[论文解读] Optimal Subpattern Assignment Metric for Multiple Tracks (OSPAMT Metric)

Tuyet Vu, Robin J. Evans|arXiv (Cornell University)|Aug 7, 2018

Target Tracking and Data Fusion in Sensor Networks参考文献 18被引用 3

一句话总结

本文提出了多目标跟踪（MTT）的最优子模式分配度量（OSPAMT），这是一种新颖的度量方法，通过测量跟踪集合之间的距离来评估MTT性能，同时考虑虚假跟踪、漏检跟踪以及多对一分配等问题，从而克服了现有度量方法（如OSPA和OSPAT）的局限性。OSPAMT度量通过可调参数c、Δ和p实现最优跟踪到跟踪的分配，提供更准确、更全面的MTT算法性能评估。

ABSTRACT

In this paper, we propose a new metric which measures the distance between two finite sets of tracks (a track is a path of either a real or estimated target). This metric is based on the same principle as the Optimal Subpattern Assignment (OSPA) metric devised by Schuhmacher et al. Importantly however, the new metric measures the distance between two finite sets of tracks whereas the OSPA metric measures the distance between two finite sets of target states. By also considering the properties of false tracks, missed tracks and many tracks assigned to one track situations caused by missed detections and false alarms, the minimization of all distances between tracks across two finite sets of tracks employed by the new OSPAMT metric enables performance evaluation of multi-target tracking (MTT) algorithms in a more comprehensive and accurate manner than existing metrics such as the OSPA metric and the enhanced OSPAT metric introduced by Ristic et al which measures the distance between two finite sets of labeled target states.

研究动机与目标

• 为解决现有MTT评估度量方法（如OSPA和OSPAT）的局限性，这些方法未能正确处理虚假跟踪、漏检跟踪及跟踪分配模糊性问题。
• 开发一种度量方法，用于评估真实跟踪集合与估计跟踪集合之间的距离，而非目标状态集合之间的距离，以更好地反映现实世界MTT挑战。
• 将基数误差、定位误差以及分配模糊性（如一个真实跟踪对应多个估计跟踪）整合到单一、一致的度量中。
• 通过避免依赖任意目标标签分配来确保度量满足数学性质（如三角不等式），从而防止距离度量的扭曲。
• 提供一个灵活的参数化框架（含c、Δ、p），允许根据应用需求调整参数，例如优先考虑基数准确性或定位精度。

提出的方法

• OSPAMT度量通过计算真实跟踪集合与估计跟踪集合之间的最优子模式分配，最小化空间距离与基数相关距离的总和。
• 引入截断参数c，对两组跟踪之间的基数不匹配进行惩罚，类似于OSPA度量，但该惩罚作用于跟踪层级而非状态层级。
• 引入参数Δ，用于惩罚多对一或一对多的跟踪分配，即多个估计跟踪被分配给一个真实跟踪，或反之。
• 通过考虑目标状态序列之间的Hausdorff类似距离，并对所有已分配的跟踪对使用p-范数聚合，计算跟踪之间的距离。
• 通过组合优化方法寻找最优分配，最小化总距离，确保一致性并避免依赖标签导致的偏差。
• 该度量设计为对跟踪标签不变，通过避免在距离计算中依赖目标标签，防止了OSPAT度量中固有的三角不等式违反问题。

实验结果

研究问题

• RQ1 如何设计一种度量方法，通过测量跟踪集合之间的距离而非目标状态集合之间的距离，来评估多目标跟踪性能？
• RQ2 MTT中的关键错误机制（如虚假跟踪、漏检跟踪及多对一分配）为何是现有度量方法未能捕捉的？
• RQ3 能否构建一种度量方法，在保持数学严谨性（如三角不等式）的同时，考虑跟踪层级的误差，包括基数不匹配和分配模糊性？
• RQ4 OSPAMT度量中的参数c、Δ和p如何影响分配与距离结果？在不同MTT应用场景中应如何选择这些参数？
• RQ5 在存在虚假跟踪、漏检跟踪及非均匀跟踪长度的场景下，OSPAMT度量相较于OSPA和OSPAT的性能优势有多大？

主要发现

• 在存在虚假跟踪或漏检跟踪的场景中，OSPAMT度量产生的距离高于OSPA和OSPAT，正确反映了因基数不匹配导致的误差增加。
• 在跟踪准确的时段（无漏检或虚假跟踪），OSPA、OSPAT和OSPAMT三者产生完全相同的结果，验证了理想条件下的一致性。
• 在t=7至t=13期间，OSPAMT度量表现出高于OSPA和OSPAT的基数误差，但定位误差更低，展示了其区分不同类型误差的能力。
• 在t=26至t=41期间，由于多对一分配的存在，OSPAMT表现出更高的定位误差和基数误差，这正是通过Δ参数显式惩罚的结果。
• OSPAMT度量成功区分了虚假跟踪与漏检跟踪，而OSPA和OSPAT则将所有状态级误差一视同仁处理，导致性能评估不够准确。
• 采用跟踪层级分配而非状态层级分配，确保了度量的标签无关性，避免了OSPAT度量中固有的三角不等式违反问题。