[论文解读] Quickest Detection and Identification of Intermittent Signals with Application to Vision Based Aircraft Detection.

Jasmin James, Jason Ford+1 more|arXiv (Cornell University)|Mar 8, 2019

Advanced Statistical Process Monitoring被引用 1

一句话总结

本文提出了一种用于在多个状态间切换的间歇信号的贝叶斯快速检测与识别（ISDI）框架，采用基于后验概率首次进入凸停机区域的停机规则。该方法引入了贪心决策规则，在基于视觉的飞机检测中，将平均检测范围提升了高达9.8%，优于当前最先进的方法。

ABSTRACT

In this paper we consider the problem of detection and identification of an intermittent signal that can (repeatedly) change between multiple states. We pose and solve this quickest intermittent signal detection and identification (ISDI) problem in a Bayesian setting and establish that the optimal solution occurs on first entry of the change posterior into a stopping region characterised by the union of convex sets. We then propose a practical greedy ISDI decision rule and develop some bounds to characterise the performance. Finally, we propose two greedy rules for use in the important above horizon vision based aircraft detection application that are able to improve mean detection ranges by up to 9.8% relative to the state of the art.

研究动机与目标

• 解决在实时场景中检测和识别反复在多个状态间切换的间歇信号的挑战。
• 在贝叶斯框架内建立问题模型，以实现在不确定性下的最优序贯决策。
• 开发兼顾检测速度与准确性的实用决策规则，适用于飞机检测等实际应用。
• 在高于地平线的基于视觉的飞机检测中，将平均检测范围提升至超过当前最先进的水平。
• 提供理论边界，以表征所提出的贪心检测规则的性能。

提出的方法

• 使用具有状态相关似然的贝叶斯序贯框架对间歇信号检测与识别（ISDI）问题进行建模。
• 将停机区域定义为后验概率空间中凸集的并集，当后验概率首次进入该区域时触发检测。
• 提出一种贪心决策规则，通过基于即时后验增益选择动作，近似最优贝叶斯解。
• 利用贝叶斯风险和后验集中度建立性能边界，以评估检测延迟和误检率。
• 设计两种面向视觉飞机检测的应用特定贪心规则，分别优化信号持续性和可见性。
• 将ISDI框架集成到基于视频流的机载目标检测实时处理流水线中。

实验结果

研究问题

• RQ1 在多个状态间快速检测和识别间歇信号的最优贝叶斯策略是什么？
• RQ2 停机规则在后验概率区域中的表征方式如何？
• RQ3 在实际约束下，贪心近似在ISDI框架中的性能极限是什么？
• RQ4 贪心ISDI规则在基于视觉的飞机检测系统中能将检测范围提升多少？
• RQ5 在真实检测场景中，所提出的规则与现有最先进方法相比在定量上表现如何？

主要发现

• 当后验概率进入定义为凸集并集的停机区域时，可实现最快ISDI的最优解。
• 所提出的贪心决策规则在基于视觉的飞机检测中，与最先进方法相比，平均检测范围最高提升了9.8%。
• 理论性能边界表明，在所提出的贪心规则下，检测延迟和误检率均得到有效控制。
• 该框架对信号间歇性具有鲁棒性，并且在频繁状态转换下仍能保持高识别准确性。
• 应用特定的贪心规则在机载目标检测的实时视频处理流水线中被证明是有效的。