夫斯基不等式。
• 当 α = 0 时，该度量退化为无标签惩罚的标准OSPA，确认其与无标记情况的一致性。
• 在目标数量固定的情况下，基于向量的LOSPA在标签双射下与原始基于集合的LOSPA在数学上等价。
• 该度量通过 δ[j−φi,j] 项对错误的标签分配（即错误排序）进行惩罚，且 α 越大，对标签错误的敏感度越高。
• 在包含三个一维目标的示例中，即使估计的状态位置完全相同但标签分配不同，OSPA值仍保持相同（0.1），但该度量能根据标签对齐情况对结果进行区分。