JP3411485B2 - 目標追尾装置 - Google Patents
目標追尾装置Info
- Publication number
- JP3411485B2 JP3411485B2 JP27293997A JP27293997A JP3411485B2 JP 3411485 B2 JP3411485 B2 JP 3411485B2 JP 27293997 A JP27293997 A JP 27293997A JP 27293997 A JP27293997 A JP 27293997A JP 3411485 B2 JP3411485 B2 JP 3411485B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- motion
- target
- motion model
- observation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Description
【０００１】
【発明の属する技術分野】この発明は、目標及び目標以
外のクラッタ等からの信号検出結果及び信号分析結果か
ら目標の位置や速度などの運動諸元、目標個体もしくは
グループに共通の属性などの真値を推定することにより
目標を追尾する目標追尾装置に関するものである。
外のクラッタ等からの信号検出結果及び信号分析結果か
ら目標の位置や速度などの運動諸元、目標個体もしくは
グループに共通の属性などの真値を推定することにより
目標を追尾する目標追尾装置に関するものである。
【０００２】
【従来の技術】図８は例えば特開平１−２９７８６号公
報に示された複数個の運動モデルを有する場合の目標追
尾装置を示す構成図である。図８において、１は観測雑
音を含んだ目標位置情報を観測する目標位置観測装置
で、追尾目標及び追尾目標以外のクラッタからの位置デ
ータを観測する。２は追尾目標の運動諸元の確率分布よ
り追尾目標と相関の可能性のある観測データを選択する
運動データ相関器、８は複数個の運動モデル各々に対し
て観測誤差を評価するための運動モデル毎の観測誤差評
価器、１０は目標運動諸元の平滑値算出に使用するカル
マンゲイン行列算出のためのゲイン行列算出器、１１は
目標運動諸元の平滑値を算出する平滑器、１２は複数個
の運動モデル各々について現時点より１サンプリング後
の目標運動諸元の予測値を算出する運動モデル毎の予測
値算出器、１３は第２の遅延回路、１４は第６の遅延回
路、１５は第３の遅延回路、１６は複数個の運動モデル
各々の平滑値と真値の差である平滑誤差を評価する運動
モデル毎の平滑誤差評価器、１７は複数個の運動モデル
各々の予測値と真値の差である予測誤差を評価する運動
モデル毎の予測誤差評価器、１８は第４の遅延回路、２
２は目標運動諸元の現時点より１サンプリング後の値を
予測する予測値算出器、２３は第５の遅延回路、２４は
追尾目標の運動諸元の確率分布を算出する運動データ相
関諸元算出器、２５は複数個の運動モデル各々の信頼度
を算出するための各運動モデルの信頼度算出器である。
報に示された複数個の運動モデルを有する場合の目標追
尾装置を示す構成図である。図８において、１は観測雑
音を含んだ目標位置情報を観測する目標位置観測装置
で、追尾目標及び追尾目標以外のクラッタからの位置デ
ータを観測する。２は追尾目標の運動諸元の確率分布よ
り追尾目標と相関の可能性のある観測データを選択する
運動データ相関器、８は複数個の運動モデル各々に対し
て観測誤差を評価するための運動モデル毎の観測誤差評
価器、１０は目標運動諸元の平滑値算出に使用するカル
マンゲイン行列算出のためのゲイン行列算出器、１１は
目標運動諸元の平滑値を算出する平滑器、１２は複数個
の運動モデル各々について現時点より１サンプリング後
の目標運動諸元の予測値を算出する運動モデル毎の予測
値算出器、１３は第２の遅延回路、１４は第６の遅延回
路、１５は第３の遅延回路、１６は複数個の運動モデル
各々の平滑値と真値の差である平滑誤差を評価する運動
モデル毎の平滑誤差評価器、１７は複数個の運動モデル
各々の予測値と真値の差である予測誤差を評価する運動
モデル毎の予測誤差評価器、１８は第４の遅延回路、２
２は目標運動諸元の現時点より１サンプリング後の値を
予測する予測値算出器、２３は第５の遅延回路、２４は
追尾目標の運動諸元の確率分布を算出する運動データ相
関諸元算出器、２５は複数個の運動モデル各々の信頼度
を算出するための各運動モデルの信頼度算出器である。
【０００３】複数個の運動モデルを有する従来の目標追
尾装置は上記のように構成され、例えば固定直交座標を
使用し、等速直線運動モデルにサンプリング時刻によら
ない定数加速度ベクトルが負荷されたモデルを複数の異
なった加速度レベル毎に有する場合が複数の運動モデル
として使用されていた。目標位置観測装置１では、極座
標で観測雑音を含んだ目標位置情報を観測し、観測結果
を直交座標に変換する。運動データ相関器２では、運動
データ相関諸元算出器２４より入力される追尾目標の運
動諸元の確率分布から追尾目標と相関の可能性のある観
測データを選出する。
尾装置は上記のように構成され、例えば固定直交座標を
使用し、等速直線運動モデルにサンプリング時刻によら
ない定数加速度ベクトルが負荷されたモデルを複数の異
なった加速度レベル毎に有する場合が複数の運動モデル
として使用されていた。目標位置観測装置１では、極座
標で観測雑音を含んだ目標位置情報を観測し、観測結果
を直交座標に変換する。運動データ相関器２では、運動
データ相関諸元算出器２４より入力される追尾目標の運
動諸元の確率分布から追尾目標と相関の可能性のある観
測データを選出する。
【０００４】運動モデル毎の観測誤差評価器８では、運
動モデル毎の予測値算出器１２より得られる現時点より
１サンプリング前に算出した運動モデル毎の予測ベクト
ルを第２の遅延回路１３を通して入力し、目標位置予測
ベクトルを算出し、運動モデル毎の予測誤差評価器１７
より得られる現時点より１サンプリング前に算出した運
動モデル毎の予測誤差共分散行列を第４の遅延回路１８
を通し入力し、運動モデル毎の予測位置誤差の共分散行
列を算出し、これとあらかじめ設定してある観測モデル
より得られる観測雑音の共分散行列より目標位置観測ベ
クトルと運動モデル毎の目標位置予測ベクトルの差の共
分散行列を算出し、目標位置観測装置１より入力される
位置観測ベクトルと複数個の運動モデル各々との合致度
である観測誤差の評価値を算出する。
動モデル毎の予測値算出器１２より得られる現時点より
１サンプリング前に算出した運動モデル毎の予測ベクト
ルを第２の遅延回路１３を通して入力し、目標位置予測
ベクトルを算出し、運動モデル毎の予測誤差評価器１７
より得られる現時点より１サンプリング前に算出した運
動モデル毎の予測誤差共分散行列を第４の遅延回路１８
を通し入力し、運動モデル毎の予測位置誤差の共分散行
列を算出し、これとあらかじめ設定してある観測モデル
より得られる観測雑音の共分散行列より目標位置観測ベ
クトルと運動モデル毎の目標位置予測ベクトルの差の共
分散行列を算出し、目標位置観測装置１より入力される
位置観測ベクトルと複数個の運動モデル各々との合致度
である観測誤差の評価値を算出する。
【０００５】各運動モデルの信頼度算出器２５では、現
時点より１サンプリング前に算出した複数個の運動モデ
ル各々の信頼度を第３の遅延回路１５を通して入力し、
これとあらかじめ設定された運動モデルの推移確率よ
り、観測ベクトルが得られない時点での各運動モデルの
信頼度を算出し、この信頼度に観測ベクトルと各運動モ
デルとの合致度である運動モデル毎の観測誤差評価器８
より入力される観測誤差の評価値を重みづけし、観測ベ
クトルが得られた時点での複数個の運動モデル各々の信
頼度を算出する。
時点より１サンプリング前に算出した複数個の運動モデ
ル各々の信頼度を第３の遅延回路１５を通して入力し、
これとあらかじめ設定された運動モデルの推移確率よ
り、観測ベクトルが得られない時点での各運動モデルの
信頼度を算出し、この信頼度に観測ベクトルと各運動モ
デルとの合致度である運動モデル毎の観測誤差評価器８
より入力される観測誤差の評価値を重みづけし、観測ベ
クトルが得られた時点での複数個の運動モデル各々の信
頼度を算出する。
【０００６】ゲイン行列算出器１０では、あらかじめ設
定してある観測モデルより得られる観測雑音共分散行列
及び１サンプリング前に算出しておいた運動モデル毎の
予測誤差評価器１７より第４の遅延回路１８を通して入
力される運動モデル毎の予測誤差共分散行列により平滑
ベクトルの算出に使用するゲイン行列を算出する。平滑
器１１では、現時点より１サンプリング前に算出してお
いた平滑ベクトルを第６の遅延回路１４を通し入力し、
等速直線運動予測ベクトルを算出し、各運動モデルの信
頼度算出器２５より得られる各運動モデルの信頼度とあ
らかじめ設定された複数個の運動モデルを構成している
定数加速度ベクトルより目標の加速度を推定し、この値
が予測に影響する項を算出し、これらと目標位置観測装
置１より得られる位置観測ベクトルに対し、平滑ベクト
ル算出において観測ベクトルが寄与する度合いを決定す
るゲイン行列算出器１０より得られるゲイン行列を適用
し、平滑ベクトルを算出する。
定してある観測モデルより得られる観測雑音共分散行列
及び１サンプリング前に算出しておいた運動モデル毎の
予測誤差評価器１７より第４の遅延回路１８を通して入
力される運動モデル毎の予測誤差共分散行列により平滑
ベクトルの算出に使用するゲイン行列を算出する。平滑
器１１では、現時点より１サンプリング前に算出してお
いた平滑ベクトルを第６の遅延回路１４を通し入力し、
等速直線運動予測ベクトルを算出し、各運動モデルの信
頼度算出器２５より得られる各運動モデルの信頼度とあ
らかじめ設定された複数個の運動モデルを構成している
定数加速度ベクトルより目標の加速度を推定し、この値
が予測に影響する項を算出し、これらと目標位置観測装
置１より得られる位置観測ベクトルに対し、平滑ベクト
ル算出において観測ベクトルが寄与する度合いを決定す
るゲイン行列算出器１０より得られるゲイン行列を適用
し、平滑ベクトルを算出する。
【０００７】運動モデル毎の予測値算出器１２では、平
滑器１１で算出した平滑ベクトルより等速直線運動予測
を算出し、あらかじめ設定された複数個の運動モデルを
構成する定加速度ベクトルが予測に影響する項を算出
し、現時点より１サンプリング後の複数個の運動モデル
毎の予測ベクトルを算出する。運動モデル毎の平滑誤差
評価器１６では、１サンプリング前に算出しておいた運
動モデル毎の予測誤差共分散行列を運動モデル毎の予測
誤差評価器１７より第４の遅延回路１８を通して入力
し、ゲイン行列算出器１０より得られるゲイン行列とに
より、運動モデル毎の平滑ベクトルの平滑誤差の評価値
である複数個の運動モデル毎の平滑誤差共分散行列を算
出する。
滑器１１で算出した平滑ベクトルより等速直線運動予測
を算出し、あらかじめ設定された複数個の運動モデルを
構成する定加速度ベクトルが予測に影響する項を算出
し、現時点より１サンプリング後の複数個の運動モデル
毎の予測ベクトルを算出する。運動モデル毎の平滑誤差
評価器１６では、１サンプリング前に算出しておいた運
動モデル毎の予測誤差共分散行列を運動モデル毎の予測
誤差評価器１７より第４の遅延回路１８を通して入力
し、ゲイン行列算出器１０より得られるゲイン行列とに
より、運動モデル毎の平滑ベクトルの平滑誤差の評価値
である複数個の運動モデル毎の平滑誤差共分散行列を算
出する。
【０００８】運動モデル毎の予測誤差評価器１７では、
運動モデル毎の平滑誤差評価器１６より得られる運動モ
デル毎の平滑誤差共分散行列を平滑誤差共分散行列とみ
なし、あらかじめ設定された運動モデルより得られる駆
動雑音共分散行列とにより現時点より１サンプリング後
に対する複数個の運動モデル毎の予測ベクトルの予測誤
差の評価である予測誤差共分散行列を算出する。
運動モデル毎の平滑誤差評価器１６より得られる運動モ
デル毎の平滑誤差共分散行列を平滑誤差共分散行列とみ
なし、あらかじめ設定された運動モデルより得られる駆
動雑音共分散行列とにより現時点より１サンプリング後
に対する複数個の運動モデル毎の予測ベクトルの予測誤
差の評価である予測誤差共分散行列を算出する。
【０００９】予測値算出器２２では、平滑器１１より平
滑ベクトルを入力し、等速直線運動予測を算出し、各運
動モデルの信頼度算出器２５より得られる各運動モデル
の信頼度とあらかじめ設定された推移確率より観測ベク
トルが得られない時点での各運動モデルの信頼度を算出
し、これとあらかじめ設定された複数個の運動モデルを
構成している定加速度ベクトルより観測ベクトルが得ら
れない時点での目標加速度を推定し、この加速度が予測
に影響する項を算出することにより現時点より１サンプ
リング後の予測ベクトルを算出する。
滑ベクトルを入力し、等速直線運動予測を算出し、各運
動モデルの信頼度算出器２５より得られる各運動モデル
の信頼度とあらかじめ設定された推移確率より観測ベク
トルが得られない時点での各運動モデルの信頼度を算出
し、これとあらかじめ設定された複数個の運動モデルを
構成している定加速度ベクトルより観測ベクトルが得ら
れない時点での目標加速度を推定し、この加速度が予測
に影響する項を算出することにより現時点より１サンプ
リング後の予測ベクトルを算出する。
【００１０】運動データ相関諸元算出器２４では、予測
値算出器２２で算出した１サンプリング前の予測ベクト
ルを第５の遅延回路２３を通した出力と、運動モデル毎
の予測誤差共分散評価器１７で算出した１サンプリング
前の運動モデル毎の予測誤差共分散行列を予測誤差共分
散行列とみなし、第７の遅延回路２１を通した出力から
現時点の追尾目標の運動諸元の確率分布を算出する。
値算出器２２で算出した１サンプリング前の予測ベクト
ルを第５の遅延回路２３を通した出力と、運動モデル毎
の予測誤差共分散評価器１７で算出した１サンプリング
前の運動モデル毎の予測誤差共分散行列を予測誤差共分
散行列とみなし、第７の遅延回路２１を通した出力から
現時点の追尾目標の運動諸元の確率分布を算出する。
【００１１】
【発明が解決しようとする課題】上記のような複数の運
動モデルを有する従来の目標追尾装置では、目標の情報
として図８に示すように目標位置観測装置１より得られ
る目標観測位置のみを仮定しており、運動データ相関器
２は、運動データ相関諸元算出器２４で計算された目標
予測存在範囲内に複数の探知データが存在した場合、そ
れらの観測データが予測値算出器２２で計算された目標
予測位置に近いほど追尾対象目標である可能性が高いと
して処理されるため、クラッタなどの不要信号や追尾対
象目標以外の目標が、目標予測位置の近傍に存在する場
合、追尾対象目標以外の探知データを既追尾目標とする
仮説の信頼度が高く算出され、真の仮説の信頼度を不当
に低下し、追尾性能を劣化させる問題が発生する。ま
た、目標位置観測精度が低い場合にはなおさらである。
動モデルを有する従来の目標追尾装置では、目標の情報
として図８に示すように目標位置観測装置１より得られ
る目標観測位置のみを仮定しており、運動データ相関器
２は、運動データ相関諸元算出器２４で計算された目標
予測存在範囲内に複数の探知データが存在した場合、そ
れらの観測データが予測値算出器２２で計算された目標
予測位置に近いほど追尾対象目標である可能性が高いと
して処理されるため、クラッタなどの不要信号や追尾対
象目標以外の目標が、目標予測位置の近傍に存在する場
合、追尾対象目標以外の探知データを既追尾目標とする
仮説の信頼度が高く算出され、真の仮説の信頼度を不当
に低下し、追尾性能を劣化させる問題が発生する。ま
た、目標位置観測精度が低い場合にはなおさらである。
【００１２】この発明は上記のような問題点を解決する
ためになされたもので、目標観測位置の他に、目標個体
あるいはグループの属性情報が得られる環境下におい
て、クラッタなどの不要信号や追尾対象目標以外の目標
が目標予測位置の近傍に存在する場合や、目標位置デー
タの観測精度が低い場合にも精度良く追尾を維持できる
目標追尾装置を提供することを目的とする。
ためになされたもので、目標観測位置の他に、目標個体
あるいはグループの属性情報が得られる環境下におい
て、クラッタなどの不要信号や追尾対象目標以外の目標
が目標予測位置の近傍に存在する場合や、目標位置デー
タの観測精度が低い場合にも精度良く追尾を維持できる
目標追尾装置を提供することを目的とする。
【００１３】
【課題を解決するための手段】この発明に係る目標追尾
装置は、追尾目標及び追尾目標以外のクラッタからの位
置データを観測する目標位置観測装置と、上記目標位置
観測装置からの観測データのうち、追尾目標の運動諸元
の確率分布から追尾目標と相関の可能性のある観測デー
タを選択する運動データ相関器と、追尾目標についての
信号の分析結果である目標個体またはグループの属性デ
ータを出力する目標属性観測装置と、上記目標属性観測
装置からの属性データの確率分布を算出する属性データ
相関諸元算出器と、上記運動データ相関器により選択さ
れた観測データのうち、上記属性データ相関諸元算出器
からの属性データの確率分布から追尾目標と相関の可能
性のある観測データを選択する属性データ相関器と、上
記属性データ相関器からの観測データと現時点より１サ
ンプリング前の運動モデル毎の予測値及び予測誤差評価
値に基づいて運動モデル毎の観測誤差評価値を算出する
運動モデル毎の観測誤差評価器と、上記運動モデル毎の
観測誤差評価器からの運動モデル毎の観測誤差評価値に
基づいて観測データと各運動モデル各々の信頼度を算出
する運動モデル毎の運動データ及び属性データによる信
頼度算出器と、上記運動モデル毎の運動データ及び属性
データによる信頼度算出器からの観測データと各運動モ
デルの信頼度を用いて目標運動諸元の平滑値を算出する
平滑値算出手段と、上記平滑値算出手段より得られる目
標運動諸元の平滑値に基づいて現時点より１サンプリン
グ前の運動モデル毎の予測値を算出する運動モデル毎の
予測値算出手段と、上記平滑値算出手段より得られる目
標運動諸元の平滑値に基づいて現時点より１サンプリン
グ後の目標運動諸元の予測値を算出する予測値算出器
と、運動モデル毎の平滑誤差評価値とあらかじめ設定さ
れた運動モデルにより得られる駆動雑音共分散行列とに
基づいて現時点より１サンプリング後の各運動モデル毎
の予測誤差評価値を算出する運動モデル毎の予測誤差評
価器と、上記運動モデル毎の予測誤差評価器により１サ
ンプリング前に算出された運動モデル毎の予測誤差評価
値とあらかじめ設定された観測モデルより得られる観測
雑音共分散行列とに基づいてゲイン行列を算出するゲイ
ン行列算出器と、上記運動モデル毎の予測誤差評価器に
より１サンプリング前に算出された運動モデル毎の予測
誤差評価値と上記ゲイン行列算出器より得られるゲイン
行列とに基づいて運動モデル毎の平滑誤差評価値を算出
する運動モデル毎の平滑誤差評価器と、上記予測値算出
器からの現時点より１サンプリング後の目標運動諸元の
予測値と上記運動モデル毎の予測誤差評価値とに基づい
て追尾目標の運動諸元の確率分布を算出する運動データ
相関諸元算出器とを備えたものである。
装置は、追尾目標及び追尾目標以外のクラッタからの位
置データを観測する目標位置観測装置と、上記目標位置
観測装置からの観測データのうち、追尾目標の運動諸元
の確率分布から追尾目標と相関の可能性のある観測デー
タを選択する運動データ相関器と、追尾目標についての
信号の分析結果である目標個体またはグループの属性デ
ータを出力する目標属性観測装置と、上記目標属性観測
装置からの属性データの確率分布を算出する属性データ
相関諸元算出器と、上記運動データ相関器により選択さ
れた観測データのうち、上記属性データ相関諸元算出器
からの属性データの確率分布から追尾目標と相関の可能
性のある観測データを選択する属性データ相関器と、上
記属性データ相関器からの観測データと現時点より１サ
ンプリング前の運動モデル毎の予測値及び予測誤差評価
値に基づいて運動モデル毎の観測誤差評価値を算出する
運動モデル毎の観測誤差評価器と、上記運動モデル毎の
観測誤差評価器からの運動モデル毎の観測誤差評価値に
基づいて観測データと各運動モデル各々の信頼度を算出
する運動モデル毎の運動データ及び属性データによる信
頼度算出器と、上記運動モデル毎の運動データ及び属性
データによる信頼度算出器からの観測データと各運動モ
デルの信頼度を用いて目標運動諸元の平滑値を算出する
平滑値算出手段と、上記平滑値算出手段より得られる目
標運動諸元の平滑値に基づいて現時点より１サンプリン
グ前の運動モデル毎の予測値を算出する運動モデル毎の
予測値算出手段と、上記平滑値算出手段より得られる目
標運動諸元の平滑値に基づいて現時点より１サンプリン
グ後の目標運動諸元の予測値を算出する予測値算出器
と、運動モデル毎の平滑誤差評価値とあらかじめ設定さ
れた運動モデルにより得られる駆動雑音共分散行列とに
基づいて現時点より１サンプリング後の各運動モデル毎
の予測誤差評価値を算出する運動モデル毎の予測誤差評
価器と、上記運動モデル毎の予測誤差評価器により１サ
ンプリング前に算出された運動モデル毎の予測誤差評価
値とあらかじめ設定された観測モデルより得られる観測
雑音共分散行列とに基づいてゲイン行列を算出するゲイ
ン行列算出器と、上記運動モデル毎の予測誤差評価器に
より１サンプリング前に算出された運動モデル毎の予測
誤差評価値と上記ゲイン行列算出器より得られるゲイン
行列とに基づいて運動モデル毎の平滑誤差評価値を算出
する運動モデル毎の平滑誤差評価器と、上記予測値算出
器からの現時点より１サンプリング後の目標運動諸元の
予測値と上記運動モデル毎の予測誤差評価値とに基づい
て追尾目標の運動諸元の確率分布を算出する運動データ
相関諸元算出器とを備えたものである。
【００１４】また、上記運動モデル毎の運動データ及び
属性データによる信頼度算出器により算出された各運動
モデルの信頼度と上記ゲイン行列算出器により算出され
たゲイン行列を使用して平滑誤差評価値を算出し、上記
運動モデル毎の平滑誤差評価器より得られる運動モデル
毎の平滑誤差評価値に加算して新たな運動モデル毎の平
滑誤差評価値を算出する平滑誤差評価器ををさらに備
え、上記運動モデル毎の予測誤差評価器は、上記平滑誤
差評価器からの平滑誤差評価値を入力して運動モデル毎
の予測誤差評価値を算出することを特徴とするものであ
る。
属性データによる信頼度算出器により算出された各運動
モデルの信頼度と上記ゲイン行列算出器により算出され
たゲイン行列を使用して平滑誤差評価値を算出し、上記
運動モデル毎の平滑誤差評価器より得られる運動モデル
毎の平滑誤差評価値に加算して新たな運動モデル毎の平
滑誤差評価値を算出する平滑誤差評価器ををさらに備
え、上記運動モデル毎の予測誤差評価器は、上記平滑誤
差評価器からの平滑誤差評価値を入力して運動モデル毎
の予測誤差評価値を算出することを特徴とするものであ
る。
【００１５】さらに、上記運動モデル毎の運動データ及
び属性データによる信頼度算出器により算出された各運
動モデルの信頼度を使用して現時点より１サンプリング
後の各運動モデル毎の予測誤差評価値を算出し、上記運
動モデル毎の予測誤差評価器により算出された現時点よ
り１サンプリング後の各運動モデル毎の予測誤差評価値
に加算して現時点より１サンプリング後の各運動モデル
毎の新たな予測誤差評価値を算出する予測誤差評価器を
さらに備えたことを特徴とするものである。
び属性データによる信頼度算出器により算出された各運
動モデルの信頼度を使用して現時点より１サンプリング
後の各運動モデル毎の予測誤差評価値を算出し、上記運
動モデル毎の予測誤差評価器により算出された現時点よ
り１サンプリング後の各運動モデル毎の予測誤差評価値
に加算して現時点より１サンプリング後の各運動モデル
毎の新たな予測誤差評価値を算出する予測誤差評価器を
さらに備えたことを特徴とするものである。
【００１６】
【発明の実施の形態】実施の形態１．
図１は実施の形態１に係る目標追尾装置を示す構成図で
ある。図１中、１〜２、８、１０〜１８、２１〜２４は
図８に示す従来装置と同一部分を示し、その説明は省略
する。新たな符号として、３は追尾目標についての信号
の分析結果である目標個体もしくは目標の属するグルー
プの属性に関するデータ（以下属性データと呼ぶ）を出
力する目標属性観測装置、４は追尾目標の属性データの
確率分布を出力する属性データ相関諸元算出器、５は追
尾目標の属性の信頼度を算出する属性データ信頼度算出
器、６は第１の遅延回路、７は運動データ相関器２によ
り選択された観測データのうち、上記属性データ層間諸
元算出器４からの属性データの確率分布から追尾目標と
相関のある観測データを選択する属性データ相関器、９
は運動モデル毎の観測誤差評価器８からの運動モデル毎
の観測誤差評価値に基づいて観測データと各運動モデル
各々の信頼度を算出する運動モデル毎の運動データ及び
属性データによる信頼度算出器である。
ある。図１中、１〜２、８、１０〜１８、２１〜２４は
図８に示す従来装置と同一部分を示し、その説明は省略
する。新たな符号として、３は追尾目標についての信号
の分析結果である目標個体もしくは目標の属するグルー
プの属性に関するデータ（以下属性データと呼ぶ）を出
力する目標属性観測装置、４は追尾目標の属性データの
確率分布を出力する属性データ相関諸元算出器、５は追
尾目標の属性の信頼度を算出する属性データ信頼度算出
器、６は第１の遅延回路、７は運動データ相関器２によ
り選択された観測データのうち、上記属性データ層間諸
元算出器４からの属性データの確率分布から追尾目標と
相関のある観測データを選択する属性データ相関器、９
は運動モデル毎の観測誤差評価器８からの運動モデル毎
の観測誤差評価値に基づいて観測データと各運動モデル
各々の信頼度を算出する運動モデル毎の運動データ及び
属性データによる信頼度算出器である。
【００１７】次に原理について説明する。目標の真値を
表す状態ベクトルｘk を式（１）のように定義する。式
（１）において、目標の真値を表す状態ベクトルｘk
は、目標の位置及び速度等の運動データの真値を表す状
態ベクトルｘk ,trk と、目標個体もしくはグループの属
性に関する属性データの真値を表す状態ベクトルｘid を
成分とするベクトルとする。また、複数個をＮ個とした
場合の運動モデルを式（２）とする。
表す状態ベクトルｘk を式（１）のように定義する。式
（１）において、目標の真値を表す状態ベクトルｘk
は、目標の位置及び速度等の運動データの真値を表す状
態ベクトルｘk ,trk と、目標個体もしくはグループの属
性に関する属性データの真値を表す状態ベクトルｘid を
成分とするベクトルとする。また、複数個をＮ個とした
場合の運動モデルを式（２）とする。
【００１８】
【数１】
【００１９】ここで、ｘk ,trk はサンプリング時刻ｔk
における目標運動諸元の真値を表す状態ベクトル、Φ
k-1 はサンプリング時刻ｔk-1 よりｔk への状態ベクト
ルｘk ,trk の推移行列、Γ1（ｋ−１） はサンプリング
時刻ｔk-1 における駆動雑音ベクトルの変換行列、ｗ
k-1 はサンプリング時刻ｔk-1 における駆動雑音ベクト
ル、Γ（ｋ−１）はサンプリング時刻ｔk-1 における定
数加速度ベクトルの変換行列、ｕk-1 はサンプリング時
刻ｔk-1 においてＮ個の運動モデルを構成する定数加速
度ベクトルであり、状態ベクトルｘk ,trk は、直交座標
における目標位置ベクトルを式（３）、直交座標におけ
る目標速度ベクトルを式（４）とした時、式（５）で表
される。なお、例えば、ＡT はベクトルＡの転置ベクト
ル、ドットｘk はｘk の単位時間当たりの変化率（速
度）を表す。
における目標運動諸元の真値を表す状態ベクトル、Φ
k-1 はサンプリング時刻ｔk-1 よりｔk への状態ベクト
ルｘk ,trk の推移行列、Γ1（ｋ−１） はサンプリング
時刻ｔk-1 における駆動雑音ベクトルの変換行列、ｗ
k-1 はサンプリング時刻ｔk-1 における駆動雑音ベクト
ル、Γ（ｋ−１）はサンプリング時刻ｔk-1 における定
数加速度ベクトルの変換行列、ｕk-1 はサンプリング時
刻ｔk-1 においてＮ個の運動モデルを構成する定数加速
度ベクトルであり、状態ベクトルｘk ,trk は、直交座標
における目標位置ベクトルを式（３）、直交座標におけ
る目標速度ベクトルを式（４）とした時、式（５）で表
される。なお、例えば、ＡT はベクトルＡの転置ベクト
ル、ドットｘk はｘk の単位時間当たりの変化率（速
度）を表す。
【００２０】
【数２】
【００２１】サンプリング時刻ｔk-1 よりｔk への状態
ベクトルｘk ,trk の推移行列Φk-1は、目標が等速直線
運動を行うと仮定した場合、式（６）で表される。ここ
で、Ｉは式（７）に示す単位行列を表し、０Ｉは３行３
列の零行列である。
ベクトルｘk ,trk の推移行列Φk-1は、目標が等速直線
運動を行うと仮定した場合、式（６）で表される。ここ
で、Ｉは式（７）に示す単位行列を表し、０Ｉは３行３
列の零行列である。
【００２２】
【数３】
【００２３】また、例えば、目標の運動モデルを等速直
線運動と仮定したことによる打ち切り誤差項をΓ1（ｋ
−１）ｗk-1 とみれば、サンプリング時刻ｔk-1 におけ
る駆動雑音ベクトルｗk-1 は加速度ベクトルに相当し、
サンプリング時刻ｔk-1 における駆動雑音ベクトルの変
換行列Γ1（ｋ−１） は式（８）で表される。
線運動と仮定したことによる打ち切り誤差項をΓ1（ｋ
−１）ｗk-1 とみれば、サンプリング時刻ｔk-1 におけ
る駆動雑音ベクトルｗk-1 は加速度ベクトルに相当し、
サンプリング時刻ｔk-1 における駆動雑音ベクトルの変
換行列Γ1（ｋ−１） は式（８）で表される。
【００２４】
【数４】
【００２５】また、サンプリング時刻ｔk においてＮ個
の運動モデルを構成する定数加速度ベクトルｕk は式
（９）であり、サンプリング時刻ｔk-1 における定数加
速度ベクトルの変換行列Γ（ｋ−１）は、式（１０）で
表される。
の運動モデルを構成する定数加速度ベクトルｕk は式
（９）であり、サンプリング時刻ｔk-1 における定数加
速度ベクトルの変換行列Γ（ｋ−１）は、式（１０）で
表される。
【００２６】
【数５】
【００２７】図２は水平面に並行な面内で定数加速度ベ
クトルを説明する図である。図２において、ｏは目標位
置観測装置を原点とした座標ｏ−ｘｙの原点、Ｘは東方
向をｘ軸の正とした座標ｏ−ｘｙのｘ軸、Ｙは北方向を
ｙ軸の正とした座標ｏ−ｘｙのｙ軸、Ａ１はｙ軸の正方
向の定数加速度ベクトル、Ａ２はｘ軸の正の方向の定数
加速度ベクトル、Ａ３はｙ軸の負の方向の定数加速度ベ
クトル、Ａ４はｘ軸の負の方向の定数加速度ベクトルで
ある。今、図２における定数加速度ベクトルの大きさを
１０ｇ（ｇは重力加速度とする）とし、この他に加速度
０の定数加速度ベクトルを考えた運動モデルの場合、ｘ
軸及びｙ軸の両正負方向と加速度が０の場合とでＮ＝５
であり、式（９）は、式（１１）のようにサンプリング
時刻ｔk に無関係に書ける。
クトルを説明する図である。図２において、ｏは目標位
置観測装置を原点とした座標ｏ−ｘｙの原点、Ｘは東方
向をｘ軸の正とした座標ｏ−ｘｙのｘ軸、Ｙは北方向を
ｙ軸の正とした座標ｏ−ｘｙのｙ軸、Ａ１はｙ軸の正方
向の定数加速度ベクトル、Ａ２はｘ軸の正の方向の定数
加速度ベクトル、Ａ３はｙ軸の負の方向の定数加速度ベ
クトル、Ａ４はｘ軸の負の方向の定数加速度ベクトルで
ある。今、図２における定数加速度ベクトルの大きさを
１０ｇ（ｇは重力加速度とする）とし、この他に加速度
０の定数加速度ベクトルを考えた運動モデルの場合、ｘ
軸及びｙ軸の両正負方向と加速度が０の場合とでＮ＝５
であり、式（９）は、式（１１）のようにサンプリング
時刻ｔk に無関係に書ける。
【００２８】
【数６】
【００２９】次に、サンプリング時刻ｔk において、式
（１２）が真であるとの運動モデルの仮説Ψk,a を式
（１３）のように書く。
（１２）が真であるとの運動モデルの仮説Ψk,a を式
（１３）のように書く。
【００３０】
【数７】
【００３１】Ｅを平均を表す記号とし、ｗk を平均ベク
トル０の３次元正規分布白色雑音とし、さらに、Ｑk を
サンプリング時刻ｔk における駆動雑音共分散行列とし
て用いると、式（１４）及び式（１５）として表され
る。
トル０の３次元正規分布白色雑音とし、さらに、Ｑk を
サンプリング時刻ｔk における駆動雑音共分散行列とし
て用いると、式（１４）及び式（１５）として表され
る。
【００３２】
【数８】
【００３３】一方、追尾対象目標の属性データの真値を
表す状態ベクトルｘid を式（１６）のように定義する。
ここで、Ａ1，Ａ2，・・・，ＡM は取り得る属性データ
の全てであり、ベクトルｘid はＡ1，Ａ2，・・・，ＡM
のいずれか１つである。また、式（１６）が真であると
の仮説Ｊc を式（１７）で表す。
表す状態ベクトルｘid を式（１６）のように定義する。
ここで、Ａ1，Ａ2，・・・，ＡM は取り得る属性データ
の全てであり、ベクトルｘid はＡ1，Ａ2，・・・，ＡM
のいずれか１つである。また、式（１６）が真であると
の仮説Ｊc を式（１７）で表す。
【００３４】
【数９】
【００３５】次に観測モデルを以下のように定義する。
追尾対象目標よりのサンプル時刻ｔk における位置デー
タと属性データの組みとして与えられる探知データベク
トルｚk を式（１８）とする。ここで、ベクトルｚk ,
trk は目標観測位置に関する観測ベクトルであり、ま
た、ベクトルｚk ,idは属性データに関する観測ベクトル
である。
追尾対象目標よりのサンプル時刻ｔk における位置デー
タと属性データの組みとして与えられる探知データベク
トルｚk を式（１８）とする。ここで、ベクトルｚk ,
trk は目標観測位置に関する観測ベクトルであり、ま
た、ベクトルｚk ,idは属性データに関する観測ベクトル
である。
【００３６】
【数１０】
【００３７】追尾目標の観測位置に関する観測モデルを
式（１９）のように定義する。ここで、Ｈはサンプリン
グ時刻ｔk における観測行列、Γ2（ｋ） はサンプリン
グ時刻ｔk における観測雑音ベクトルの変換行列であ
る。また、νk はサンプリング時刻ｔk における目標観
測ベクトルに対応した観測雑音ベクトルで、平均ベクト
ル０の３次元正規白色雑音の量、Ｅを平均を表す記号と
して、式（２０）、（２１）を満たすものとする。な
お、Ｒk はサンプリング時刻ｔk における観測雑音共分
散行列である。
式（１９）のように定義する。ここで、Ｈはサンプリン
グ時刻ｔk における観測行列、Γ2（ｋ） はサンプリン
グ時刻ｔk における観測雑音ベクトルの変換行列であ
る。また、νk はサンプリング時刻ｔk における目標観
測ベクトルに対応した観測雑音ベクトルで、平均ベクト
ル０の３次元正規白色雑音の量、Ｅを平均を表す記号と
して、式（２０）、（２１）を満たすものとする。な
お、Ｒk はサンプリング時刻ｔk における観測雑音共分
散行列である。
【００３８】
【数１１】
【００３９】追尾対象目標からの属性データベクトルｚ
k ,id は属性値Ａcとして与えられ、これに仮説Ｊc の基
での属性データの信頼度が式（２２）に示す条件付き確
率にて付加されるとする。ここで、ＰjcはＡc が真とし
たときにＡj と観測される確率である。なお、Ｐjcは式
（２３）を満たす。
k ,id は属性値Ａcとして与えられ、これに仮説Ｊc の基
での属性データの信頼度が式（２２）に示す条件付き確
率にて付加されるとする。ここで、ＰjcはＡc が真とし
たときにＡj と観測される確率である。なお、Ｐjcは式
（２３）を満たす。
【００４０】
【数１２】
【００４１】例えば、式（２４）が追尾目標の属性の全
てであるとすると、式（２５）、（２６）、（２７）、
（２８）が属性データの信頼度として得られる。
てであるとすると、式（２５）、（２６）、（２７）、
（２８）が属性データの信頼度として得られる。
【００４２】
【数１３】
【００４３】追尾対象目標以外からの探知データは空間
に一様に分布しているとし、サンプリング時刻ｔk にお
ける単位体積当たりの発生頻度をβk FT とし、追尾目標
と相関を取るべき目標予測存在範囲の体積をＶGkとした
とき、追尾対象目標以外からの探知データが目標予測存
在範囲内に存在する総数は、平均βk FTＶGk のポアソン
分布に従うとする。
に一様に分布しているとし、サンプリング時刻ｔk にお
ける単位体積当たりの発生頻度をβk FT とし、追尾目標
と相関を取るべき目標予測存在範囲の体積をＶGkとした
とき、追尾対象目標以外からの探知データが目標予測存
在範囲内に存在する総数は、平均βk FTＶGk のポアソン
分布に従うとする。
【００４４】サンプリング時刻ｔk における追尾目標と
相関をとるべき目標予測存在範囲内の探知データの総数
をｍk 、探知データを式（２９）で表す。ここで、ベク
トルｚk ,i はｉ番目の観測ベクトルであり、その全体を
式（３０）で表す。また、サンプリング時刻ｔ1からｔk
までの観測ベクトルの全体を式（３１）で、観測ベクト
ルの総数Ｍk を式（３２）で定義する。
相関をとるべき目標予測存在範囲内の探知データの総数
をｍk 、探知データを式（２９）で表す。ここで、ベク
トルｚk ,i はｉ番目の観測ベクトルであり、その全体を
式（３０）で表す。また、サンプリング時刻ｔ1からｔk
までの観測ベクトルの全体を式（３１）で、観測ベクト
ルの総数Ｍk を式（３２）で定義する。
【００４５】
【数１４】
【００４６】次に、追尾対象目標からの観測ベクトルの
確率分布について示す。観測ベクトルｚk ,i が追尾対象
目標からの観測データのとき、この確率分布を条件付き
確率密度関数で表すと、この条件付き確率密度関数Ｐ
（ｚk ,i│Ｚk-1）は、式（３３）のようになる。
確率分布について示す。観測ベクトルｚk ,i が追尾対象
目標からの観測データのとき、この確率分布を条件付き
確率密度関数で表すと、この条件付き確率密度関数Ｐ
（ｚk ,i│Ｚk-1）は、式（３３）のようになる。
【００４７】
【数１５】
【００４８】ここで、式（３４）に示す確率分布は追尾
対象目標からの属性データの確率分布であり、式（３
５）に示す確率分布は追尾対象目標からの位置等の運動
諸元の確率分布である。
対象目標からの属性データの確率分布であり、式（３
５）に示す確率分布は追尾対象目標からの位置等の運動
諸元の確率分布である。
【００４９】
【数１６】
【００５０】追尾対象目標からの運動諸元の確率分布
は、式（３６）に示す条件付き確率密度関数で表される
とする。ここで、ｇ（ｚk ；ａk ,Ａk）は平均ベクトルａ
k 、共分散行列Ａk の３次元正規分布のｚk における確
率密度である。すなわち、追尾対象目標からの観測デー
タは式（３７）で与えられる目標予測位置ベクトルｚk
（−）を平均とし、式（３８）で与えられる追尾対象目
標の確率分布の広がりＳk を共分散行列とする３次元正
規分布に従うとする。ここで、ベクトルハットｘ k
（−）は予測値で、式（３９）で表され、Ｐk （−）は
予測誤差共分散行列で、式（４０）で表される。
は、式（３６）に示す条件付き確率密度関数で表される
とする。ここで、ｇ（ｚk ；ａk ,Ａk）は平均ベクトルａ
k 、共分散行列Ａk の３次元正規分布のｚk における確
率密度である。すなわち、追尾対象目標からの観測デー
タは式（３７）で与えられる目標予測位置ベクトルｚk
（−）を平均とし、式（３８）で与えられる追尾対象目
標の確率分布の広がりＳk を共分散行列とする３次元正
規分布に従うとする。ここで、ベクトルハットｘ k
（−）は予測値で、式（３９）で表され、Ｐk （−）は
予測誤差共分散行列で、式（４０）で表される。
【００５１】
【数１７】
【００５２】追尾対象目標からの属性データの確率分布
Ｐ（ｚk ,id（ｉ）│Ｚk-1）は、サンプリング時刻ｔk-1
までの情報Ｚk-1のもとで属性データベクトルｚk ,id
（ｉ）が得られる条件付き確率密度関数で、式（４１）
で表されるとする。ここで、式（４３）は式（２２）に
示される目標属性観測装置で観測された属性データの仮
説Ｊc に対して入力される信頼度で、式（４４）はサン
プル時刻ｔk-1 までの情報Ｚk-1 に基づく仮説Ｊc の信
頼度、すなわち追尾対象目標の属性信頼度である。ま
た、追尾対象目標から１度も観測データが得られれてい
ない状態での属性データの確率分布Ｐ（ｚk ,id（ｉ）Ｎ
Ｃ）は、式（４２）に示すような確率密度関数で表され
るとする。ここで、ＮＣは追尾対象目標から１度も観測
データが得られていない状態を表す。Ｐ（Ｊc）は仮説
Ｊcの初期確率である。
Ｐ（ｚk ,id（ｉ）│Ｚk-1）は、サンプリング時刻ｔk-1
までの情報Ｚk-1のもとで属性データベクトルｚk ,id
（ｉ）が得られる条件付き確率密度関数で、式（４１）
で表されるとする。ここで、式（４３）は式（２２）に
示される目標属性観測装置で観測された属性データの仮
説Ｊc に対して入力される信頼度で、式（４４）はサン
プル時刻ｔk-1 までの情報Ｚk-1 に基づく仮説Ｊc の信
頼度、すなわち追尾対象目標の属性信頼度である。ま
た、追尾対象目標から１度も観測データが得られれてい
ない状態での属性データの確率分布Ｐ（ｚk ,id（ｉ）Ｎ
Ｃ）は、式（４２）に示すような確率密度関数で表され
るとする。ここで、ＮＣは追尾対象目標から１度も観測
データが得られていない状態を表す。Ｐ（Ｊc）は仮説
Ｊcの初期確率である。
【００５３】
【数１８】
【００５４】次に、観測データにおける位置データと既
追尾目標との相関方法について説明する。観測データベ
クトルｚk ,iの成分である観測位置ベクトルｚk ,
trk（ｉ）がｄをパラメータとして式（４５）を満たす
とき、観測データベクトルｚk ,trk（ｉ）は追尾目標と
相関があると判定する。
追尾目標との相関方法について説明する。観測データベ
クトルｚk ,iの成分である観測位置ベクトルｚk ,
trk（ｉ）がｄをパラメータとして式（４５）を満たす
とき、観測データベクトルｚk ,trk（ｉ）は追尾目標と
相関があると判定する。
【００５５】
【数１９】
【００５６】図３は簡単な例として観測位置データの次
元が２次元の場合について式（４５）による観測データ
と追尾目標との相関を説明する図である。図３におい
て、Ｐは追尾目標からの観測が予測される点である式
（３７）の目標予測位置ベクトルｚk （−）、Ｑは相関
をとるべき目標予測存在範囲の内外を定める境界線で、
パラメータｄ及び式（３８）の追尾対象目標の確率分布
の広がりＳk より線形代数学により算出される。Ｄ１〜
Ｄ６は観測データである。
元が２次元の場合について式（４５）による観測データ
と追尾目標との相関を説明する図である。図３におい
て、Ｐは追尾目標からの観測が予測される点である式
（３７）の目標予測位置ベクトルｚk （−）、Ｑは相関
をとるべき目標予測存在範囲の内外を定める境界線で、
パラメータｄ及び式（３８）の追尾対象目標の確率分布
の広がりＳk より線形代数学により算出される。Ｄ１〜
Ｄ６は観測データである。
【００５７】追尾対象目標が相関をとるべき目標予測範
囲内に存在する確率を式（４６）に示すようにＰGkと書
く。ここで、Ｇk は式（４７）で表される目標予測存在
範囲の領域である。なお、確率論によりＰGkはパラメー
タｄの値によって一意的に決まる。
囲内に存在する確率を式（４６）に示すようにＰGkと書
く。ここで、Ｇk は式（４７）で表される目標予測存在
範囲の領域である。なお、確率論によりＰGkはパラメー
タｄの値によって一意的に決まる。
【００５８】
【数２０】
【００５９】次に、観測データにおける属性データと既
追尾目標との相関方法について説明する。観測データベ
クトルｚk ,i の成分である属性データベクトルｚk ,
id（ｉ）がＳＬをパラメータとして式（４８）を満たす
とき、式（２９）に示す観測データベクトルｚk ,i の成
分である観測位置ベクトルｚk ,trk (ｉ)が式（４５）を
満たしていても、既追尾目標と相関がない観測データで
あると判定される。ここで、式（４８）の左辺は式（４
１）で与えられる既追尾目標からの属性データ確率分布
における確率密度である。
追尾目標との相関方法について説明する。観測データベ
クトルｚk ,i の成分である属性データベクトルｚk ,
id（ｉ）がＳＬをパラメータとして式（４８）を満たす
とき、式（２９）に示す観測データベクトルｚk ,i の成
分である観測位置ベクトルｚk ,trk (ｉ)が式（４５）を
満たしていても、既追尾目標と相関がない観測データで
あると判定される。ここで、式（４８）の左辺は式（４
１）で与えられる既追尾目標からの属性データ確率分布
における確率密度である。
【００６０】
【数２１】
【００６１】図４は簡単な２次元の例として式（４８）
による目標予測存在範囲内に存在する観測データと追尾
目標との相関を説明する図である。図４において、観測
データＤ１〜Ｄ４のうち、Ｄ２及びＤ４は式（４５）を
満たし、目標予測存在範囲に存在しているが、式（４
８）を満たさないため、既追尾目標と相関がないと判定
される。サンプリング時刻ｔk までの情報Ｚk が得られ
た場合に、仮説Ψk,a のもとでのｘk の予測ベクトルハ
ットｘa k（−）及び予測誤差共分散行列Ｐa k（−）は通
常のカルマンフィルタの理論により、式（４９）及び式
（５０）で与えられる。また、ｘk の平滑ベクトルハッ
トｘk は式（５１）で与えられる。
による目標予測存在範囲内に存在する観測データと追尾
目標との相関を説明する図である。図４において、観測
データＤ１〜Ｄ４のうち、Ｄ２及びＤ４は式（４５）を
満たし、目標予測存在範囲に存在しているが、式（４
８）を満たさないため、既追尾目標と相関がないと判定
される。サンプリング時刻ｔk までの情報Ｚk が得られ
た場合に、仮説Ψk,a のもとでのｘk の予測ベクトルハ
ットｘa k（−）及び予測誤差共分散行列Ｐa k（−）は通
常のカルマンフィルタの理論により、式（４９）及び式
（５０）で与えられる。また、ｘk の平滑ベクトルハッ
トｘk は式（５１）で与えられる。
【００６２】
【数２２】
【００６３】次に、目標の位置ベクトルがサンプリング
時刻ｔk に観測される場合の平滑処理について述べる。
平滑ベクトル及び平滑誤差共分散行列は通常のカルマン
フィルタの理論により、式（５２）〜（５４）となる。
時刻ｔk に観測される場合の平滑処理について述べる。
平滑ベクトル及び平滑誤差共分散行列は通常のカルマン
フィルタの理論により、式（５２）〜（５４）となる。
【００６４】
【数２３】
【００６５】ここで、ハットｘa k（＋）は仮説Ψk,a の
もとでのｘk の平滑ベクトル、Ｐa k（＋）はサンプリン
グ時刻ｔk における仮説Ψk,a のもとでの平滑誤差共分
散行列、Ｋk はサンプリング時刻ｔk におけるゲイン行
列である。また、Ｐk（＋）はサンプリング時刻ｔk に
おける平滑誤差共分散行列であり、カルマンフィルタの
理論より式（５５）となる。
もとでのｘk の平滑ベクトル、Ｐa k（＋）はサンプリン
グ時刻ｔk における仮説Ψk,a のもとでの平滑誤差共分
散行列、Ｋk はサンプリング時刻ｔk におけるゲイン行
列である。また、Ｐk（＋）はサンプリング時刻ｔk に
おける平滑誤差共分散行列であり、カルマンフィルタの
理論より式（５５）となる。
【００６６】
【数２４】
【００６７】また、カルマンフィルタを通常適用する場
合と同様にして、初期値ハットｘ0 （＋）、Ｐ0（＋）
は別途定まっているとする。式（５０）よりＰa k（−）
は仮説Ψk,a によらない値なので、式（５３）よりＫ
k 、式（５４）よりＰa k（＋）も同様に仮説Ψk,a によ
らない値となる。
合と同様にして、初期値ハットｘ0 （＋）、Ｐ0（＋）
は別途定まっているとする。式（５０）よりＰa k（−）
は仮説Ψk,a によらない値なので、式（５３）よりＫ
k 、式（５４）よりＰa k（＋）も同様に仮説Ψk,a によ
らない値となる。
【００６８】サンプリング時刻ｔk において、１つの観
測データベクトルｚk ,i が追尾対象目標からの観測ベク
トルであるとの仮説をχk,i と書く。このとき、ベクト
ルｚ k,i 以外の観測データは追尾対象目標以外、例えば
クラッタ等の不要信号からの観測データと仮定してい
る。また、追尾対象目標から観測ベクトルが得られない
との仮説をχk,0 と書く。サンプリング時刻ｔk までの
情報Ｚk により目標相関の仮説χk,i 及び運動モデルの
仮説Ψk,a 、Ψk-1,b が真である確率を式（５６）とす
る。同様にして、目標相関の仮説χk,i が真である確率
を式（５７）、運動モデルの仮説Ψk,a が真である確率
を式（５８）、目標相関の仮説χk,i 及び運動モデルの
仮説Ψk,a が真である確率を式（５９）と定義する。こ
こで、確率論より式（６０）が成立する。
測データベクトルｚk ,i が追尾対象目標からの観測ベク
トルであるとの仮説をχk,i と書く。このとき、ベクト
ルｚ k,i 以外の観測データは追尾対象目標以外、例えば
クラッタ等の不要信号からの観測データと仮定してい
る。また、追尾対象目標から観測ベクトルが得られない
との仮説をχk,0 と書く。サンプリング時刻ｔk までの
情報Ｚk により目標相関の仮説χk,i 及び運動モデルの
仮説Ψk,a 、Ψk-1,b が真である確率を式（５６）とす
る。同様にして、目標相関の仮説χk,i が真である確率
を式（５７）、運動モデルの仮説Ψk,a が真である確率
を式（５８）、目標相関の仮説χk,i 及び運動モデルの
仮説Ψk,a が真である確率を式（５９）と定義する。こ
こで、確率論より式（６０）が成立する。
【００６９】
【数２５】
【００７０】次に、観測データにおける位置データ及び
属性データを用いて、各仮説の信頼度を算出する方法に
ついて示す。サンプリング時刻ｔk において観測データ
が得られた時点での仮説χk,0 及びΨk,a が正しいとの
信頼度βa k,oはサンプリング時刻ｔk の観測データが得
られない時点において、仮説χk,0 及びΨk,a の観測デ
ータが得られる信頼度に、得られた ｍk 個の探知デー
タ全て追尾対象目標以外からの観測データであるとの信
頼度を乗算した値に比例すると考えてよい。また、サン
プリング時刻ｔk において観測データが得られた時点で
の仮説χk,i 及びΨk,a が正しいとの信頼度βa k,iはサ
ンプリング時刻ｔk の観測データが得られない時点にお
いて、仮説χk,i 及びΨk,a の観測データが得られる信
頼度に、得られた観測データベクトルｚ k,i が追尾対象
目標以外からの観測データであるとの信頼度を乗算した
値に比例すると考えてよい。
属性データを用いて、各仮説の信頼度を算出する方法に
ついて示す。サンプリング時刻ｔk において観測データ
が得られた時点での仮説χk,0 及びΨk,a が正しいとの
信頼度βa k,oはサンプリング時刻ｔk の観測データが得
られない時点において、仮説χk,0 及びΨk,a の観測デ
ータが得られる信頼度に、得られた ｍk 個の探知デー
タ全て追尾対象目標以外からの観測データであるとの信
頼度を乗算した値に比例すると考えてよい。また、サン
プリング時刻ｔk において観測データが得られた時点で
の仮説χk,i 及びΨk,a が正しいとの信頼度βa k,iはサ
ンプリング時刻ｔk の観測データが得られない時点にお
いて、仮説χk,i 及びΨk,a の観測データが得られる信
頼度に、得られた観測データベクトルｚ k,i が追尾対象
目標以外からの観測データであるとの信頼度を乗算した
値に比例すると考えてよい。
【００７１】サンプリング時刻ｔk で観測データが得ら
れない時点において、仮説χk,0 及びΨk,a の探知デー
タが得られる信頼度は、目標予測存在範囲から探知デー
タが得られない確率１−ＰdＰGk に運動モデルの推移確
率Ｐabと、追尾対象目標以外からの観測データがｍk 個
得られる信頼度を乗算した値に比例すると考えられ、式
（６１）により求まる。ここで、Ｐd は目標が探知され
る確率である。したがって追尾対象目標が目標予測存在
範囲内に存在して探知される確率はＰdＰGk であり、ま
た、目標予測存在範囲内の追尾対象目標以外からの観測
データの総数は、平均βk FTＶGk のポアソン分布に従い
求められている。
れない時点において、仮説χk,0 及びΨk,a の探知デー
タが得られる信頼度は、目標予測存在範囲から探知デー
タが得られない確率１−ＰdＰGk に運動モデルの推移確
率Ｐabと、追尾対象目標以外からの観測データがｍk 個
得られる信頼度を乗算した値に比例すると考えられ、式
（６１）により求まる。ここで、Ｐd は目標が探知され
る確率である。したがって追尾対象目標が目標予測存在
範囲内に存在して探知される確率はＰdＰGk であり、ま
た、目標予測存在範囲内の追尾対象目標以外からの観測
データの総数は、平均βk FTＶGk のポアソン分布に従い
求められている。
【００７２】また、運動モデルの推移にマルコフ性を仮
定すると、運動モデルΨk,a はサンプリング時刻ｔk-1
の運動モデルにより定まり、ｔk-1以前の運動モデルに
は依存しないとする。この時、運動モデルの推移確率は
式（６２）と書く。一方、サンプル時刻ｔk で観測デー
タが得られない時点において仮説χk,i 及びΨk,a の観
測データが得られる信頼度は、目標予測存在範囲から追
尾対象目標が観測される確率ＰdＰGk に、追尾対象目標
以外からの観測データがｍk−１個得られる信頼度を乗
算した値に比例すると考えられ、式（６３）により求ま
る。
定すると、運動モデルΨk,a はサンプリング時刻ｔk-1
の運動モデルにより定まり、ｔk-1以前の運動モデルに
は依存しないとする。この時、運動モデルの推移確率は
式（６２）と書く。一方、サンプル時刻ｔk で観測デー
タが得られない時点において仮説χk,i 及びΨk,a の観
測データが得られる信頼度は、目標予測存在範囲から追
尾対象目標が観測される確率ＰdＰGk に、追尾対象目標
以外からの観測データがｍk−１個得られる信頼度を乗
算した値に比例すると考えられ、式（６３）により求ま
る。
【００７３】
【数２６】
【００７４】次に、サンプリング時刻ｔk で探知データ
が得られた時点において、仮説に基づき得られた全観測
データＺk に対しての信頼度を示す。得られた１つの観
測データが追尾対象目標以外からの観測データである信
頼度は、サンプリング時刻ｔk-1までの情報Ｚk-1に基づ
き一様分布の仮定及び式（４２）で表される追尾対象目
標から一度も観測データが得られていない状態での追尾
対処目標からの属性データの確率分布より式（６４）で
与えられる。また、得られた１つの探知データが追尾目
標からの探知データである信頼度は、目標予測存在範囲
内に存在するとの前提で、式（４６）のＰGk及び式（３
６）の追尾目標からの運動諸元の確率分布により式（６
５）で与えられる。
が得られた時点において、仮説に基づき得られた全観測
データＺk に対しての信頼度を示す。得られた１つの観
測データが追尾対象目標以外からの観測データである信
頼度は、サンプリング時刻ｔk-1までの情報Ｚk-1に基づ
き一様分布の仮定及び式（４２）で表される追尾対象目
標から一度も観測データが得られていない状態での追尾
対処目標からの属性データの確率分布より式（６４）で
与えられる。また、得られた１つの探知データが追尾目
標からの探知データである信頼度は、目標予測存在範囲
内に存在するとの前提で、式（４６）のＰGk及び式（３
６）の追尾目標からの運動諸元の確率分布により式（６
５）で与えられる。
【００７５】サンプリング時刻ｔk において仮説χk,o
に基づき得られる全観測データＺkがｍk 個の追尾対象
目標以外よりの観測ベクトルである信頼度、すなわちサ
ンプリング時刻ｔk-1 までの情報Ｚk-1 及び仮説χk,0
に基づく全探知データＺk の信頼度は、式（６４）より
式（６６）で与えられる。また、サンプリング時刻ｔk
において仮説χk,i に基づき得られる観測データＺk の
内、１つの観測データが追尾対象目標からの観測データ
で、かつｍk −１個の観測データが追尾対象目標以外か
らの観測データである信頼度、すなわちサンプリング時
刻ｔk-1 までの情報Ｚk-1 及び仮説χk,i 及びΨk,a に
基づく全探知データＺk の信頼度は、式（６４）及び
（６５）より式（６７）で与えられる。ここで、各モデ
ル毎の目標予測位置ベクトルｚa k（−）と各モデル毎の
追尾対象目標の確率分布の広がりチルダＳk は、式（６
８）、式（６９）となる。
に基づき得られる全観測データＺkがｍk 個の追尾対象
目標以外よりの観測ベクトルである信頼度、すなわちサ
ンプリング時刻ｔk-1 までの情報Ｚk-1 及び仮説χk,0
に基づく全探知データＺk の信頼度は、式（６４）より
式（６６）で与えられる。また、サンプリング時刻ｔk
において仮説χk,i に基づき得られる観測データＺk の
内、１つの観測データが追尾対象目標からの観測データ
で、かつｍk −１個の観測データが追尾対象目標以外か
らの観測データである信頼度、すなわちサンプリング時
刻ｔk-1 までの情報Ｚk-1 及び仮説χk,i 及びΨk,a に
基づく全探知データＺk の信頼度は、式（６４）及び
（６５）より式（６７）で与えられる。ここで、各モデ
ル毎の目標予測位置ベクトルｚa k（−）と各モデル毎の
追尾対象目標の確率分布の広がりチルダＳk は、式（６
８）、式（６９）となる。
【００７６】
【数２７】
【００７７】従って、サンプリング時刻ｔk までの情報
Ｚk に基づく仮説χk,0 、Ψk,a 及びΨk-1,bの信頼度
βa'b k,0 は式（６１）と式（６６）を乗算した値に比
例すると考えてよく、また、サンプリング時刻ｔk まで
の情報Ｚk に基づく仮説χk,i、Ψk,a 及びΨk-1,bの信
頼度βa'b k,0 は式（６３）と式（６７）を乗算した値
に比例すると考えてよく、式（６０）を使用して正規化
を行い、式（７０）〜（７２）を得る。さらに定義によ
り式（７３）〜式（７４）を得る。式（７２）からわか
るように、目標位置の観測ベクトルｚk ,trk が目標位置
の予測ベクトルＨハットｘa k（−）に近いほど式（７
２）の値は大きくなり、目標が仮説Ψk,a のもとで運動
したとの信頼度が高く評価される。また、式（５８）及
びベイズの定理より式（７５）である。
Ｚk に基づく仮説χk,0 、Ψk,a 及びΨk-1,bの信頼度
βa'b k,0 は式（６１）と式（６６）を乗算した値に比
例すると考えてよく、また、サンプリング時刻ｔk まで
の情報Ｚk に基づく仮説χk,i、Ψk,a 及びΨk-1,bの信
頼度βa'b k,0 は式（６３）と式（６７）を乗算した値
に比例すると考えてよく、式（６０）を使用して正規化
を行い、式（７０）〜（７２）を得る。さらに定義によ
り式（７３）〜式（７４）を得る。式（７２）からわか
るように、目標位置の観測ベクトルｚk ,trk が目標位置
の予測ベクトルＨハットｘa k（−）に近いほど式（７
２）の値は大きくなり、目標が仮説Ψk,a のもとで運動
したとの信頼度が高く評価される。また、式（５８）及
びベイズの定理より式（７５）である。
【００７８】
【数２８】
【００７９】次に、サンプリング時刻ｔk における追尾
対象目標の属性の信頼度を示す。追尾対象目標の属性の
信頼度は式（７６）で示すサンプリング時刻ｔk におい
て観測データベクトルｚk ,id（ｉ）が得られた時点での
仮説Ｊc の信頼度を観測データの信頼度βk,i により重
み付け平均した値であり、式（７７）で与えられる。こ
こで、サンプリング時刻ｔk について１つの観測データ
ベクトルｚk ,id（ｉ）が得られた時点の仮説Ｊc の信頼
度は、１サンプリング前の追尾対象目標の信頼度Ｐ（Ｊ
c│Ｚk-1）に、目標属性観測装置で観測された観測デー
タの仮説Ｊc に対して入力される信頼度Ｐ（ｚk ,
trk（ｉ）│Ｊc）に比例すると考えてよく、確率論より
式（７８）が成立するので、式（７８）を用いて正規化
することにより式（７６）を得る。
対象目標の属性の信頼度を示す。追尾対象目標の属性の
信頼度は式（７６）で示すサンプリング時刻ｔk におい
て観測データベクトルｚk ,id（ｉ）が得られた時点での
仮説Ｊc の信頼度を観測データの信頼度βk,i により重
み付け平均した値であり、式（７７）で与えられる。こ
こで、サンプリング時刻ｔk について１つの観測データ
ベクトルｚk ,id（ｉ）が得られた時点の仮説Ｊc の信頼
度は、１サンプリング前の追尾対象目標の信頼度Ｐ（Ｊ
c│Ｚk-1）に、目標属性観測装置で観測された観測デー
タの仮説Ｊc に対して入力される信頼度Ｐ（ｚk ,
trk（ｉ）│Ｊc）に比例すると考えてよく、確率論より
式（７８）が成立するので、式（７８）を用いて正規化
することにより式（７６）を得る。
【００８０】
【数２９】
【００８１】式（５１）、式（５２）及び式（７５）よ
り式（７９）である。ここで、式（８０）である。ま
た、ベイズの定理を使用すると式（８３）である。以
上、サンプリング時刻ｔk の平滑処理について述べた。
り式（７９）である。ここで、式（８０）である。ま
た、ベイズの定理を使用すると式（８３）である。以
上、サンプリング時刻ｔk の平滑処理について述べた。
【００８２】
【数３０】
【００８３】サンプリング時刻ｔk におけるｘk の予測
ベクトルは式（８３）、式（４９）及び式（５０）より
式（８４）で与えられる。ここで、式（８５）である。
なお、先に述べたように仮説Ψk,a のもとでの平滑誤差
共分散行列Ｐa k（＋）は仮説Ψk,a に無関係に定まる値
なので、式（８６）である。
ベクトルは式（８３）、式（４９）及び式（５０）より
式（８４）で与えられる。ここで、式（８５）である。
なお、先に述べたように仮説Ψk,a のもとでの平滑誤差
共分散行列Ｐa k（＋）は仮説Ψk,a に無関係に定まる値
なので、式（８６）である。
【００８４】
【数３１】
【００８５】次に、図１に示す実施の形態１に係る目標
追尾装置の動作を説明する。なお、カルマンフィルタを
目標追尾装置に通常適用する場合と同様にして、初期値
はあらかじめ定まっているとする。目標位置観測装置１
では、極座標で目標位置情報を観測し、その結果を直交
座標による目標位置情報に変換し、式（２９）の位置観
測ベクトルｚk ,trk （ｉ）を出力する。運動データ相関
器２では、運動データ相関諸元算出器２４で計算した式
（３７）の目標位置予測ベクトルｚk （−）と、式（３
８）の追尾対象目標の確率分布の広がりＳk と、あらか
じめ設定されたパラメータｄから、式（４５）を用いて
追尾目標と相関の可能性のある観測データを選択する。
追尾装置の動作を説明する。なお、カルマンフィルタを
目標追尾装置に通常適用する場合と同様にして、初期値
はあらかじめ定まっているとする。目標位置観測装置１
では、極座標で目標位置情報を観測し、その結果を直交
座標による目標位置情報に変換し、式（２９）の位置観
測ベクトルｚk ,trk （ｉ）を出力する。運動データ相関
器２では、運動データ相関諸元算出器２４で計算した式
（３７）の目標位置予測ベクトルｚk （−）と、式（３
８）の追尾対象目標の確率分布の広がりＳk と、あらか
じめ設定されたパラメータｄから、式（４５）を用いて
追尾目標と相関の可能性のある観測データを選択する。
【００８６】一方、目標属性観測装置３では、目標位置
観測装置１で観測した各対象についての信号を分析した
結果等の属性データベクトルｚ k,id（ｉ）を出力する。
また、属性データ相関諸元算出器４では、１サンプリン
グ前に算出した追尾目標の属性の信頼度Ｐ（Ｊc・
Ｚk-1）またはその初期値Ｐ（Ｊc・ＮＣ） を属性デー
タ信頼度算出器５より第１の遅延回路６を通して入力
し、これと目標属性観測装置３より属性データベクトル
ｚ k,id（ｉ）と共に入力される仮説Ｊc の基での属性デ
ータベクトルｚ k,idの信頼度により、式（４１）または
式（４２）を用いて追尾目標からの属性データの確率分
布を算出する。ここで、属性データ信頼度算出器５で
は、運動モデル毎の運動データ及び属性データによる信
頼度算出器９からの式（７３）の観測データの信頼度β
k,i と、現時刻より１サンプリング前に属性データ信頼
度算出器５で算出した追尾目標の属性信頼度Ｐ（Ｊc・
Ｚk-1）を第１の遅延回路６を通して入力し、式（７
６）及び式（７７）に従い現時刻の追尾目標の属性信頼
度を算出する。
観測装置１で観測した各対象についての信号を分析した
結果等の属性データベクトルｚ k,id（ｉ）を出力する。
また、属性データ相関諸元算出器４では、１サンプリン
グ前に算出した追尾目標の属性の信頼度Ｐ（Ｊc・
Ｚk-1）またはその初期値Ｐ（Ｊc・ＮＣ） を属性デー
タ信頼度算出器５より第１の遅延回路６を通して入力
し、これと目標属性観測装置３より属性データベクトル
ｚ k,id（ｉ）と共に入力される仮説Ｊc の基での属性デ
ータベクトルｚ k,idの信頼度により、式（４１）または
式（４２）を用いて追尾目標からの属性データの確率分
布を算出する。ここで、属性データ信頼度算出器５で
は、運動モデル毎の運動データ及び属性データによる信
頼度算出器９からの式（７３）の観測データの信頼度β
k,i と、現時刻より１サンプリング前に属性データ信頼
度算出器５で算出した追尾目標の属性信頼度Ｐ（Ｊc・
Ｚk-1）を第１の遅延回路６を通して入力し、式（７
６）及び式（７７）に従い現時刻の追尾目標の属性信頼
度を算出する。
【００８７】属性データ相関器７では、運動データ相関
器２で選択された観測データｚk ,iのうち、属性データ
相関諸元算出器４で算出した式（４１）または式（４
２）の追尾目標からの属性データの確率分布とあらかじ
め設定されたパラメータＳＬにより式（４８）を使用し
て追尾目標と相関の可能性のあるｍk 個の観測データを
選択し、これを式（３０）のＺk とする。また、運動モ
デル毎の観測誤差評価器８では、運動モデル毎の予測値
算出器１２より得られる現時点より１サンプリング前に
算出した式（４９）の運動モデル毎の予測ベクトルハッ
トｘa k（−）を第２の遅延回路１３を通して入力し式
（６７）の目標位置予測ベクトルｚa k（−）を算出し、
運動モデル毎の予測誤差評価器１７より得られる現時点
より１サンプリング前に算出した式（５０）の運動モデ
ル毎の予測誤差共分散行列Ｐa k（−）を第４の遅延回路
１８を通し入力し、これとあらかじめ設定してある観測
モデルより得られる式（２１）の観測雑音共分散行列Ｒ
k より式（６９）を用いて、観測ベクトルの複数個の運
動モデル各々に対する合致度である観測誤差の評価値で
あるｇを式（７２）に従い算出する。
器２で選択された観測データｚk ,iのうち、属性データ
相関諸元算出器４で算出した式（４１）または式（４
２）の追尾目標からの属性データの確率分布とあらかじ
め設定されたパラメータＳＬにより式（４８）を使用し
て追尾目標と相関の可能性のあるｍk 個の観測データを
選択し、これを式（３０）のＺk とする。また、運動モ
デル毎の観測誤差評価器８では、運動モデル毎の予測値
算出器１２より得られる現時点より１サンプリング前に
算出した式（４９）の運動モデル毎の予測ベクトルハッ
トｘa k（−）を第２の遅延回路１３を通して入力し式
（６７）の目標位置予測ベクトルｚa k（−）を算出し、
運動モデル毎の予測誤差評価器１７より得られる現時点
より１サンプリング前に算出した式（５０）の運動モデ
ル毎の予測誤差共分散行列Ｐa k（−）を第４の遅延回路
１８を通し入力し、これとあらかじめ設定してある観測
モデルより得られる式（２１）の観測雑音共分散行列Ｒ
k より式（６９）を用いて、観測ベクトルの複数個の運
動モデル各々に対する合致度である観測誤差の評価値で
あるｇを式（７２）に従い算出する。
【００８８】運動モデル毎の運動データ及び属性データ
による信頼度算出器９では、サンプリング時刻ｔk-1 で
算出した複数個の運動モデル各々に対する信頼度である
式（７０）のβb k-1を第３の遅延回路１５を通して入力
し、これとあらかじめ設定された式（６２）の推移確率
Ｐabと、運動モデル毎の観測誤差評価器８より入力され
る式（７２）のｇから、式（７０）に従い、観測データ
と複数個の運動モデル各々の信頼度を算出する。ゲイン
行列算出器１０では、あらかじめ設定された観測モデル
より得られる式（２１）の観測雑音共分散行列Ｒk 及び
第４の遅延回路１８を通して運動モデル毎の予測誤差評
価器１７より入力される１サンプリング前に算出してお
いた運動モデル毎の予測誤差共分散行列Ｐa k（−）とに
より式（５３）に従いゲイン行列Ｋk を算出する。
による信頼度算出器９では、サンプリング時刻ｔk-1 で
算出した複数個の運動モデル各々に対する信頼度である
式（７０）のβb k-1を第３の遅延回路１５を通して入力
し、これとあらかじめ設定された式（６２）の推移確率
Ｐabと、運動モデル毎の観測誤差評価器８より入力され
る式（７２）のｇから、式（７０）に従い、観測データ
と複数個の運動モデル各々の信頼度を算出する。ゲイン
行列算出器１０では、あらかじめ設定された観測モデル
より得られる式（２１）の観測雑音共分散行列Ｒk 及び
第４の遅延回路１８を通して運動モデル毎の予測誤差評
価器１７より入力される１サンプリング前に算出してお
いた運動モデル毎の予測誤差共分散行列Ｐa k（−）とに
より式（５３）に従いゲイン行列Ｋk を算出する。
【００８９】平滑器１１では、１サンプリング前に算出
しておいた式（５１）の平滑ベクトルハットｘ
k-1（＋） を第６の遅延回路１４を通し入力し、運動モ
デル毎の運動データ及び属性データによる信頼度算出器
９より得られる式（７０）の観測データと各運動モデル
の信頼度βa,b k,iとあらかじめ設定された式（１２）の
複数個の運動モデルを構成している定数加速度ベクトル
α a と、ゲイン行列算出器１０より得られるゲイン行列
Ｋk を式（７９）に従い適用し平滑ベクトルハットｘ k
（＋） を算出する。運動モデル毎の予測値算出器１２
では、平滑器１１より得られる平滑ベクトルハットｘ k
（＋） より現時点より１サンプリング後のサンプリン
グ時刻ｔk+1 に対する複数個の運動モデル毎の予測ベク
トルハットｘ a k+1（−）を式（４９）に従い算出する。
しておいた式（５１）の平滑ベクトルハットｘ
k-1（＋） を第６の遅延回路１４を通し入力し、運動モ
デル毎の運動データ及び属性データによる信頼度算出器
９より得られる式（７０）の観測データと各運動モデル
の信頼度βa,b k,iとあらかじめ設定された式（１２）の
複数個の運動モデルを構成している定数加速度ベクトル
α a と、ゲイン行列算出器１０より得られるゲイン行列
Ｋk を式（７９）に従い適用し平滑ベクトルハットｘ k
（＋） を算出する。運動モデル毎の予測値算出器１２
では、平滑器１１より得られる平滑ベクトルハットｘ k
（＋） より現時点より１サンプリング後のサンプリン
グ時刻ｔk+1 に対する複数個の運動モデル毎の予測ベク
トルハットｘ a k+1（−）を式（４９）に従い算出する。
【００９０】運動モデル毎の平滑誤差評価器１６では、
１サンプリング前に算出しておいた式（５０）の運動モ
デル毎の予測誤差共分散行列を運動モデル毎の予測誤差
評価器１７より第４の遅延回路１８及びゲイン行列算出
器１０を通して入力し、ゲイン行列算出器１０より得ら
れるゲイン行列Ｋk とにより、式（５２）の運動モデル
毎の平滑ベクトルハットｘa k（＋）の平滑誤差の評価値
である複数個の運動モデル毎の平滑誤差共分散行列を式
（５４）に従い算出する。運動モデル毎の予測誤差評価
器１７では、運動モデル毎の平滑誤差評価器１６より得
られる式（５４）の運動モデル毎の平滑誤差共分散行列
Ｐa k（＋）を式（８６）に従い平滑誤差共分散行列Ｐk
（＋） とみなし、あらかじめ設定された運動モデルよ
り得られる式（１５）の駆動雑音共分散行列Ｑk とによ
り式（５０）に従い、サンプリング時刻ｔk+1 に対する
複数個の運動モデル毎の予測ベクトルハットｘ
a k+1（−）の予測誤差の評価である予測誤差共分散行列
Ｐa k+1（−）を算出する。
１サンプリング前に算出しておいた式（５０）の運動モ
デル毎の予測誤差共分散行列を運動モデル毎の予測誤差
評価器１７より第４の遅延回路１８及びゲイン行列算出
器１０を通して入力し、ゲイン行列算出器１０より得ら
れるゲイン行列Ｋk とにより、式（５２）の運動モデル
毎の平滑ベクトルハットｘa k（＋）の平滑誤差の評価値
である複数個の運動モデル毎の平滑誤差共分散行列を式
（５４）に従い算出する。運動モデル毎の予測誤差評価
器１７では、運動モデル毎の平滑誤差評価器１６より得
られる式（５４）の運動モデル毎の平滑誤差共分散行列
Ｐa k（＋）を式（８６）に従い平滑誤差共分散行列Ｐk
（＋） とみなし、あらかじめ設定された運動モデルよ
り得られる式（１５）の駆動雑音共分散行列Ｑk とによ
り式（５０）に従い、サンプリング時刻ｔk+1 に対する
複数個の運動モデル毎の予測ベクトルハットｘ
a k+1（−）の予測誤差の評価である予測誤差共分散行列
Ｐa k+1（−）を算出する。
【００９１】予測値算出器２２では、平滑器１１より式
（５１）の平滑ベクトルハットｘ a k（＋）を入力すると
共に、運動モデル毎の運動データ及び属性データによる
信頼度算出器９より得られる式（７０）の観測データと
各運動モデルの信頼度βa,b k,iを平滑器１１を介して入
力し、あらかじめ設定された式（６２）の推移確率Ｐab
とより、式（８４）に従い現時点より１サンプリング後
の予測ベクトルハットｘ a k+1（−）を算出する。運動デ
ータ相関諸元算出器２４では、予測値算出器２２より得
られる現時点より１サンプリング後の予測ベクトルハッ
トｘ a k+1（−）を第５の遅延回路２３を介して入力する
と共に、運動モデル毎の予測誤差評価器１７より１サン
プリング前に算出しておいた運動モデル毎の予測誤差共
分散行列Ｐa k（−）を第７の遅延回路２１を通して入力
し、該運動モデル毎の予測誤差共分散行列Ｐa k（−）を
予測誤差共分散行列Ｐk（−） とみなし、さらに、あら
かじめ設定された観測モデルより得られる式（２１）の
観測雑音共分散行列Ｒk を用いて、式（３７）の目標位
置予測ベクトルｚ k（−）と、式（３８）の追尾対象目
標の確率分布の広がりＳk を算出する。
（５１）の平滑ベクトルハットｘ a k（＋）を入力すると
共に、運動モデル毎の運動データ及び属性データによる
信頼度算出器９より得られる式（７０）の観測データと
各運動モデルの信頼度βa,b k,iを平滑器１１を介して入
力し、あらかじめ設定された式（６２）の推移確率Ｐab
とより、式（８４）に従い現時点より１サンプリング後
の予測ベクトルハットｘ a k+1（−）を算出する。運動デ
ータ相関諸元算出器２４では、予測値算出器２２より得
られる現時点より１サンプリング後の予測ベクトルハッ
トｘ a k+1（−）を第５の遅延回路２３を介して入力する
と共に、運動モデル毎の予測誤差評価器１７より１サン
プリング前に算出しておいた運動モデル毎の予測誤差共
分散行列Ｐa k（−）を第７の遅延回路２１を通して入力
し、該運動モデル毎の予測誤差共分散行列Ｐa k（−）を
予測誤差共分散行列Ｐk（−） とみなし、さらに、あら
かじめ設定された観測モデルより得られる式（２１）の
観測雑音共分散行列Ｒk を用いて、式（３７）の目標位
置予測ベクトルｚ k（−）と、式（３８）の追尾対象目
標の確率分布の広がりＳk を算出する。
【００９２】この実施の形態１は以上のように構成した
ので、目標観測データから得られる目標の運動データと
属性データを利用して観測データと追尾目標との相関を
判定し、さらに、目標の運動データと属性データを利用
して算出した観測データと複数運動モデルの信頼度を用
いて平滑ベクトルを算出することにより、目標観測位置
の他に、クラッタなどの不要信号や追尾対象目標以外の
目標が、目標予測位置の近傍に存在する場合や、目標位
置データの観測精度が低い場合にも、精度良く追尾を維
持できる効果がある。
ので、目標観測データから得られる目標の運動データと
属性データを利用して観測データと追尾目標との相関を
判定し、さらに、目標の運動データと属性データを利用
して算出した観測データと複数運動モデルの信頼度を用
いて平滑ベクトルを算出することにより、目標観測位置
の他に、クラッタなどの不要信号や追尾対象目標以外の
目標が、目標予測位置の近傍に存在する場合や、目標位
置データの観測精度が低い場合にも、精度良く追尾を維
持できる効果がある。
【００９３】実施の形態２．
図５は実施の形態２に係る目標追尾装置を示す構成図で
ある。図５において、図１に示す実施の形態１と同一符
号は同一部分を示し、その説明は省略する。新たな符号
として、１９は平滑ベクトルの平滑誤差の評価値である
平滑誤差共分散行列を算出する平滑誤差評価器であり、
運動モデル毎の運動データ及び属性データによる信頼度
算出器９により算出された各運動モデルの信頼度とゲイ
ン行列算出器により算出されたゲイン行列を使用して平
滑誤差評価値を算出し、運動モデル毎の平滑誤差評価器
１６より得られる運動モデル毎の平滑誤差評価値に加算
して新たな運動モデル毎の平滑誤差評価値を算出するよ
うになされ、運動モデル毎の予測誤差評価器１７は、新
たに算出された運動モデル毎の平滑誤差評価値を入力し
て運動モデル毎の予測誤差評価値を算出する。
ある。図５において、図１に示す実施の形態１と同一符
号は同一部分を示し、その説明は省略する。新たな符号
として、１９は平滑ベクトルの平滑誤差の評価値である
平滑誤差共分散行列を算出する平滑誤差評価器であり、
運動モデル毎の運動データ及び属性データによる信頼度
算出器９により算出された各運動モデルの信頼度とゲイ
ン行列算出器により算出されたゲイン行列を使用して平
滑誤差評価値を算出し、運動モデル毎の平滑誤差評価器
１６より得られる運動モデル毎の平滑誤差評価値に加算
して新たな運動モデル毎の平滑誤差評価値を算出するよ
うになされ、運動モデル毎の予測誤差評価器１７は、新
たに算出された運動モデル毎の平滑誤差評価値を入力し
て運動モデル毎の予測誤差評価値を算出する。
【００９４】次に、本実施の形態２の原理を説明する。
式（１）から式（５１）までを用いて説明した原理は実
施の形態１と同じである。次に、サンプリング時刻ｔk
の平滑処理の原理についても述べる。式（５２）から式
（８６）までの説明は実施の形態１と同じである。式
（５５）及び式（５１）より、サンプリング時刻ｔk に
おいて少なくとも１つ以上の探知データが得られている
場合の平滑誤差共分散行列Ｐk （＋）は式（８７）で表
される。さらに、式（７５）より式（８８）が導かれ
て、式（８７）は式（８９）で表される。
式（１）から式（５１）までを用いて説明した原理は実
施の形態１と同じである。次に、サンプリング時刻ｔk
の平滑処理の原理についても述べる。式（５２）から式
（８６）までの説明は実施の形態１と同じである。式
（５５）及び式（５１）より、サンプリング時刻ｔk に
おいて少なくとも１つ以上の探知データが得られている
場合の平滑誤差共分散行列Ｐk （＋）は式（８７）で表
される。さらに、式（７５）より式（８８）が導かれ
て、式（８７）は式（８９）で表される。
【００９５】
【数３２】
【００９６】式（５４）及び式（５２）より、複数個の
運動モデル各々の平滑誤差共分散行列Ｐa k（＋）は式
（９０）、すなわち式（９１）で表されるから、式（８
９）は式（９２）となる。また、式（６０）、式（７
４）及式（７９）より式（９３）が得られるから、Ｐk
（＋）がａに無関係なこと、式（６０）及び式（９４）
より式（９２）は式（９４）で表される。
運動モデル各々の平滑誤差共分散行列Ｐa k（＋）は式
（９０）、すなわち式（９１）で表されるから、式（８
９）は式（９２）となる。また、式（６０）、式（７
４）及式（７９）より式（９３）が得られるから、Ｐk
（＋）がａに無関係なこと、式（６０）及び式（９４）
より式（９２）は式（９４）で表される。
【００９７】
【数３３】
【００９８】式（５２）及び式（４９）より、平滑ベク
トルは式（９５）で表される。また、式（９５）及び式
（７９）より運動モデル毎の平滑ベクトルは式（９６）
が成り立つ。従って、サンプリング時刻ｔk において探
知データが得られない場合も考慮した平滑誤差共分散行
列は式（９４）より式（９７）で表される。
トルは式（９５）で表される。また、式（９５）及び式
（７９）より運動モデル毎の平滑ベクトルは式（９６）
が成り立つ。従って、サンプリング時刻ｔk において探
知データが得られない場合も考慮した平滑誤差共分散行
列は式（９４）より式（９７）で表される。
【００９９】
【数３４】
【０１００】なお、運動モデルが一意的に定まる時、例
えば、式（９８）のとき、式（９６）及び式（８９）よ
り式（９９）であり、複数個の運動モデル各々の平滑誤
差共分散行列Ｐa k（＋）は平滑誤差共分散行列Ｐ
k（＋） と等しくなる。すなわち、式（９７）の右辺の
第２項は運動モデルが一意的に定まらないことにより平
滑誤差共分散行列を大きくする項である。以上、サンプ
リング時刻ｔk の平滑処理について述べた。
えば、式（９８）のとき、式（９６）及び式（８９）よ
り式（９９）であり、複数個の運動モデル各々の平滑誤
差共分散行列Ｐa k（＋）は平滑誤差共分散行列Ｐ
k（＋） と等しくなる。すなわち、式（９７）の右辺の
第２項は運動モデルが一意的に定まらないことにより平
滑誤差共分散行列を大きくする項である。以上、サンプ
リング時刻ｔk の平滑処理について述べた。
【０１０１】
【数３５】
【０１０２】次に、図５に示す実施の形態２に係る目標
追尾装置の動作を説明する。なお、カルマンフィルタを
目標追尾装置に通常適用する場合と同様にして、初期値
はあらかじめ定まっているとする。目標位置観測装置１
では、極座標で目標位置情報を観測し、その結果を直交
座標による目標位置情報に変換し、式（２９）の位置観
測ベクトルｚk ,trk（ｉ）を出力する。運動データ相関
器２では、運動データ相関諸元算出器２４で計算した式
（３７）の目標位置予測ベクトルｚk （−）と、式（３
８）の追尾対象目標の確率分布の広がりＳk と、あらか
じめ設定されたパラメータｄから、式（４５）を用いて
追尾目標と相関の可能性のある観測データを選択する。
一方、目標属性観測装置３では、目標位置観測装置１で
観測した各対象についての信号を分析した結果等の属性
データベクトルｚk ,id（ｉ）を出力する。
追尾装置の動作を説明する。なお、カルマンフィルタを
目標追尾装置に通常適用する場合と同様にして、初期値
はあらかじめ定まっているとする。目標位置観測装置１
では、極座標で目標位置情報を観測し、その結果を直交
座標による目標位置情報に変換し、式（２９）の位置観
測ベクトルｚk ,trk（ｉ）を出力する。運動データ相関
器２では、運動データ相関諸元算出器２４で計算した式
（３７）の目標位置予測ベクトルｚk （−）と、式（３
８）の追尾対象目標の確率分布の広がりＳk と、あらか
じめ設定されたパラメータｄから、式（４５）を用いて
追尾目標と相関の可能性のある観測データを選択する。
一方、目標属性観測装置３では、目標位置観測装置１で
観測した各対象についての信号を分析した結果等の属性
データベクトルｚk ,id（ｉ）を出力する。
【０１０３】属性データ相関諸元算出器４では、１サン
プリング前に算出した追尾目標の属性の信頼度Ｐ（Ｊc
│Ｚk-1）またはその初期値Ｐ（Ｊc│ＮＣ） を第１の
遅延回路６を通して属性データ信頼度算出器５より入力
し、これと目標属性観測装置３より属性データベクトル
ｚk ,id（ｉ）と共に入力される仮説Ｊc の基での属性デ
ータベクトルｚk ,id（ｉ）の信頼度により、式（４１）
または式（４２）を用いて追尾目標からの属性データの
確率分布を算出する。属性データ相関器７では、運動デ
ータ相関器２で選択された観測データｚk ,iのうち、属
性データ相関諸元算出器４で算出した式（４１）または
式（４２）の追尾目標からの属性データの確率分布とあ
らかじめ設定されたパラメータＳＬにより式（４８）を
使用して追尾目標と相関の可能性のあるｍk 個の観測デ
ータを選択し、これを式（３０）のＺk とする。
プリング前に算出した追尾目標の属性の信頼度Ｐ（Ｊc
│Ｚk-1）またはその初期値Ｐ（Ｊc│ＮＣ） を第１の
遅延回路６を通して属性データ信頼度算出器５より入力
し、これと目標属性観測装置３より属性データベクトル
ｚk ,id（ｉ）と共に入力される仮説Ｊc の基での属性デ
ータベクトルｚk ,id（ｉ）の信頼度により、式（４１）
または式（４２）を用いて追尾目標からの属性データの
確率分布を算出する。属性データ相関器７では、運動デ
ータ相関器２で選択された観測データｚk ,iのうち、属
性データ相関諸元算出器４で算出した式（４１）または
式（４２）の追尾目標からの属性データの確率分布とあ
らかじめ設定されたパラメータＳＬにより式（４８）を
使用して追尾目標と相関の可能性のあるｍk 個の観測デ
ータを選択し、これを式（３０）のＺk とする。
【０１０４】属性データ信頼度算出器５では、運動モデ
ル毎の運動データ及び属性データによる信頼度算出器９
からの式（７３）の観測データの信頼度βk,i と、現時
刻ｔk より１サンプリング前に属性データ信頼度算出器
５で算出した追尾目標の属性信頼度Ｐ（Ｊc・Ｚk-1）を
第１の遅延回路６を通して入力し、式（７６）及び式
（７７）に従い現時刻の追尾目標の属性信頼度Ｐ（Ｊc
・Ｚk）を算出する。運動モデル毎の観測誤差評価器８
では、運動モデル毎の予測値算出器１２より得られる現
時点より１サンプリング前に算出した式（４９）の運動
モデル毎の予測ベクトルハットｘ a k（−）を第２の遅延
回路１３を通して入力して式（６７）の目標位置予測ベ
クトルｚ a k（−）を算出し、運動モデル毎の予測誤差評
価器１７より得られる現時点より１サンプリング前に算
出した式（５０）の運動モデル毎の予測誤差共分散行列
Ｐa k（−）を第４の遅延回路１８を通し入力し、これと
あらかじめ設定してある観測モデルより得られる式（２
１）の観測雑音共分散行列Ｒk より式（６９）を用い
て、観測ベクトルの複数個の運動モデル各々に対する合
致度である観測誤差の評価値であるｇを式（７２）に従
い算出する。
ル毎の運動データ及び属性データによる信頼度算出器９
からの式（７３）の観測データの信頼度βk,i と、現時
刻ｔk より１サンプリング前に属性データ信頼度算出器
５で算出した追尾目標の属性信頼度Ｐ（Ｊc・Ｚk-1）を
第１の遅延回路６を通して入力し、式（７６）及び式
（７７）に従い現時刻の追尾目標の属性信頼度Ｐ（Ｊc
・Ｚk）を算出する。運動モデル毎の観測誤差評価器８
では、運動モデル毎の予測値算出器１２より得られる現
時点より１サンプリング前に算出した式（４９）の運動
モデル毎の予測ベクトルハットｘ a k（−）を第２の遅延
回路１３を通して入力して式（６７）の目標位置予測ベ
クトルｚ a k（−）を算出し、運動モデル毎の予測誤差評
価器１７より得られる現時点より１サンプリング前に算
出した式（５０）の運動モデル毎の予測誤差共分散行列
Ｐa k（−）を第４の遅延回路１８を通し入力し、これと
あらかじめ設定してある観測モデルより得られる式（２
１）の観測雑音共分散行列Ｒk より式（６９）を用い
て、観測ベクトルの複数個の運動モデル各々に対する合
致度である観測誤差の評価値であるｇを式（７２）に従
い算出する。
【０１０５】運動モデル毎の運動データ及び属性データ
による信頼度算出器９では、サンプリング時刻ｔk-1 で
算出した複数個の運動モデル各々に対する信頼度である
式（７０）のβb k-1を第３の遅延回路１５を通して入力
し、これとあらかじめ設定された式（６２）の推移確率
Ｐabと、運動モデル毎の観測誤差評価器８より入力され
る式（７２）のｇから、式（７０）に従い、観測データ
と複数個の運動モデル各々の信頼度を算出する。ゲイン
行列算出器１０では、あらかじめ設定された観測モデル
より得られる式（２１）の観測雑音共分散行列Ｒk 及び
１サンプリング前に算出しておいた運動モデル毎の予測
誤差評価器１７より第４の遅延回路１８を通して入力さ
れる運動モデル毎の予測誤差共分散行列Ｐa k（−）とに
より式（５３）に従いゲイン行列Ｋk を算出する。
による信頼度算出器９では、サンプリング時刻ｔk-1 で
算出した複数個の運動モデル各々に対する信頼度である
式（７０）のβb k-1を第３の遅延回路１５を通して入力
し、これとあらかじめ設定された式（６２）の推移確率
Ｐabと、運動モデル毎の観測誤差評価器８より入力され
る式（７２）のｇから、式（７０）に従い、観測データ
と複数個の運動モデル各々の信頼度を算出する。ゲイン
行列算出器１０では、あらかじめ設定された観測モデル
より得られる式（２１）の観測雑音共分散行列Ｒk 及び
１サンプリング前に算出しておいた運動モデル毎の予測
誤差評価器１７より第４の遅延回路１８を通して入力さ
れる運動モデル毎の予測誤差共分散行列Ｐa k（−）とに
より式（５３）に従いゲイン行列Ｋk を算出する。
【０１０６】平滑器１１では、１サンプリング前に算出
しておいた式（５１）の平滑ベクトルハットｘ
k-1（＋）を第６の遅延回路１４を通し入力し、運動モ
デル毎の運動データ及び属性データによる信頼度算出器
９より得られる式（７０）の観測データと各運動モデル
の信頼度βa'b k,iとあらかじめ設定された式（１２）の
複数個の運動モデルを構成している定数加速度ベクトル
α a と、ゲイン行列算出器１０より得られるゲイン行列
Ｋk を式（７９）に従い適用し平滑ベクトルハットｘ k
（＋）を算出する。
しておいた式（５１）の平滑ベクトルハットｘ
k-1（＋）を第６の遅延回路１４を通し入力し、運動モ
デル毎の運動データ及び属性データによる信頼度算出器
９より得られる式（７０）の観測データと各運動モデル
の信頼度βa'b k,iとあらかじめ設定された式（１２）の
複数個の運動モデルを構成している定数加速度ベクトル
α a と、ゲイン行列算出器１０より得られるゲイン行列
Ｋk を式（７９）に従い適用し平滑ベクトルハットｘ k
（＋）を算出する。
【０１０７】運動モデル毎の予測値算出器１２では、平
滑器１１より得られる平滑ベクトルｘk （＋）より現時
点より１サンプリング後のサンプリング時刻ｔk+1に対
する複数個の運動モデル毎の予測ベクトルハットｘa k+1
（−）を式（４９）に従い算出する。運動モデル毎の平
滑誤差評価器１６では、１サンプリング前に算出してお
いた式（５０）の運動モデル毎の予測誤差共分散行列Ｐ
a k（−）を運動モデル毎の予測誤差評価器１７より第４
の遅延回路１８を通して入力し、ゲイン行列算出器１０
より得られるゲイン行列Ｋk とにより、式（５２）の運
動モデル毎の平滑ベクトルハットｘa k（＋）の平滑誤差
の評価値である複数個の運動モデル毎の平滑誤差共分散
行列Ｐa k（＋）を式（５４）に従い算出する。
滑器１１より得られる平滑ベクトルｘk （＋）より現時
点より１サンプリング後のサンプリング時刻ｔk+1に対
する複数個の運動モデル毎の予測ベクトルハットｘa k+1
（−）を式（４９）に従い算出する。運動モデル毎の平
滑誤差評価器１６では、１サンプリング前に算出してお
いた式（５０）の運動モデル毎の予測誤差共分散行列Ｐ
a k（−）を運動モデル毎の予測誤差評価器１７より第４
の遅延回路１８を通して入力し、ゲイン行列算出器１０
より得られるゲイン行列Ｋk とにより、式（５２）の運
動モデル毎の平滑ベクトルハットｘa k（＋）の平滑誤差
の評価値である複数個の運動モデル毎の平滑誤差共分散
行列Ｐa k（＋）を式（５４）に従い算出する。
【０１０８】平滑誤差評価器１９では、運動モデル毎の
運動データ及び属性データによる信頼度算出器９より得
られる各運動モデルの信頼度βa k、観測データと各運動
モデルの信頼度βa k,iと、ゲイン行列算出器１０より得
られるゲイン行列Ｋk 及びあらかじめ設定された定数加
速度ベクトルα a より式（８９）を使用し、運動ベクト
ルが一意的に定まらないことにより平滑誤差が大きくな
ると評価する項（式（９７）の右辺第２〜４項）を算出
し、これに運動モデル毎の平滑誤差評価器１６より得ら
れる運動モデル毎の平滑誤差共分散行列Ｐa k（＋）を加
算し、平滑誤差の評価である平滑誤差共分散行列Ｐ
k（＋）を式（９７）に従い算出する。
運動データ及び属性データによる信頼度算出器９より得
られる各運動モデルの信頼度βa k、観測データと各運動
モデルの信頼度βa k,iと、ゲイン行列算出器１０より得
られるゲイン行列Ｋk 及びあらかじめ設定された定数加
速度ベクトルα a より式（８９）を使用し、運動ベクト
ルが一意的に定まらないことにより平滑誤差が大きくな
ると評価する項（式（９７）の右辺第２〜４項）を算出
し、これに運動モデル毎の平滑誤差評価器１６より得ら
れる運動モデル毎の平滑誤差共分散行列Ｐa k（＋）を加
算し、平滑誤差の評価である平滑誤差共分散行列Ｐ
k（＋）を式（９７）に従い算出する。
【０１０９】運動モデル毎の予測誤差評価器１７では、
平滑誤差評価器１９より得られる平滑誤差共分散行列Ｐ
k（＋）と、あらかじめ設定された運動モデルより得ら
れる式（１５）の駆動雑音共分散行列Ｑk とにより式
（５０）に従い、サンプリング時刻ｔk+1に対する複数
個の運動モデル毎の予測ベクトルハットｘa k+1（−）の
予測誤差の評価である予測誤差共分散行列Ｐa k+1（−）
を算出する。
平滑誤差評価器１９より得られる平滑誤差共分散行列Ｐ
k（＋）と、あらかじめ設定された運動モデルより得ら
れる式（１５）の駆動雑音共分散行列Ｑk とにより式
（５０）に従い、サンプリング時刻ｔk+1に対する複数
個の運動モデル毎の予測ベクトルハットｘa k+1（−）の
予測誤差の評価である予測誤差共分散行列Ｐa k+1（−）
を算出する。
【０１１０】予測値算出器２２では、平滑器１１より式
（５１）の平滑ベクトルハットｘ k（＋）を入力し、運
動モデル毎の運動データ及び属性データによる信頼度算
出器９より得られる式（７０）の観測データと各運動モ
デルの信頼度βa,b k,iと、あらかじめ設定された式（６
２）の推移確率Ｐabより、式（８４）に従い現時点より
１サンプリング後の予測ベクトルハットｘ k+1（−）を
算出する。
（５１）の平滑ベクトルハットｘ k（＋）を入力し、運
動モデル毎の運動データ及び属性データによる信頼度算
出器９より得られる式（７０）の観測データと各運動モ
デルの信頼度βa,b k,iと、あらかじめ設定された式（６
２）の推移確率Ｐabより、式（８４）に従い現時点より
１サンプリング後の予測ベクトルハットｘ k+1（−）を
算出する。
【０１１１】運動データ相関諸元算出器２４では、予測
値算出器２２より得られる現時点より１サンプリング後
の予測ベクトルハットｘk+1 （−）と、あらかじめ設定
された観測モデルより得られる式（２１）の観測雑音共
分散行列Ｒk 及び１サンプリング前に算出しておいた運
動モデル毎の予測誤差評価器１７より第７の遅延回路２
１を通して入力される運動モデル毎の予測誤差共分散行
列Ｐa k（−）を予測誤差共分散行列Ｐk（−）とみなし
て、式（３７）の目標位置予測ベクトルｚk （−）と、
式（３８）の追尾対象目標の確率分布の広がりＳk を算
出する。
値算出器２２より得られる現時点より１サンプリング後
の予測ベクトルハットｘk+1 （−）と、あらかじめ設定
された観測モデルより得られる式（２１）の観測雑音共
分散行列Ｒk 及び１サンプリング前に算出しておいた運
動モデル毎の予測誤差評価器１７より第７の遅延回路２
１を通して入力される運動モデル毎の予測誤差共分散行
列Ｐa k（−）を予測誤差共分散行列Ｐk（−）とみなし
て、式（３７）の目標位置予測ベクトルｚk （−）と、
式（３８）の追尾対象目標の確率分布の広がりＳk を算
出する。
【０１１２】この実施の形態２は以上のように構成した
ので、目標観測データから得られる目標の運動データと
属性データを利用して観測データと追尾目標との相関を
判定し、さらに目標の運動データと属性データを利用し
て算出した観測データと複数運動モデルの信頼度を用い
て平滑ベクトルを算出しているので、目標観測位置の他
に、クラッタなどの不要信号や追尾対象目標以外の目標
が、目標予測位置の近傍に存在する場合や、目標位置デ
ータの観測精度が低い場合にも精度良く追尾を維持でき
る効果がある。
ので、目標観測データから得られる目標の運動データと
属性データを利用して観測データと追尾目標との相関を
判定し、さらに目標の運動データと属性データを利用し
て算出した観測データと複数運動モデルの信頼度を用い
て平滑ベクトルを算出しているので、目標観測位置の他
に、クラッタなどの不要信号や追尾対象目標以外の目標
が、目標予測位置の近傍に存在する場合や、目標位置デ
ータの観測精度が低い場合にも精度良く追尾を維持でき
る効果がある。
【０１１３】さらに、目標の運動データと属性データを
用いて複数の運動モデル各々に対する信頼度を算出し、
運動モデルが一意的に定まらないことにより平滑誤差の
評価である平滑誤差共分散行列を増加させる諸元を算出
し、この諸元を複数個の運動モデル毎の平滑誤差共分散
行列に加算することにより平滑誤差共分散行列を算出す
るようにしたので、平滑誤差の評価値の信頼性が高い。
用いて複数の運動モデル各々に対する信頼度を算出し、
運動モデルが一意的に定まらないことにより平滑誤差の
評価である平滑誤差共分散行列を増加させる諸元を算出
し、この諸元を複数個の運動モデル毎の平滑誤差共分散
行列に加算することにより平滑誤差共分散行列を算出す
るようにしたので、平滑誤差の評価値の信頼性が高い。
【０１１４】実施の形態３．
図６は実施の形態３に係る目標追尾装置を示す構成図で
ある。図中、１〜７、８〜９、１０〜１８、２１〜２４
は実施の形態１と同一である。新たな符号として、２０
は予測ベクトルの予測誤差を評価する予測誤差評価器で
あり、運動モデル毎の運動データ及び属性データによる
信頼度算出器９により算出された各運動モデルの信頼度
を使用して現時点より１サンプリング後の各運動モデル
毎の予測誤差評価値を算出し、運動モデル毎の予測誤差
評価器１７により算出された現時点より１サンプリング
後の各運動モデル毎の予測誤差評価値に加算して現時点
より１サンプリング後の各運動モデル毎の新たな予測誤
差評価値を算出する。
ある。図中、１〜７、８〜９、１０〜１８、２１〜２４
は実施の形態１と同一である。新たな符号として、２０
は予測ベクトルの予測誤差を評価する予測誤差評価器で
あり、運動モデル毎の運動データ及び属性データによる
信頼度算出器９により算出された各運動モデルの信頼度
を使用して現時点より１サンプリング後の各運動モデル
毎の予測誤差評価値を算出し、運動モデル毎の予測誤差
評価器１７により算出された現時点より１サンプリング
後の各運動モデル毎の予測誤差評価値に加算して現時点
より１サンプリング後の各運動モデル毎の新たな予測誤
差評価値を算出する。
【０１１５】次に、本実施の形態３の原理を説明する。
式（１）から式（５１）までを用いた原理の説明は実施
の形態１と同じである。サンプリング時刻ｔk の平滑処
理は実施の形態１の式（５２）から式（８６）までの原
理と同じである。次に、サンプリング時刻ｔk における
予測処理の原理について説明する。複数個の運動モデル
を構成している定数加速度ベクトルαa （ａ＝１，２，
・・・，Ｎ）の条件付き確率密度関数を離散系における
確率論に従い式（１００）及び式（１０１）とする。こ
こで、デルタ関数は式（１０２）の性質を有している。
また、式（１００）及び式（１０２）より式（１０３）
を得る。
式（１）から式（５１）までを用いた原理の説明は実施
の形態１と同じである。サンプリング時刻ｔk の平滑処
理は実施の形態１の式（５２）から式（８６）までの原
理と同じである。次に、サンプリング時刻ｔk における
予測処理の原理について説明する。複数個の運動モデル
を構成している定数加速度ベクトルαa （ａ＝１，２，
・・・，Ｎ）の条件付き確率密度関数を離散系における
確率論に従い式（１００）及び式（１０１）とする。こ
こで、デルタ関数は式（１０２）の性質を有している。
また、式（１００）及び式（１０２）より式（１０３）
を得る。
【０１１６】
【数３６】
【０１１７】すなわち、加速度ベクトルをαａと仮定し
たときの定数加速度ベクトルの推定値ハットｕa k-1を式
（１０４）と定義したとき式（１０５）を得る。また、
式（１０１）及び式（１０３）より式（１０６）を得
る。
たときの定数加速度ベクトルの推定値ハットｕa k-1を式
（１０４）と定義したとき式（１０５）を得る。また、
式（１０１）及び式（１０３）より式（１０６）を得
る。
【０１１８】
【数３７】
【０１１９】すなわち、定数加速度ベクトルの推定値ハ
ットｕk-1 を式（１０７）と定義したとき式（１０８）
を得る。また、式（１００）、式（１０５）及び式（１
０２）よりハットｕa k-1の誤差共分散行列は式（１０
９）である。式（１００）及び式（１０２）よりハット
ｕk-1 の誤差共分散行列は式（１１０）である。
ットｕk-1 を式（１０７）と定義したとき式（１０８）
を得る。また、式（１００）、式（１０５）及び式（１
０２）よりハットｕa k-1の誤差共分散行列は式（１０
９）である。式（１００）及び式（１０２）よりハット
ｕk-1 の誤差共分散行列は式（１１０）である。
【０１２０】
【数３８】
【０１２１】サンプリング時刻ｔk におけるｘk の予測
ベクトルを式（３９）とする。式（２）に式（３９）、
式（５１）、式（４９）及び式（１０７）を適用して式
（１１１）を得る。また、式（２）及び式（１０７）よ
り式（１１２）である。Ｐk（−） をサンプリング時刻
ｔk における予測誤差共分散行列、すなわち、式（１１
３）とする。式（１１２）に式（１１１）を代入し、式
（５５）、式（１５）及び式（１１０）を適用し、ｘ
k-1 、ｗk-1 、ｕk-1 が互いに無相関とすれば、式（１１
４）を得る。
ベクトルを式（３９）とする。式（２）に式（３９）、
式（５１）、式（４９）及び式（１０７）を適用して式
（１１１）を得る。また、式（２）及び式（１０７）よ
り式（１１２）である。Ｐk（−） をサンプリング時刻
ｔk における予測誤差共分散行列、すなわち、式（１１
３）とする。式（１１２）に式（１１１）を代入し、式
（５５）、式（１５）及び式（１１０）を適用し、ｘ
k-1 、ｗk-1 、ｕk-1 が互いに無相関とすれば、式（１１
４）を得る。
【０１２２】
【数３９】
【０１２３】従って、式（５０）及び式（１１４）より
式（１１５）である。ここで、式（１０８）より式（１
１６）である。なお、先に述べたように仮説Ψk,aのも
とでの平滑誤差共分散行列Ｐa k（＋）は仮説Ψk,aに無
関係に定まる値なので式（１１７）とする。
式（１１５）である。ここで、式（１０８）より式（１
１６）である。なお、先に述べたように仮説Ψk,aのも
とでの平滑誤差共分散行列Ｐa k（＋）は仮説Ψk,aに無
関係に定まる値なので式（１１７）とする。
【０１２４】
【数４０】
【０１２５】次に、図６に示す実施の形態３に係る目標
追尾装置の動作を説明する。なお、カルマンフィルタを
目標追尾装置に通常適用する場合と同様にして、初期値
はあらかじめ定まっているとする。目標位置観測装置１
では、極座標で目標位置情報を観測し、その結果を直交
座標による目標位置情報に変換し、式（２９）の位置観
測ベクトルｚk ,trkを出力する。目標属性観測装置３で
は、目標位置観測装置１で観測した各対象についての信
号を分析した結果等の属性データベクトルｚk ,id（ｉ）
を出力する。
追尾装置の動作を説明する。なお、カルマンフィルタを
目標追尾装置に通常適用する場合と同様にして、初期値
はあらかじめ定まっているとする。目標位置観測装置１
では、極座標で目標位置情報を観測し、その結果を直交
座標による目標位置情報に変換し、式（２９）の位置観
測ベクトルｚk ,trkを出力する。目標属性観測装置３で
は、目標位置観測装置１で観測した各対象についての信
号を分析した結果等の属性データベクトルｚk ,id（ｉ）
を出力する。
【０１２６】運動データ相関器２では、運動データ相関
諸元算出器２４で計算した式（３７）の目標位置予測ベ
クトルｚk （−）と、式（３８）の追尾対象目標の確率
分布の広がりＳk と、あらかじめ設定されたパラメータ
ｄから、式（４５）を用いて追尾目標と相関の可能性の
ある観測データを選択する。属性データ相関諸元算出器
４では、１サンプリング前に算出した追尾目標の属性の
信頼度Ｐ（Ｊc│Ｚk-1）またはその初期値Ｐ（Ｊc│Ｎ
Ｓ）を第１の遅延回路６を通して属性データ信頼度算出
器５より入力し、これと目標属性観測装置３より属性デ
ータベクトルｚk ,id（ｉ）と共に入力される仮説Ｊc の
基での属性データベクトルｚk ,id（ｉ）の信頼度によ
り、式（４１）または式（４２）を用いて追尾目標から
の属性データの確率分布を算出する。
諸元算出器２４で計算した式（３７）の目標位置予測ベ
クトルｚk （−）と、式（３８）の追尾対象目標の確率
分布の広がりＳk と、あらかじめ設定されたパラメータ
ｄから、式（４５）を用いて追尾目標と相関の可能性の
ある観測データを選択する。属性データ相関諸元算出器
４では、１サンプリング前に算出した追尾目標の属性の
信頼度Ｐ（Ｊc│Ｚk-1）またはその初期値Ｐ（Ｊc│Ｎ
Ｓ）を第１の遅延回路６を通して属性データ信頼度算出
器５より入力し、これと目標属性観測装置３より属性デ
ータベクトルｚk ,id（ｉ）と共に入力される仮説Ｊc の
基での属性データベクトルｚk ,id（ｉ）の信頼度によ
り、式（４１）または式（４２）を用いて追尾目標から
の属性データの確率分布を算出する。
【０１２７】属性データ相関器７では、運動データ相関
器２で選択された観測データｚ k,iのうち、属性データ
相関諸元算出器４で算出した式（４１）または式（４
２）の追尾目標からの属性データの確率分布とあらかじ
め設定されたパラメータＳＬにより式（４８）を使用し
て追尾目標と相関の可能性のあるｍk 個の観測データを
選択し、これを式（３０）のＺk とする。属性データ信
頼度算出器５では、運動モデル毎の運動データ及び属性
データによる信頼度算出器９からの式（７３）の観測デ
ータの信頼度βk,i と、現時刻より１サンプリング前に
属性データ信頼度算出器５で算出した追尾目標の属性信
頼度Ｐ（Ｊc・Ｚk-1）を第１の遅延回路６でを通して入
力し、式（７６）及び式（７７）に従い現時刻の追尾目
標の属性信頼度Ｐ（Ｊc・Ｚk）を算出する。
器２で選択された観測データｚ k,iのうち、属性データ
相関諸元算出器４で算出した式（４１）または式（４
２）の追尾目標からの属性データの確率分布とあらかじ
め設定されたパラメータＳＬにより式（４８）を使用し
て追尾目標と相関の可能性のあるｍk 個の観測データを
選択し、これを式（３０）のＺk とする。属性データ信
頼度算出器５では、運動モデル毎の運動データ及び属性
データによる信頼度算出器９からの式（７３）の観測デ
ータの信頼度βk,i と、現時刻より１サンプリング前に
属性データ信頼度算出器５で算出した追尾目標の属性信
頼度Ｐ（Ｊc・Ｚk-1）を第１の遅延回路６でを通して入
力し、式（７６）及び式（７７）に従い現時刻の追尾目
標の属性信頼度Ｐ（Ｊc・Ｚk）を算出する。
【０１２８】運動モデル毎の観測誤差評価器８では、運
動モデル毎の予測値算出器１２より得られる現時点より
１サンプリング前に算出した式（４９）の運動モデル毎
の予測ベクトルハットｘa k（−）を第２の遅延回路１３
を通して入力し式（６７）の目標位置予測ベクトルｚa k
（−）を算出し、運動モデル毎の予測誤差評価器１７よ
り得られる現時点より１サンプリング前に算出した式
（５０）の運動モデル毎の予測誤差共分散行列Ｐ
a k（−）を第４の遅延回路１８を通し入力し、これとあ
らかじめ設定してある観測モデルより得られる式（２
１）の観測雑音共分散行列Ｒk より式（６９）を用い
て、観測ベクトルの複数個の運動モデル各々に対する合
致度である観測誤差の評価値であるｇを式（７２）に従
い算出する。
動モデル毎の予測値算出器１２より得られる現時点より
１サンプリング前に算出した式（４９）の運動モデル毎
の予測ベクトルハットｘa k（−）を第２の遅延回路１３
を通して入力し式（６７）の目標位置予測ベクトルｚa k
（−）を算出し、運動モデル毎の予測誤差評価器１７よ
り得られる現時点より１サンプリング前に算出した式
（５０）の運動モデル毎の予測誤差共分散行列Ｐ
a k（−）を第４の遅延回路１８を通し入力し、これとあ
らかじめ設定してある観測モデルより得られる式（２
１）の観測雑音共分散行列Ｒk より式（６９）を用い
て、観測ベクトルの複数個の運動モデル各々に対する合
致度である観測誤差の評価値であるｇを式（７２）に従
い算出する。
【０１２９】運動モデル毎の運動データ及び属性データ
による信頼度算出器９では、サンプリング時刻ｔk-1 で
算出した複数個の運動モデル各々に対する信頼度である
式（７０）のβb k-1を第３の遅延回路１５を通して入力
し、これとあらかじめ設定された式（６２）の推移確率
Ｐabと、運動モデル毎の観測誤差評価器８より入力され
る式（７２）のｇから、式（７０）に従い、観測データ
と複数個の運動モデル各々の信頼度を算出する。ゲイン
行列算出器１０では、あらかじめ設定された観測モデル
より得られる式（２１）の観測雑音共分散行列Ｒk 及び
１サンプリング前に算出しておいた運動モデル毎の予測
誤差評価器１７より第４の遅延回路１８を通して入力さ
れる運動モデル毎の予測誤差共分散行列Ｐa k（−）とに
より式（５３）に従いゲイン行列Ｋk を算出する。
による信頼度算出器９では、サンプリング時刻ｔk-1 で
算出した複数個の運動モデル各々に対する信頼度である
式（７０）のβb k-1を第３の遅延回路１５を通して入力
し、これとあらかじめ設定された式（６２）の推移確率
Ｐabと、運動モデル毎の観測誤差評価器８より入力され
る式（７２）のｇから、式（７０）に従い、観測データ
と複数個の運動モデル各々の信頼度を算出する。ゲイン
行列算出器１０では、あらかじめ設定された観測モデル
より得られる式（２１）の観測雑音共分散行列Ｒk 及び
１サンプリング前に算出しておいた運動モデル毎の予測
誤差評価器１７より第４の遅延回路１８を通して入力さ
れる運動モデル毎の予測誤差共分散行列Ｐa k（−）とに
より式（５３）に従いゲイン行列Ｋk を算出する。
【０１３０】平滑器１１では、１サンプリング前に算出
しておいた式（５１）の平滑ベクトルハットｘ
k-1（＋）を第６の遅延回路１４を通し入力し、運動モ
デル毎の運動データ及び属性データによる信頼度算出器
９より得られる式（７０）の観測データと各運動モデル
の信頼度βa,b k,iとあらかじめ設定された式（１２）の
複数個の運動モデルを構成している定数加速度ベクトル
α a と、ゲイン行列算出器１０より得られるゲイン行列
Ｋk を式（７９）に従い適用し平滑ベクトルハットｘ k
（＋）を算出する。
しておいた式（５１）の平滑ベクトルハットｘ
k-1（＋）を第６の遅延回路１４を通し入力し、運動モ
デル毎の運動データ及び属性データによる信頼度算出器
９より得られる式（７０）の観測データと各運動モデル
の信頼度βa,b k,iとあらかじめ設定された式（１２）の
複数個の運動モデルを構成している定数加速度ベクトル
α a と、ゲイン行列算出器１０より得られるゲイン行列
Ｋk を式（７９）に従い適用し平滑ベクトルハットｘ k
（＋）を算出する。
【０１３１】運動モデル毎の予測値算出器１２では、平
滑器１１より得られる平滑ベクトルｘ k （＋）より現時
点より１サンプリング後のサンプリング時刻ｔk+1に対
する複数個の運動モデル毎の予測ベクトルハットｘa k+1
（−）を式（４９）に従い算出する。運動モデル毎の平
滑誤差評価器１６では、１サンプリング前に算出してお
いた式（５０）の運動モデル毎の予測誤差共分散行列Ｐ
a k（−）を運動モデル毎の予測誤差評価器１７より第４
の遅延回路１８を通して入力し、ゲイン行列算出器１０
より得られるゲイン行列Ｋk とにより、式（５２）の運
動モデル毎の平滑ベクトルハットｘa k（＋）の平滑誤差
の評価値である複数個の運動モデル毎の平滑誤差共分散
行列Ｐa k（＋）を式（５４）に従い算出する。
滑器１１より得られる平滑ベクトルｘ k （＋）より現時
点より１サンプリング後のサンプリング時刻ｔk+1に対
する複数個の運動モデル毎の予測ベクトルハットｘa k+1
（−）を式（４９）に従い算出する。運動モデル毎の平
滑誤差評価器１６では、１サンプリング前に算出してお
いた式（５０）の運動モデル毎の予測誤差共分散行列Ｐ
a k（−）を運動モデル毎の予測誤差評価器１７より第４
の遅延回路１８を通して入力し、ゲイン行列算出器１０
より得られるゲイン行列Ｋk とにより、式（５２）の運
動モデル毎の平滑ベクトルハットｘa k（＋）の平滑誤差
の評価値である複数個の運動モデル毎の平滑誤差共分散
行列Ｐa k（＋）を式（５４）に従い算出する。
【０１３２】運動モデル毎の予測誤差評価器１７では、
運動モデル毎の平滑誤差評価器１６より得られる式（５
４）の運動モデル毎の平滑誤差共分散行列Ｐa k（＋）を
式（８６）に従い平滑誤差共分散行列Ｐk（＋）とみな
し、あらかじめ設定された運動モデルより得られる式
（１５）の駆動雑音共分散行列Ｑk とにより式（５０）
に従い、サンプリング時刻ｔk+1に対する複数個の運動
モデル毎の予測ベクトルハットｘa k+1（−）の予測誤差
の評価である予測誤差共分散行列Ｐa k+1（−）を算出す
る。
運動モデル毎の平滑誤差評価器１６より得られる式（５
４）の運動モデル毎の平滑誤差共分散行列Ｐa k（＋）を
式（８６）に従い平滑誤差共分散行列Ｐk（＋）とみな
し、あらかじめ設定された運動モデルより得られる式
（１５）の駆動雑音共分散行列Ｑk とにより式（５０）
に従い、サンプリング時刻ｔk+1に対する複数個の運動
モデル毎の予測ベクトルハットｘa k+1（−）の予測誤差
の評価である予測誤差共分散行列Ｐa k+1（−）を算出す
る。
【０１３３】予測値算出器２２では、平滑器１１より式
（５１）の平滑ベクトルハットｘ a k（＋）を入力し、運
動モデル毎の運動データ及び属性データによる信頼度算
出器９より得られる式（７０）の観測データと各運動モ
デルの信頼度βa,b k,iと、あらかじめ設定された式（６
２）の推移確率Ｐabより、式（８４）に従い現時点より
１サンプリング後の予測ベクトルハットｘ a k+1（−）を
算出する。運動データ相関諸元算出器２４では、予測値
算出器２２より得られる現時点より１サンプリング後の
予測ベクトルハットｘ a k+1（−）と、あらかじめ設定さ
れた観測モデルより得られる式（２１）の観測雑音共分
散行列Ｒk 及び１サンプリング前に算出しておいた予測
誤差評価器２０より第７の遅延回路２１を通して入力さ
れる予測誤差共分散行列Ｐk（−）とから、式（３７）
の目標位置予測ベクトルｚ k（−）と、式（３８）の追
尾対象目標の確率分布の広がりＳk を算出する。
（５１）の平滑ベクトルハットｘ a k（＋）を入力し、運
動モデル毎の運動データ及び属性データによる信頼度算
出器９より得られる式（７０）の観測データと各運動モ
デルの信頼度βa,b k,iと、あらかじめ設定された式（６
２）の推移確率Ｐabより、式（８４）に従い現時点より
１サンプリング後の予測ベクトルハットｘ a k+1（−）を
算出する。運動データ相関諸元算出器２４では、予測値
算出器２２より得られる現時点より１サンプリング後の
予測ベクトルハットｘ a k+1（−）と、あらかじめ設定さ
れた観測モデルより得られる式（２１）の観測雑音共分
散行列Ｒk 及び１サンプリング前に算出しておいた予測
誤差評価器２０より第７の遅延回路２１を通して入力さ
れる予測誤差共分散行列Ｐk（−）とから、式（３７）
の目標位置予測ベクトルｚ k（−）と、式（３８）の追
尾対象目標の確率分布の広がりＳk を算出する。
【０１３４】予測誤差評価器２０では、運動モデル毎の
運動データ及び属性データによる信頼度算出器９より得
られる各運動モデルの信頼度βa kと、あらかじめ設定さ
れた式（６２）の推移確率Ｐab及びあらかじめ設定され
た式（１２）の複数個の運動モデルを構成している定数
加速度ベクトルα a より式（１１６）を使用し、現時点
より１サンプリング後の予測ベクトルハットｘ
k+1（−）の予測誤差の評価である予測誤差共分散行列
Ｐk+1（−）を大きくする項（式（１１５）の右辺第２
項）を算出し、これに運動モデル毎の予測誤差評価器１
７より得られる運動モデル毎の予測誤差共分散行列Ｐa
k+1（−）を加算し、予測誤差の評価である予測誤差共
分散行列Ｐk+1（−）を式（１１５）に従い算出する。
運動データ及び属性データによる信頼度算出器９より得
られる各運動モデルの信頼度βa kと、あらかじめ設定さ
れた式（６２）の推移確率Ｐab及びあらかじめ設定され
た式（１２）の複数個の運動モデルを構成している定数
加速度ベクトルα a より式（１１６）を使用し、現時点
より１サンプリング後の予測ベクトルハットｘ
k+1（−）の予測誤差の評価である予測誤差共分散行列
Ｐk+1（−）を大きくする項（式（１１５）の右辺第２
項）を算出し、これに運動モデル毎の予測誤差評価器１
７より得られる運動モデル毎の予測誤差共分散行列Ｐa
k+1（−）を加算し、予測誤差の評価である予測誤差共
分散行列Ｐk+1（−）を式（１１５）に従い算出する。
【０１３５】この実施の形態３は以上のように構成した
ので、目標観測データから得られる目標の運動データと
属性データを利用して観測データと追尾目標との相関を
判定し、さらに目標の運動データと属性データを利用し
て算出した観測データと複数運動モデルの信頼度を用い
て平滑ベクトルを算出しているので、目標観測位置の他
に、クラッタなどの不要信号や追尾対象目標以外の目標
が、目標予測位置の近傍に存在する場合や、目標位置デ
ータの観測精度が低い場合にも精度良く追尾を維持でき
る効果がある。
ので、目標観測データから得られる目標の運動データと
属性データを利用して観測データと追尾目標との相関を
判定し、さらに目標の運動データと属性データを利用し
て算出した観測データと複数運動モデルの信頼度を用い
て平滑ベクトルを算出しているので、目標観測位置の他
に、クラッタなどの不要信号や追尾対象目標以外の目標
が、目標予測位置の近傍に存在する場合や、目標位置デ
ータの観測精度が低い場合にも精度良く追尾を維持でき
る効果がある。
【０１３６】さらに、目標の運動データと属性データを
用いて複数の運動モデル各々に対する信頼度を算出し、
運動モデルが一意的に定まらないことにより予測誤差の
評価である予測誤差共分散行列を増加させる諸元を算出
し、この諸元を複数個の運動モデル毎の予測誤差共分散
行列に加算することにより予測誤差共分散行列を算出す
るようにしたので、予測誤差の評価値の信頼性が高い。
用いて複数の運動モデル各々に対する信頼度を算出し、
運動モデルが一意的に定まらないことにより予測誤差の
評価である予測誤差共分散行列を増加させる諸元を算出
し、この諸元を複数個の運動モデル毎の予測誤差共分散
行列に加算することにより予測誤差共分散行列を算出す
るようにしたので、予測誤差の評価値の信頼性が高い。
【０１３７】実施の形態４．図７は実施の形態４に係る
目標追尾装置を示す構成図である。図中、１〜７、８〜
９、１０〜１８、２１〜２４は実施の形態１と同一であ
る。また、１９及び２０は実施の形態２及び３と同一な
平滑誤差評価器及び予測誤差評価器である。
目標追尾装置を示す構成図である。図中、１〜７、８〜
９、１０〜１８、２１〜２４は実施の形態１と同一であ
る。また、１９及び２０は実施の形態２及び３と同一な
平滑誤差評価器及び予測誤差評価器である。
【０１３８】次に、本実施の形態４の原理を説明する。
式（１）から式（５１）までを用いた原理の説明は実施
の形態１と同じである。サンプリング時刻ｔk の平滑処
理は、実施の形態１の式（５２）から式（８６）まで、
及び、実施の形態２の式（８７）から式（９９）を用い
た原理の説明と同じである。さらに、サンプリング時刻
ｔk における予測処理の原理は、実施の形態３の式（１
００）から式（１１７）までを用いた説明と同じであ
る。
式（１）から式（５１）までを用いた原理の説明は実施
の形態１と同じである。サンプリング時刻ｔk の平滑処
理は、実施の形態１の式（５２）から式（８６）まで、
及び、実施の形態２の式（８７）から式（９９）を用い
た原理の説明と同じである。さらに、サンプリング時刻
ｔk における予測処理の原理は、実施の形態３の式（１
００）から式（１１７）までを用いた説明と同じであ
る。
【０１３９】次に、本実施の形態４に係る目標追尾装置
の動作を図７に従って説明する。なお、カルマンフィル
タを目標追尾装置に通常適用する場合と同様にして、初
期値はあらかじめ定まっているとする。目標位置観測装
置１では、極座標で目標位置情報Ｚｋを観測し、その結
果を直交座標による目標位置情報Ｚｋに変換し、式（２
９）の位置観測ベクトルｚk ,tr k（ｉ）を出力する。目
標属性観測装置３では、目標位置観測装置１で観測した
各対象についての信号を分析した結果等の属性データベ
クトルｚk ,id（ｉ）を出力する。
の動作を図７に従って説明する。なお、カルマンフィル
タを目標追尾装置に通常適用する場合と同様にして、初
期値はあらかじめ定まっているとする。目標位置観測装
置１では、極座標で目標位置情報Ｚｋを観測し、その結
果を直交座標による目標位置情報Ｚｋに変換し、式（２
９）の位置観測ベクトルｚk ,tr k（ｉ）を出力する。目
標属性観測装置３では、目標位置観測装置１で観測した
各対象についての信号を分析した結果等の属性データベ
クトルｚk ,id（ｉ）を出力する。
【０１４０】運動データ相関器２では、運動データ相関
諸元算出器２４で計算した式（３７）の目標位置予測ベ
クトルｚk （−）と、式（３８）の追尾対象目標の確率
分布の広がりＳk と、あらかじめ設定されたパラメータ
ｄから、式（４５）を用いて追尾目標と相関の可能性の
ある観測データを選択する。属性データ相関諸元算出器
４では、１サンプリング前に算出した追尾目標の属性の
信頼度Ｐ（Ｊc│Ｚk-1）またはその初期値Ｐ（Ｊc│Ｎ
Ｓ）を第１の遅延回路６を通して属性データ信頼度算出
器５より入力し、これと目標属性観測装置３より属性デ
ータベクトルｚk ,id（ｉ）と共に入力される仮説Ｊc の
基での属性データベクトルｚk ,id（ｉ）の信頼度によ
り、式（４１）または式（４２）を用いて追尾目標から
の属性データの確率分布を算出する。
諸元算出器２４で計算した式（３７）の目標位置予測ベ
クトルｚk （−）と、式（３８）の追尾対象目標の確率
分布の広がりＳk と、あらかじめ設定されたパラメータ
ｄから、式（４５）を用いて追尾目標と相関の可能性の
ある観測データを選択する。属性データ相関諸元算出器
４では、１サンプリング前に算出した追尾目標の属性の
信頼度Ｐ（Ｊc│Ｚk-1）またはその初期値Ｐ（Ｊc│Ｎ
Ｓ）を第１の遅延回路６を通して属性データ信頼度算出
器５より入力し、これと目標属性観測装置３より属性デ
ータベクトルｚk ,id（ｉ）と共に入力される仮説Ｊc の
基での属性データベクトルｚk ,id（ｉ）の信頼度によ
り、式（４１）または式（４２）を用いて追尾目標から
の属性データの確率分布を算出する。
【０１４１】属性データ相関器７では、運動データ相関
器２で選択された観測データｚ k,iのうち、属性データ
相関諸元算出器４で算出した式（４１）または式（４
２）の追尾目標からの属性データの確率分布とあらかじ
め設定されたパラメータＳＬにより式（４８）を使用し
て追尾目標と相関の可能性のあるｍk 個の観測データを
選択し、これを式（３０）のＺk とする。属性データ信
頼度算出器５では、運動モデル毎の運動データ及び属性
データによる信頼度算出器９からの式（７３）の観測デ
ータの信頼度βk,i と、現時刻より１サンプリング前に
属性データ信頼度算出器５で算出した追尾目標の属性信
頼度Ｐ（Ｊc・Ｚk-1）を第１の遅延回路６でを通して入
力し、式（７６）及び式（７７）に従い現時刻の追尾目
標の属性信頼度Ｐ（Ｊc・Ｚk）を算出する。
器２で選択された観測データｚ k,iのうち、属性データ
相関諸元算出器４で算出した式（４１）または式（４
２）の追尾目標からの属性データの確率分布とあらかじ
め設定されたパラメータＳＬにより式（４８）を使用し
て追尾目標と相関の可能性のあるｍk 個の観測データを
選択し、これを式（３０）のＺk とする。属性データ信
頼度算出器５では、運動モデル毎の運動データ及び属性
データによる信頼度算出器９からの式（７３）の観測デ
ータの信頼度βk,i と、現時刻より１サンプリング前に
属性データ信頼度算出器５で算出した追尾目標の属性信
頼度Ｐ（Ｊc・Ｚk-1）を第１の遅延回路６でを通して入
力し、式（７６）及び式（７７）に従い現時刻の追尾目
標の属性信頼度Ｐ（Ｊc・Ｚk）を算出する。
【０１４２】属性データ相関諸元算出器４で運動モデル
毎の観測誤差評価器８では運動モデル毎の予測値算出器
１２より得られる現時点より１サンプリング前に算出し
た式（４９）の運動モデル毎の予測ベクトルハットｘa k
（−）を第２の遅延回路１３を通して入力し式（６７）
の目標位置予測ベクトルｚa k（−）を算出し、運動モデ
ル毎の予測誤差評価器１７より得られる現時点より１サ
ンプリング前に算出した式（５０）の運動モデル毎の予
測誤差共分散行列Ｐa k（−）を第４の遅延回路１８を通
し入力し、これとあらかじめ設定してある観測モデルよ
り得られる式（２１）の観測雑音共分散行列Ｒk より式
（６９）を用いて、観測ベクトルの複数個の運動モデル
各々に対する合致度である観測誤差の評価値であるｇを
式（７２）に従い算出する。
毎の観測誤差評価器８では運動モデル毎の予測値算出器
１２より得られる現時点より１サンプリング前に算出し
た式（４９）の運動モデル毎の予測ベクトルハットｘa k
（−）を第２の遅延回路１３を通して入力し式（６７）
の目標位置予測ベクトルｚa k（−）を算出し、運動モデ
ル毎の予測誤差評価器１７より得られる現時点より１サ
ンプリング前に算出した式（５０）の運動モデル毎の予
測誤差共分散行列Ｐa k（−）を第４の遅延回路１８を通
し入力し、これとあらかじめ設定してある観測モデルよ
り得られる式（２１）の観測雑音共分散行列Ｒk より式
（６９）を用いて、観測ベクトルの複数個の運動モデル
各々に対する合致度である観測誤差の評価値であるｇを
式（７２）に従い算出する。
【０１４３】運動モデル毎の運動データ及び属性データ
による信頼度算出器９では、サンプリング時刻ｔk-1 で
算出した複数個の運動モデル各々に対する信頼度である
式（７０）のβb k-1を第３の遅延回路１５を通して入力
し、これとあらかじめ設定された式（６２）の推移確率
Ｐabと、運動モデル毎の観測誤差評価器８より入力され
る式（７２）のｇから、式（７０）に従い、観測データ
と複数個の運動モデル各々の信頼度を算出する。ゲイン
行列算出器１０では、あらかじめ設定された観測モデル
より得られる式（２１）の観測雑音共分散行列Ｒk 及び
１サンプリング前に算出しておいた運動モデル毎の予測
誤差評価器１７より第４の遅延回路１８を通して入力さ
れる運動モデル毎の予測誤差共分散行列Ｐa k（−）とに
より式（５３）に従いゲイン行列Ｋk を算出する。
による信頼度算出器９では、サンプリング時刻ｔk-1 で
算出した複数個の運動モデル各々に対する信頼度である
式（７０）のβb k-1を第３の遅延回路１５を通して入力
し、これとあらかじめ設定された式（６２）の推移確率
Ｐabと、運動モデル毎の観測誤差評価器８より入力され
る式（７２）のｇから、式（７０）に従い、観測データ
と複数個の運動モデル各々の信頼度を算出する。ゲイン
行列算出器１０では、あらかじめ設定された観測モデル
より得られる式（２１）の観測雑音共分散行列Ｒk 及び
１サンプリング前に算出しておいた運動モデル毎の予測
誤差評価器１７より第４の遅延回路１８を通して入力さ
れる運動モデル毎の予測誤差共分散行列Ｐa k（−）とに
より式（５３）に従いゲイン行列Ｋk を算出する。
【０１４４】平滑器１１では、１サンプリング前に算出
しておいた式（５１）の平滑ベクトルハットｘ
k-1（＋）を第６の遅延回路１４を通し入力し、運動モ
デル毎の運動データ及び属性データによる信頼度算出器
９より得られる式（７０）の観測データと各運動モデル
の信頼度βa,b k,iとあらかじめ設定された式（１２）の
複数個の運動モデルを構成している定数加速度ベクトル
α a と、ゲイン行列算出器１０より得られるゲイン行列
Ｋk を式（７９）に従い適用し平滑ベクトルハットｘ k
（＋）を算出する。
しておいた式（５１）の平滑ベクトルハットｘ
k-1（＋）を第６の遅延回路１４を通し入力し、運動モ
デル毎の運動データ及び属性データによる信頼度算出器
９より得られる式（７０）の観測データと各運動モデル
の信頼度βa,b k,iとあらかじめ設定された式（１２）の
複数個の運動モデルを構成している定数加速度ベクトル
α a と、ゲイン行列算出器１０より得られるゲイン行列
Ｋk を式（７９）に従い適用し平滑ベクトルハットｘ k
（＋）を算出する。
【０１４５】運動モデル毎の予測値算出器１２では、平
滑器１１より得られる平滑ベクトルハットｘk （＋）よ
り現時点より１サンプリング後のサンプリング時刻ｔ
k+1に対する複数個の運動モデル毎の予測ベクトルハッ
トｘa k+1（−）を式（４９）に従い算出する。運動モデ
ル毎の平滑誤差評価器１６では、１サンプリング前に算
出しておいた式（５０）の運動モデル毎の予測誤差共分
散行列Ｐa k（−）を運動モデル毎の予測誤差評価器１７
より第４の遅延回路１８を通して入力し、ゲイン行列算
出器１０より得られるゲイン行列Ｋk とにより、式（５
２）の運動モデル毎の平滑ベクトルハットｘa k（＋）の
平滑誤差の評価値である複数個の運動モデル毎の平滑誤
差共分散行列Ｐa k（＋）を式（５４）に従い算出する。
滑器１１より得られる平滑ベクトルハットｘk （＋）よ
り現時点より１サンプリング後のサンプリング時刻ｔ
k+1に対する複数個の運動モデル毎の予測ベクトルハッ
トｘa k+1（−）を式（４９）に従い算出する。運動モデ
ル毎の平滑誤差評価器１６では、１サンプリング前に算
出しておいた式（５０）の運動モデル毎の予測誤差共分
散行列Ｐa k（−）を運動モデル毎の予測誤差評価器１７
より第４の遅延回路１８を通して入力し、ゲイン行列算
出器１０より得られるゲイン行列Ｋk とにより、式（５
２）の運動モデル毎の平滑ベクトルハットｘa k（＋）の
平滑誤差の評価値である複数個の運動モデル毎の平滑誤
差共分散行列Ｐa k（＋）を式（５４）に従い算出する。
【０１４６】平滑誤差評価器１９では、運動モデル毎の
運動データ及び属性データによる信頼度算出器９より得
られる各運動モデルの信頼度βa k、観測データと各運動
モデルの信頼度βa k,iと、ゲイン行列算出器１０より得
られるゲイン行列Ｋk 及びあらかじめ設定された定数加
速度ベクトルα a より式（８９）を使用し、運動ベクト
ルが一意的に定まらないことにより平滑誤差が大きくな
ると評価する項（式（９７）の右辺第２〜４項）を算出
し、これに運動モデル毎の平滑誤差評価器１６より得ら
れる運動モデル毎の平滑誤差共分散行列Ｐa k（＋）を加
算し、平滑誤差の評価である平滑誤差共分散行列Ｐ
k（＋）を式（９７）に従い算出する。
運動データ及び属性データによる信頼度算出器９より得
られる各運動モデルの信頼度βa k、観測データと各運動
モデルの信頼度βa k,iと、ゲイン行列算出器１０より得
られるゲイン行列Ｋk 及びあらかじめ設定された定数加
速度ベクトルα a より式（８９）を使用し、運動ベクト
ルが一意的に定まらないことにより平滑誤差が大きくな
ると評価する項（式（９７）の右辺第２〜４項）を算出
し、これに運動モデル毎の平滑誤差評価器１６より得ら
れる運動モデル毎の平滑誤差共分散行列Ｐa k（＋）を加
算し、平滑誤差の評価である平滑誤差共分散行列Ｐ
k（＋）を式（９７）に従い算出する。
【０１４７】運動モデル毎の予測誤差評価器１７では、
平滑誤差評価器１９より得られる平滑誤差共分散行列Ｐ
k（＋）と、あらかじめ設定された運動モデルより得ら
れる式（１５）の駆動雑音共分散行列Ｑk とにより式
（５０）に従い、サンプリング時刻ｔk+1に対する複数
個の運動モデル毎の予測ベクトルハットｘa k+1（−）の
予測誤差の評価である予測誤差共分散行列Ｐa k+1（−）
を算出する。予測値算出器２２では、平滑器１１より式
（５１）の平滑ベクトルハットｘa k（＋）を入力し、運
動モデル毎の運動データ及び属性データによる信頼度算
出器９より得られる式（７０）の観測データと各運動モ
デルの信頼度βa,b k,iと、あらかじめ設定された式（６
２）の推移確率Ｐabより、式（８４）に従い現時点より
１サンプリング後の予測ベクトルｚｋ，ｔｒｋを算出す
る。
平滑誤差評価器１９より得られる平滑誤差共分散行列Ｐ
k（＋）と、あらかじめ設定された運動モデルより得ら
れる式（１５）の駆動雑音共分散行列Ｑk とにより式
（５０）に従い、サンプリング時刻ｔk+1に対する複数
個の運動モデル毎の予測ベクトルハットｘa k+1（−）の
予測誤差の評価である予測誤差共分散行列Ｐa k+1（−）
を算出する。予測値算出器２２では、平滑器１１より式
（５１）の平滑ベクトルハットｘa k（＋）を入力し、運
動モデル毎の運動データ及び属性データによる信頼度算
出器９より得られる式（７０）の観測データと各運動モ
デルの信頼度βa,b k,iと、あらかじめ設定された式（６
２）の推移確率Ｐabより、式（８４）に従い現時点より
１サンプリング後の予測ベクトルｚｋ，ｔｒｋを算出す
る。
【０１４８】運動データ相関諸元算出器２４では、予測
値算出器２２より得られる現時点より１サンプリング後
の予測ベクトルハットｘa k+1（−）と、あらかじめ設定
された観測モデルより得られる式（２１）の観測雑音共
分散行列Ｒk 及び１サンプリング前に算出しておいた予
測誤差評価器２０より第７の遅延回路２１を通して入力
される予測誤差共分散行列Ｐk （−）とから、式（３
７）の目標位置予測ベクトルｚk （−）と、式（３８）
の追尾対象目標の確率分布の広がりＳk を算出する。
値算出器２２より得られる現時点より１サンプリング後
の予測ベクトルハットｘa k+1（−）と、あらかじめ設定
された観測モデルより得られる式（２１）の観測雑音共
分散行列Ｒk 及び１サンプリング前に算出しておいた予
測誤差評価器２０より第７の遅延回路２１を通して入力
される予測誤差共分散行列Ｐk （−）とから、式（３
７）の目標位置予測ベクトルｚk （−）と、式（３８）
の追尾対象目標の確率分布の広がりＳk を算出する。
【０１４９】予測誤差評価器２０では、運動モデル毎の
運動データ及び属性データによる信頼度算出器９より得
られる各運動モデルの信頼度βa kと、あらかじめ設定さ
れた式（６２）の推移確率Ｐab及びあらかじめ設定され
た式（１２）の複数個の運動モデルを構成している定数
加速度ベクトルα a より式（１１６）を使用し、現時点
より１サンプリング後の予測ベクトルハットｘ
k+1（−）の予測誤差の評価である予測誤差共分散行列
Ｐk+1（−）を大きくする項（式（１１５）の右辺第２
項）を算出し、これに運動モデル毎の予測誤差評価器１
７より得られる運動モデル毎の予測誤差共分散行列Ｐa
k+1（−）を加算し、予測誤差の評価である予測誤差共
分散行列Ｐk+1（−）を式（１１５）に従い算出する。
運動データ及び属性データによる信頼度算出器９より得
られる各運動モデルの信頼度βa kと、あらかじめ設定さ
れた式（６２）の推移確率Ｐab及びあらかじめ設定され
た式（１２）の複数個の運動モデルを構成している定数
加速度ベクトルα a より式（１１６）を使用し、現時点
より１サンプリング後の予測ベクトルハットｘ
k+1（−）の予測誤差の評価である予測誤差共分散行列
Ｐk+1（−）を大きくする項（式（１１５）の右辺第２
項）を算出し、これに運動モデル毎の予測誤差評価器１
７より得られる運動モデル毎の予測誤差共分散行列Ｐa
k+1（−）を加算し、予測誤差の評価である予測誤差共
分散行列Ｐk+1（−）を式（１１５）に従い算出する。
【０１５０】この実施の形態４は以上のように構成した
ので、目標観測データから得られる目標の運動データと
属性データを利用して観測データと追尾目標との相関を
判定し、さらに目標の運動データと属性データを利用し
て算出した観測データと複数運動モデルの信頼度を用い
て平滑ベクトルを算出しているので、目標観測位置の他
に、クラッタなどの不要信号や追尾対象目標以外の目標
が、目標予測位置の近傍に存在する場合や、目標位置デ
ータの観測精度が低い場合にも精度良く追尾を維持でき
る効果がある。
ので、目標観測データから得られる目標の運動データと
属性データを利用して観測データと追尾目標との相関を
判定し、さらに目標の運動データと属性データを利用し
て算出した観測データと複数運動モデルの信頼度を用い
て平滑ベクトルを算出しているので、目標観測位置の他
に、クラッタなどの不要信号や追尾対象目標以外の目標
が、目標予測位置の近傍に存在する場合や、目標位置デ
ータの観測精度が低い場合にも精度良く追尾を維持でき
る効果がある。
【０１５１】また、目標の運動データと属性データを用
いて複数の運動モデル各々に対する信頼度を算出し、運
動モデルが一意的に定まらないことにより平滑誤差の評
価である平滑誤差共分散行列を増加させる諸元を算出
し、この諸元を複数個の運動モデル毎の平滑誤差共分散
行列に加算することにより平滑誤差共分散行列を算出す
るようにしたので、平滑誤差の評価値の信頼性が高い。
いて複数の運動モデル各々に対する信頼度を算出し、運
動モデルが一意的に定まらないことにより平滑誤差の評
価である平滑誤差共分散行列を増加させる諸元を算出
し、この諸元を複数個の運動モデル毎の平滑誤差共分散
行列に加算することにより平滑誤差共分散行列を算出す
るようにしたので、平滑誤差の評価値の信頼性が高い。
【０１５２】さらに、目標の運動データと属性データを
用いて複数の運動モデル各々に対する信頼度を算出し、
運動モデルが一意的に定まらないことにより予測誤差の
評価である予測誤差共分散行列を増加させる諸元を算出
し、この諸元を複数個の運動モデル毎の予測誤差共分散
行列に加算することにより予測誤差共分散行列を算出す
るようにしたので、予測誤差の評価値の信頼性が高い。
用いて複数の運動モデル各々に対する信頼度を算出し、
運動モデルが一意的に定まらないことにより予測誤差の
評価である予測誤差共分散行列を増加させる諸元を算出
し、この諸元を複数個の運動モデル毎の予測誤差共分散
行列に加算することにより予測誤差共分散行列を算出す
るようにしたので、予測誤差の評価値の信頼性が高い。
【０１５３】
【発明の効果】以上のように、この発明に係る目標追尾
装置によれば、追尾目標及び追尾目標以外のクラッタか
らの位置データを観測する目標位置観測装置と、上記目
標位置観測装置からの観測データのうち、追尾目標の運
動諸元の確率分布から追尾目標と相関の可能性のある観
測データを選択する運動データ相関器と、追尾目標につ
いての信号の分析結果である目標個体またはグループの
属性データを出力する目標属性観測装置と、上記目標属
性観測装置からの属性データの確率分布を算出する属性
データ相関諸元算出器と、上記運動データ相関器により
選択された観測データのうち、上記属性データ相関諸元
算出器からの属性データの確率分布から追尾目標と相関
の可能性のある観測データを選択する属性データ相関器
と、上記属性データ相関器からの観測データと現時点よ
り１サンプリング前の運動モデル毎の予測値及び予測誤
差評価値に基づいて運動モデル毎の観測誤差評価値を算
出する運動モデル毎の観測誤差評価器と、上記運動モデ
ル毎の観測誤差評価器からの運動モデル毎の観測誤差評
価値に基づいて観測データと各運動モデル各々の信頼度
を算出する運動モデル毎の運動データ及び属性データに
よる信頼度算出器と、上記運動モデル毎の運動データ及
び属性データによる信頼度算出器からの観測データと各
運動モデルの信頼度を用いて目標運動諸元の平滑値を算
出する平滑値算出手段と、上記平滑値算出手段より得ら
れる目標運動諸元の平滑値に基づいて現時点より１サン
プリング前の運動モデル毎の予測値を算出する運動モデ
ル毎の予測値算出手段と、上記平滑値算出手段より得ら
れる目標運動諸元の平滑値に基づいて現時点より１サン
プリング後の目標運動諸元の予測値を算出する予測値算
出器と、運動モデル毎の平滑誤差評価値とあらかじめ設
定された運動モデルにより得られる駆動雑音共分散行列
とに基づいて現時点より１サンプリング後の各運動モデ
ル毎の予測誤差評価値を算出する運動モデル毎の予測誤
差評価器と、上記運動モデル毎の予測誤差評価器により
１サンプリング前に算出された運動モデル毎の予測誤差
評価値とあらかじめ設定された観測モデルより得られる
観測雑音共分散行列とに基づいてゲイン行列を算出する
ゲイン行列算出器と、上記運動モデル毎の予測誤差評価
器により１サンプリング前に算出された運動モデル毎の
予測誤差評価値と上記ゲイン行列算出器より得られるゲ
イン行列とに基づいて運動モデル毎の平滑誤差評価値を
算出する運動モデル毎の平滑誤差評価器と、上記予測値
算出器からの現時点より１サンプリング後の目標運動諸
元の予測値と上記運動モデル毎の予測誤差評価値とに基
づいて追尾目標の運動諸元の確率分布を算出する運動デ
ータ相関諸元算出器とを備えたので、目標観測データか
ら得られる目標の運動データと属性データを利用して観
測データと追尾目標との相関を判定し、さらに目標の運
動データと属性データを利用して算出した観測データと
複数運動モデルの信頼度を用いて平滑ベクトルを算出す
ることにより、目標観測位置の他に、クラッタなどの不
要信号や追尾対象目標以外の目標が、目標予測位置の近
傍に存在する場合や、目標位置データの観測精度が低い
場合にも精度良く追尾を維持できる効果がある。
装置によれば、追尾目標及び追尾目標以外のクラッタか
らの位置データを観測する目標位置観測装置と、上記目
標位置観測装置からの観測データのうち、追尾目標の運
動諸元の確率分布から追尾目標と相関の可能性のある観
測データを選択する運動データ相関器と、追尾目標につ
いての信号の分析結果である目標個体またはグループの
属性データを出力する目標属性観測装置と、上記目標属
性観測装置からの属性データの確率分布を算出する属性
データ相関諸元算出器と、上記運動データ相関器により
選択された観測データのうち、上記属性データ相関諸元
算出器からの属性データの確率分布から追尾目標と相関
の可能性のある観測データを選択する属性データ相関器
と、上記属性データ相関器からの観測データと現時点よ
り１サンプリング前の運動モデル毎の予測値及び予測誤
差評価値に基づいて運動モデル毎の観測誤差評価値を算
出する運動モデル毎の観測誤差評価器と、上記運動モデ
ル毎の観測誤差評価器からの運動モデル毎の観測誤差評
価値に基づいて観測データと各運動モデル各々の信頼度
を算出する運動モデル毎の運動データ及び属性データに
よる信頼度算出器と、上記運動モデル毎の運動データ及
び属性データによる信頼度算出器からの観測データと各
運動モデルの信頼度を用いて目標運動諸元の平滑値を算
出する平滑値算出手段と、上記平滑値算出手段より得ら
れる目標運動諸元の平滑値に基づいて現時点より１サン
プリング前の運動モデル毎の予測値を算出する運動モデ
ル毎の予測値算出手段と、上記平滑値算出手段より得ら
れる目標運動諸元の平滑値に基づいて現時点より１サン
プリング後の目標運動諸元の予測値を算出する予測値算
出器と、運動モデル毎の平滑誤差評価値とあらかじめ設
定された運動モデルにより得られる駆動雑音共分散行列
とに基づいて現時点より１サンプリング後の各運動モデ
ル毎の予測誤差評価値を算出する運動モデル毎の予測誤
差評価器と、上記運動モデル毎の予測誤差評価器により
１サンプリング前に算出された運動モデル毎の予測誤差
評価値とあらかじめ設定された観測モデルより得られる
観測雑音共分散行列とに基づいてゲイン行列を算出する
ゲイン行列算出器と、上記運動モデル毎の予測誤差評価
器により１サンプリング前に算出された運動モデル毎の
予測誤差評価値と上記ゲイン行列算出器より得られるゲ
イン行列とに基づいて運動モデル毎の平滑誤差評価値を
算出する運動モデル毎の平滑誤差評価器と、上記予測値
算出器からの現時点より１サンプリング後の目標運動諸
元の予測値と上記運動モデル毎の予測誤差評価値とに基
づいて追尾目標の運動諸元の確率分布を算出する運動デ
ータ相関諸元算出器とを備えたので、目標観測データか
ら得られる目標の運動データと属性データを利用して観
測データと追尾目標との相関を判定し、さらに目標の運
動データと属性データを利用して算出した観測データと
複数運動モデルの信頼度を用いて平滑ベクトルを算出す
ることにより、目標観測位置の他に、クラッタなどの不
要信号や追尾対象目標以外の目標が、目標予測位置の近
傍に存在する場合や、目標位置データの観測精度が低い
場合にも精度良く追尾を維持できる効果がある。
【０１５４】また、上記運動モデル毎の運動データ及び
属性データによる信頼度算出器により算出された各運動
モデルの信頼度と上記ゲイン行列算出器により算出され
たゲイン行列を使用して平滑誤差評価値を算出し、上記
運動モデル毎の平滑誤差評価器より得られる運動モデル
毎の平滑誤差評価値に加算して新たな運動モデル毎の平
滑誤差評価値を算出する平滑誤差評価器ををさらに備
え、上記運動モデル毎の予測誤差評価器は、上記平滑誤
差評価器からの平滑誤差評価値を入力して運動モデル毎
の予測誤差評価値を算出するようにしたので、目標の運
動データと属性データを利用して算出した観測データと
複数運動モデルの信頼度を用いて、平滑誤差の評価であ
る平滑誤差共分散行列を算出することにより、平滑誤差
の評価値の信頼性が高い目標追尾装置を提供できる等の
効果が得られる。
属性データによる信頼度算出器により算出された各運動
モデルの信頼度と上記ゲイン行列算出器により算出され
たゲイン行列を使用して平滑誤差評価値を算出し、上記
運動モデル毎の平滑誤差評価器より得られる運動モデル
毎の平滑誤差評価値に加算して新たな運動モデル毎の平
滑誤差評価値を算出する平滑誤差評価器ををさらに備
え、上記運動モデル毎の予測誤差評価器は、上記平滑誤
差評価器からの平滑誤差評価値を入力して運動モデル毎
の予測誤差評価値を算出するようにしたので、目標の運
動データと属性データを利用して算出した観測データと
複数運動モデルの信頼度を用いて、平滑誤差の評価であ
る平滑誤差共分散行列を算出することにより、平滑誤差
の評価値の信頼性が高い目標追尾装置を提供できる等の
効果が得られる。
【０１５５】さらに、上記運動モデル毎の運動データ及
び属性データによる信頼度算出器により算出された各運
動モデルの信頼度を使用して現時点より１サンプリング
後の各運動モデル毎の予測誤差評価値を算出し、上記運
動モデル毎の予測誤差評価器により算出された現時点よ
り１サンプリング後の各運動モデル毎の予測誤差評価値
に加算して現時点より１サンプリング後の各運動モデル
毎の新たな予測誤差評価値を算出する予測誤差評価器を
さらに備えたので、目標の運動データと属性データを利
用して算出した観測データと複数運動モデルの信頼度を
用いて、予測誤差の評価である予測誤差共分散行列を算
出すうことにより、予測誤差共分散行列の信頼性が高い
目標追尾装置を提供できる等の効果が得られる。
び属性データによる信頼度算出器により算出された各運
動モデルの信頼度を使用して現時点より１サンプリング
後の各運動モデル毎の予測誤差評価値を算出し、上記運
動モデル毎の予測誤差評価器により算出された現時点よ
り１サンプリング後の各運動モデル毎の予測誤差評価値
に加算して現時点より１サンプリング後の各運動モデル
毎の新たな予測誤差評価値を算出する予測誤差評価器を
さらに備えたので、目標の運動データと属性データを利
用して算出した観測データと複数運動モデルの信頼度を
用いて、予測誤差の評価である予測誤差共分散行列を算
出すうことにより、予測誤差共分散行列の信頼性が高い
目標追尾装置を提供できる等の効果が得られる。
【図１】 この発明の実施の形態１に係る目標追尾装置
の構成図である。
の構成図である。
【図２】 定数加速度ベクトルを説明する図である。
【図３】 運動データによる相関を説明する図である。
【図４】 属性データによる相関を説明する図である。
【図５】 この発明の実施の形態２に係る目標追尾装置
の構成図である。
の構成図である。
【図６】 この発明の実施の形態３に係る目標追尾装置
の構成図である。
の構成図である。
【図７】 この発明の実施の形態４に係る目標追尾装置
の構成図である。
の構成図である。
【図８】 従来の目標追尾装置の構成図である。
１ 目標位置観測装置、２ 運動データ相関器、３ 目
標属性観測装置、４ 属性データ相関諸元算出器、５
属性データ信頼度算出器、６ 第１の遅延回路、７ 属
性データ相関器、８ 運動モデル毎の観測誤差評価器、
９ 運動モデル毎の運動データ及び属性データによる信
頼度算出器、１０ ゲイン行列算出器、１１ 平滑器、
１２ 運動モデル毎の予測値算出器、１３ 第２の遅延
回路、１４ 第６の遅延回路、１５ 第３の遅延回路、
１６ 運動モデル毎の平滑誤差評価器、１７ 運動モデ
ル毎の予測誤差評価器、１８ 第４の遅延回路、１９平
滑誤差評価器、２０ 予測誤差評価器、２１ 第７の遅
延回路、２２ 予測値算出器、２３ 第５の遅延回路、
２４ 運動データ相関諸元算出器、２５ 各運動モデル
の信頼度算出器。
標属性観測装置、４ 属性データ相関諸元算出器、５
属性データ信頼度算出器、６ 第１の遅延回路、７ 属
性データ相関器、８ 運動モデル毎の観測誤差評価器、
９ 運動モデル毎の運動データ及び属性データによる信
頼度算出器、１０ ゲイン行列算出器、１１ 平滑器、
１２ 運動モデル毎の予測値算出器、１３ 第２の遅延
回路、１４ 第６の遅延回路、１５ 第３の遅延回路、
１６ 運動モデル毎の平滑誤差評価器、１７ 運動モデ
ル毎の予測誤差評価器、１８ 第４の遅延回路、１９平
滑誤差評価器、２０ 予測誤差評価器、２１ 第７の遅
延回路、２２ 予測値算出器、２３ 第５の遅延回路、
２４ 運動データ相関諸元算出器、２５ 各運動モデル
の信頼度算出器。
─────────────────────────────────────────────────────
フロントページの続き
(56)参考文献 特開 昭64−29786（ＪＰ，Ａ)
特開 平５−288840（ＪＰ，Ａ)
(58)調査した分野(Int.Cl.7，ＤＢ名)
G01S 7/00 - 7/42
G01S 13/00 - 13/95
Claims (3)
- 【請求項１】 追尾目標及び追尾目標以外のクラッタか
らの位置データを観測する目標位置観測装置と、 上記目標位置観測装置からの観測データのうち、追尾目
標の運動諸元の確率分布から追尾目標と相関の可能性の
ある観測データを選択する運動データ相関器と、 追尾目標についての信号の分析結果である目標個体また
はグループの属性データを出力する目標属性観測装置
と、 上記目標属性観測装置からの属性データの確率分布を算
出する属性データ相関諸元算出器と、 上記運動データ相関器により選択された観測データのう
ち、上記属性データ相関諸元算出器からの属性データの
確率分布から追尾目標と相関の可能性のある観測データ
を選択する属性データ相関器と、 上記属性データ相関器からの観測データと現時点より１
サンプリング前の運動モデル毎の予測値及び予測誤差評
価値に基づいて運動モデル毎の観測誤差評価値を算出す
る運動モデル毎の観測誤差評価器と、 上記運動モデル毎の観測誤差評価器からの運動モデル毎
の観測誤差評価値に基づいて観測データと各運動モデル
各々の信頼度を算出する運動モデル毎の運動データ及び
属性データによる信頼度算出器と、 上記運動モデル毎の運動データ及び属性データによる信
頼度算出器からの観測データと各運動モデルの信頼度を
用いて目標運動諸元の平滑値を算出する平滑値算出手段
と、 上記平滑値算出手段より得られる目標運動諸元の平滑値
に基づいて現時点より１サンプリング前の運動モデル毎
の予測値を算出する運動モデル毎の予測値算出手段と、 上記平滑値算出手段より得られる目標運動諸元の平滑値
に基づいて現時点より１サンプリング後の目標運動諸元
の予測値を算出する予測値算出器と、 運動モデル毎の平滑誤差評価値とあらかじめ設定された
運動モデルにより得られる駆動雑音共分散行列とに基づ
いて現時点より１サンプリング後の各運動モデル毎の予
測誤差評価値を算出する運動モデル毎の予測誤差評価器
と、 上記運動モデル毎の予測誤差評価器により１サンプリン
グ前に算出された運動モデル毎の予測誤差評価値とあら
かじめ設定された観測モデルより得られる観測雑音共分
散行列とに基づいてゲイン行列を算出するゲイン行列算
出器と、 上記運動モデル毎の予測誤差評価器により１サンプリン
グ前に算出された運動モデル毎の予測誤差評価値と上記
ゲイン行列算出器より得られるゲイン行列とに基づいて
運動モデル毎の平滑誤差評価値を算出する運動モデル毎
の平滑誤差評価器と、 上記予測値算出器からの現時点より１サンプリング後の
目標運動諸元の予測値と上記運動モデル毎の予測誤差評
価値とに基づいて追尾目標の運動諸元の確率分布を算出
する運動データ相関諸元算出器と、上記運動モデル毎の運動データ及び属性データによる信
頼度算出器により算出された各運動モデルの信頼度と上
記ゲイン行列算出器により算出されたゲイン行列を使用
して平滑誤差評価値を算出し、上記運動モデル毎の平滑
誤差評価器より得られる運動モデル毎の平滑誤差評価値
に加算して新たな運動モデル毎の平滑誤差評価値を算出
する平滑誤差評価器とを備え、 上記運動モデル毎の予測誤差評価器は、上記平滑誤差評
価器からの平滑誤差評価値を入力して運動モデル毎の予
測誤差評価値を算出することを特徴とする目標追尾装
置。 - 【請求項２】 追尾目標及び追尾目標以外のクラッタか
らの位置データを観測する目標位置観測装置と、 上記目標位置観測装置からの観測データのうち、追尾目
標の運動諸元の確率分布から追尾目標と相関の可能性の
ある観測データを選択する運動データ相関器と、 追尾目標についての信号の分析結果である目標個体また
はグループの属性データを出力する目標属性観測装置
と、 上記目標属性観測装置からの属性データの確率分布を算
出する属性データ相関諸元算出器と、 上記運動データ相関器により選択された観測データのう
ち、上記属性データ相関諸元算出器からの属性データの
確率分布から追尾目標と相関の可能性のある観測データ
を選択する属性データ相関器と、 上記属性データ相関器からの観測データと現時点より１
サンプリング前の運動モデル毎の予測値及び予測誤差評
価値に基づいて運動モデル毎の観測誤差評価値を算出す
る運動モデル毎の観測誤差評価器と、 上記運動モデル毎の観測誤差評価器からの運動モデル毎
の観測誤差評価値に基づいて観測データと各運動モデル
各々の信頼度を算出する運動モデル毎の運動データ及び
属性データによる信頼度算出器と、 上記運動モデル毎の運動データ及び属性データによる信
頼度算出器からの観測データと各運動モデルの信頼度を
用いて目標運動諸元の平滑値を算出する平滑値算出手段
と、 上記平滑値算出手段より得られる目標運動諸元の平滑値
に基づいて現時点より１サンプリング前の運動モデル毎
の予測値を算出する運動モデル毎の予測値算出手段と、 上記平滑値算出手段より得られる目標運動諸元の平滑値
に基づいて現時点より１サンプリング後の目標運動諸元
の予測値を算出する予測値算出器と、 運動モデル毎の平滑誤差評価値とあらかじめ設定された
運動モデルにより得られる駆動雑音共分散行列とに基づ
いて現時点より１サンプリング後の各運動モデル毎の予
測誤差評価値を算出する運動モデル毎の予測誤差評価器
と、 上記運動モデル毎の予測誤差評価器により１サンプリン
グ前に算出された運動モデル毎の予測誤差評価値とあら
かじめ設定された観測モデルより得られる観測雑音共分
散行列とに基づいてゲイン行列を算出するゲイン行列算
出器と、 上記運動モデル毎の予測誤差評価器により１サンプリン
グ前に算出された運動モデル毎の予測誤差評価値と上記
ゲイン行列算出器より得られるゲイン行列とに基づいて
運動モデル毎の平滑誤差評価値を算出する運動モデル毎
の平滑誤差評価器と、 上記予測値算出器からの現時点より１サンプリング後の
目標運動諸元の予測値と上記運動モデル毎の予測誤差評
価値とに基づいて追尾目標の運動諸元の確率分 布を算出
する運動データ相関諸元算出器と、 上記運動モデル毎の運動データ及び属性データによる信
頼度算出器により算出された各運動モデルの信頼度を使
用して現時点より１サンプリング後の各運動モデル毎の
予測誤差評価値を算出し、上記運動モデル毎の予測誤差
評価器により算出された現時点より１サンプリング後の
各運動モデル毎の予測誤差評価値に加算して現時点より
１サンプリング後の各運動モデル毎の新たな予測誤差評
価値を算出する予測誤差評価器とを備えたことを特徴と
する目標追尾装置。 - 【請求項３】 上記運動モデル毎の運動データ及び属性
データによる信頼度算出器により算出された各運動モデ
ルの信頼度を使用して現時点より１サンプリング後の各
運動モデル毎の予測誤差評価値を算出し、上記運動モデ
ル毎の予測誤差評価器により算出された現時点より１サ
ンプリング後の各運動モデル毎の予測誤差評価値に加算
して現時点より１サンプリング後の各運動モデル毎の新
たな予測誤差評価値を算出する予測誤差評価器を備えた
ことを特徴とする請求項１記載の目標追尾装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27293997A JP3411485B2 (ja) | 1997-10-06 | 1997-10-06 | 目標追尾装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27293997A JP3411485B2 (ja) | 1997-10-06 | 1997-10-06 | 目標追尾装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH11109029A JPH11109029A (ja) | 1999-04-23 |
| JP3411485B2 true JP3411485B2 (ja) | 2003-06-03 |
Family
ID=17520880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP27293997A Expired - Fee Related JP3411485B2 (ja) | 1997-10-06 | 1997-10-06 | 目標追尾装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3411485B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5501555B2 (ja) * | 2007-04-12 | 2014-05-21 | 三菱電機株式会社 | 多目標追尾装置 |
-
1997
- 1997-10-06 JP JP27293997A patent/JP3411485B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH11109029A (ja) | 1999-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kim | Development of track to track fusion algorithms | |
| CN110503071B (zh) | 基于变分贝叶斯标签多伯努利叠加模型的多目标跟踪方法 | |
| CN112162244B (zh) | 一种相关噪声和随机丢包环境下的事件触发目标跟踪方法 | |
| JP3411485B2 (ja) | 目標追尾装置 | |
| CN115578425A (zh) | 一种应用在鱼苗计数器中基于无际卡尔曼滤波的动态追踪的方法 | |
| JPH05297947A (ja) | 多目標追尾装置 | |
| JPH05288840A (ja) | 多目標追尾装置 | |
| JP3208634B2 (ja) | 同一目標判定装置及び同一目標判定方法 | |
| JP3750855B2 (ja) | 目標追尾装置 | |
| JPH0797136B2 (ja) | 多目標追尾方法及びその装置 | |
| JP3440010B2 (ja) | 目標追尾装置 | |
| JPH0797135B2 (ja) | 多目標追尾方法及びその装置 | |
| JP3457174B2 (ja) | 目標追尾装置及び目標追尾方法 | |
| JP2003149328A (ja) | レーダの目標相関装置 | |
| JP3859908B2 (ja) | 目標追尾装置 | |
| JPH0643241A (ja) | 多目標追尾方法及びその装置 | |
| JP3323415B2 (ja) | 目標追尾装置及びその目標追尾方法 | |
| Washburn et al. | Performance analysis for hybrid state estimation problems | |
| JP3154666B2 (ja) | 目標追尾装置 | |
| JP2843910B2 (ja) | 多目標追尾装置 | |
| JP3302870B2 (ja) | センサのバイアス誤差推定装置 | |
| CN113532422B (zh) | 一种基于距离图和数据清洗的多传感器航迹融合方法 | |
| JP3044296B2 (ja) | 目標相関装置 | |
| JP2988154B2 (ja) | 目標追尾装置 | |
| JPH10115678A (ja) | 目標相関統合装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |