JP5300556B2

JP5300556B2 - 目標追尾装置

Info

Publication number: JP5300556B2
Application number: JP2009076745A
Authority: JP
Inventors: 貴史前川; 洋志亀田
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2009-03-26
Filing date: 2009-03-26
Publication date: 2013-09-25
Anticipated expiration: 2029-03-26
Also published as: JP2010230404A

Description

本発明は、レーダ等のセンサシステムにおいて、センサからの目標位置の観測値を使って目標の航跡を生成する際の相関を多次元的に解く技術を用いる目標追尾装置に関し、より具体的には、航跡に対して複数のモデルを適用し、各モデルからの航跡候補を生成し、多次元相関決定を実施し、尤もらしいモデルに対応した航跡を導出することで、モデルとして複数の運動モデルや観測モデルを用意することで、目標の多種多様な運動や目標信号の高度・輝度等が不安定となる観測条件に対応して、精度のよい追尾を実現する多目標追尾装置に関する。

単一のモデルを適用し、多次元的に相関を解く技術として、複数サンプリング時刻に跨る観測値の相関をまとめて計算して航跡を生成するアルゴリズムである、複数フレーム割当法がある（例えば、特許文献１、および非特許文献１参照）。この複数フレーム割当法では、既存航跡とＮサンプリング時刻に跨る観測値との相関決定を、Ｎ次元の割当問題に変換して解いている（ただし、Ｎは、２以上の整数）。

Ｎ次元割当問題は、下式（１）の目的関数を最小化する２値変数Ｚ_ｉ１・・・ｚ_ｉＮ＋１を決定するものである。

ここで、上式（１）におけるＣ_ｉ１・・・Ｃ_ｉＮ＋１は、既存航跡および観測値ｉ_１・・・ｉ_Ｎ＋１から航跡を生成するのにかかるコストであり、通常、航跡尤度の逆数の対数値を使用する。また、２値変数Ｚ_ｉ１・・・ｚ_ｉＮ＋１は、下式（２）のとおりである。

また、これら２値変数は、任意のｉ_１については下式（３−１）、任意のｉ_２〜ｉ_Ｎについては下式（３−２）、そして、任意のｉ_Ｎ＋１については下式（３−３）の制約条件がある。

ここで、ｎフレーム目における航跡候補は、前回（（ｎ−１）フレーム目）の航跡候補ｘ_ｎ−１（＋）を元に算出された予測値ｘ_ｎ（−）から、相関関係にある当該フレームの観測値を割り当てることで更新される。ここでは、一例として、線形カルマンフィルタを想定した場合の航跡候補の更新、および残差共分散行列を用いた相関判定について、以下に示す。

（ｎ−１）フレームからｎフレームにおける推移行列をΦ（ｎ−１）とすると、予測値ｘ_ｎ（−）は、下式（４）となる。

また、（ｎ−１）フレームでの平滑誤差共分散行列Ｐ_ｎ−１（＋）、および駆動雑音行列Ｑ（ｎ−１）から、予測誤差共分散行列Ｐ_ｎ（−）は、下式（５）で求められる。

また、残差共分散行列Ｓ_ｎは、観測誤差共分散行列Ｂ_ｎを用いて、下式（６）で求められる。

残差共分散行列Ｓ_ｎを用いて、下式（７）が成立する場合には、航跡候補と観測値ｚ（ｎ）は、相関があると判定する。ここで、ｄは、ゲートサイズであり、観測値の持つ自由度Ｍのカイ２乗分布表から定められる事前設定パラメータである。

ｎフレームにおける航跡候補ｉ（尤度γ_ｉ）が、（ｎ−１）フレームにおける航跡候補ｌ（尤度γ_ｌ）から生成されたとする。この場合、探知確率Ｐ_Ｄ、ゲート捕捉率Ｐ_Ｇおよび航跡候補生成における観測値との相関度ｇ_ｉ、ｌを用いて、探知抜けによる航跡候補の生成におけるコストγ_ｉ、ｏ、観測値による航跡候補の生成におけるコストγ_ｉ、１は、下式（８）となる。すなわち、更新された各航跡候補の尤度は、下式（８）により更新される。

複数のモデルを適用して航跡の予測値を算出し、得られた観測値の各モデルで更新した航跡の予測値の適合度を用いて航跡を更新することで、目標の多種多様な運動や目標信号の高度・輝度等が不安定となる観測条件に対応する技術として、多重モデル方式がある。

多重モデル方式の例として、各運動モデルで表した運動が、実際の目標の運動と一致している適合度（以下、モデル信頼度と呼ぶ）で、各観測フレームでの各追尾フィルタの出力である平滑値および平滑誤差共分散行列などを、重み付け平均しながら、複数の追尾フィルタを並行に使用する方式が提案されている（例えば、特許文献２、非特許文献２参照）。

特開２００７−２１２２４４号公報特開２００２−３２８１６２号公報

A.B.Poore and A.J.RobertsonIII "A New Lagrangian Relaxation Based Algorithm for a Class of Multidimensional Assignment Problems" Computational Optimization and Applications, 8, 129-150, 1997. YAAKOV BAR-SHALOM, X.RONG LI, THIAGALINGAM KIRUBBARAJAN "Estimation with Applications to Tracking and Navigation" A Wiley-Interscience Publication JOHN WILEY & SONS,INC., P441-457.

しかしながら、従来技術には、以下のような課題がある。
従来の複数フレーム割当法を用いた目標追尾装置は、航跡と観測値の割当を１フレーム前の航跡候補と当該観測フレームの観測値との割当により更新していた。

また、従来の多重モデル方式を適用した場合、各観測フレームでの航跡候補更新において、複数のモデルによる遷移を考慮することとなる。この結果、航跡候補が増大することによる多次元相関決定の解精度の劣化や演算時間増大、また、この航跡候補の増大にあわせて航跡候補の予測値が増大し、目標信号でない不要信号からなる観測値との相関が多く発生することによる誤相関が多く発生する課題があった。

図９は、従来の多重モデル方式の問題点を説明するための図である。より具体的には、時刻ｔ３からｔ４に進む際に、ｔ３における平滑値を用いて複数のモデル（図９では直進運動モデルと旋回運動モデル）により予測値を算出した場合の、航跡候補の増大と誤相関の様子を示している。

本発明は、前記のような課題を解決するためになされたものであり、航跡候補の増大や誤相関を抑制し、正解航跡の選択を可能とする目標追尾装置を得ることを目的とする。

本発明に係る目標追尾装置は、センサからの観測値を入力してＮフレーム分（Ｎは２以上の整数）の観測値を格納し、指定フレームでの既存航跡と観測値との割当を行う観測値管理手段と、複数のモデルから当該航跡の前回処理で選択されたモデルを参照し、選択されたモデルを選択モデル、選択されなかったモデルを非選択モデルとする航跡モデル参照部と、選択モデルでの航跡の予測値を算出し、観測値管理手段による割当結果から航跡候補を生成してコストを算出し、選択モデルに対応するコスト行列を求める第１の航跡候補コスト行列算出手段と、Ｎフレーム前に算出された平滑値から（Ｎ−１）フレーム前の予測値を算出し、（Ｎ−１）フレーム前の観測値との割当から（Ｎ−１）フレーム前における航跡候補を生成してコスト、平滑値を算出し、次に、（Ｎ−１）フレーム前における航跡候補について算出した平滑値から（Ｎ−２）フレーム前の予測値を算出し、（Ｎ−２）フレーム前の観測値との割当から（Ｎ−２）フレーム前における航跡候補を生成してコスト、平滑値を算出し、以下、（Ｎ−３）フレーム前から今回観測フレームまで同様の処理を繰り返し、非選択モデルに対応するコスト行列を求める第２の航跡候補コスト行列算出手段と、選択モデルに対応して算出されたコスト行列と、非選択モデルに対応して算出されたコスト行列とから、同一観測値割当となった航跡候補のうち最小コストを有する航跡候補とコストを抽出して新たなコスト行列を生成し、新たなコスト行列を用いて多次元相関決定を実施する多重モデル対応多次元相関決定手段と、多次元相関決定により抽出された最小コストを有する航跡候補の組み合わせから各航跡のモデルを決定するとともに、今回観測フレームにおける平滑値を算出し格納する航跡管理手段とを備えたものである。

本発明に係る目標追尾装置によれば、各航跡でＮフレーム前の平滑値を元に、最新Ｎフレームでは運動モデル間の遷移はないとして、複数の運動モデルで航跡と観測値の割当を実施することにより、航跡候補の増大や誤相関を抑制し、正解航跡の選択を可能とする目標追尾装置を得ることができる。

本発明の実施の形態１における目標追尾装置の構成図である。本発明の実施の形態１の目標追尾装置における、ｋフレーム目での一連処理を示すフローチャートである。本発明の実施の形態１における目標追尾装置で割り当てられた観測値、および生成されるコスト行列の説明図である。本発明の実施の形態１の目標追尾装置において、２つの異なるモデルで生成されたコスト行列を利用して、多次元相関決定部に入力するコスト行列を決定する方法の説明図である。本発明の実施の形態１における目標追尾装置により、従来の問題点が解決されたことを説明するための図である。本発明の実施の形態２における目標追尾装置の構成図である。本発明の実施の形態２における多重モデル対応多次元相関決定手段の一連処理の流れを示すフローチャートである。本発明の実施の形態２の目標追尾装置において、２つの既存航跡が存在し２つの運動モデルを利用して航跡候補を生成した場合に生成されるコスト行列の組み合わせを示す説明図である。従来の多重モデル方式の問題点を説明するための図である。

以下、本発明の目標追尾装置の好適な実施の形態につき図面を用いて説明する。

実施の形態１．
図１は、本発明の実施の形態１における目標追尾装置の構成図である。本実施の形態１における目標追尾装置１００は、観測値管理手段１１０、航跡候補（選択モデル）コスト行列算出手段１２０、多重モデル対応多次元相関決定手段１３０、航跡管理手段１４０、航跡選択モデル参照部１５１、および航跡候補（非選択モデル）コスト行列算出手段１６０を備えて構成される。

観測値管理手段１１０は、航跡−観測値割当部１１１、およびＮフレーム観測値データ記憶部１１２を含む。また、航跡候補（選択モデル）コスト行列算出手段１２０は、予測値算出部１２１、および航跡候補コスト算出部１２２を含む。また、多重モデル対応多次元相関決定手段１３０は、多次元相関決定部１３１、および最小コスト航跡候補抽出部１３２を含む。

また、航跡管理手段１４０は、平滑値算出部１４１、航跡モデル選択部１４２、および航跡データ記憶部１４３を含む。さらに、航跡候補（非選択モデル）コスト行列算出手段１６０は、予測値算出部１６１、航跡候補コスト算出部１６２、および平滑値算出部１６３を含む。

図１において、観測値管理手段１１０は、以下の処理を行う。Ｎフレーム観測値データ記憶部１１２には、センサ２００からの観測値がＮフレーム分蓄積される。また、航跡−観測値割当部１１１は、航跡候補（選択モデル）コスト行列算出手段１２０内の予測値算出部１２１、および航跡候補（非選択モデル）コスト行列算出手段１６０内の予測値算出部１６１でそれぞれ算出された航跡候補の予測値に基づいて、航跡候補と当該観測フレームにおける観測値との割当を行う。

また、航跡選択モデル参照部１５１は、センサ２００から観測値が入力された際に、当該航跡の前回選択されたモデルを、航跡データ記憶部１４３に記憶された航跡データから参照し、当該航跡の当該観測フレームのコスト行列算出における選択モデルあるいは非選択モデルのいずれであるかを決定する。

また、航跡候補（選択モデル）コスト行列算出手段１２０は、以下の処理を行う。予測値算出部１２１は、当該航跡の前回選択されたモデルにより、当該観測フレームでの予測値を算出する。そして、航跡候補コスト算出部１２２は、観測値管理手段１１０により割り当てられた観測値により、航跡候補を生成し、コストを算出する。

また、航跡候補（非選択モデル）コスト行列算出手段１６０は、以下の処理を行う。予測値算出部１６１は、当該航跡の前回選択されたモデルのＮフレーム前における平滑値を、平滑値算出部１６３から取得し、その平滑値を元に（Ｎ−１）フレーム前での予測値を算出する。そして、航跡候補コスト算出部１６２は、（Ｎ−１）フレーム前での観測値との割当から航跡候補を生成し、コストを算出する。

なお、（Ｎ−１）フレーム前での予測値の算出に当たっては、以下のような２通りのその他の方法を用いてもよい。
航跡候補（非選択モデル）コスト行列算出手段１６０は、選択モデルでのＮフレーム前に算出された平滑値および非選択モデルでのＮフレーム前に算出された平滑誤差共分散を用いて、（Ｎ−１）フレーム前の予測値を算出することができる。

また、航跡候補（非選択モデル）コスト行列算出手段１６０は、選択モデルでのＮフレーム前に算出された平滑値、平滑誤差共分散、航跡コストと、非選択モデルでのＮフレーム前に算出された平滑値、平滑誤差共分散、航跡コストを用いて、Ｎフレーム前での平滑値、平滑誤差共分散を算出し、この算出結果を用いて（Ｎ−１）フレーム前の予測値を算出することもできる。

続いて、予測値算出部１６１は、当該モデルで航跡候補の予測値を算出する。そして、航跡候補コスト算出部１６２は、（Ｎ−２）フレーム前の観測値との割当から航跡候補を生成し、コストを算出する。これを当該観測フレームまで繰り返し、当該観測フレームにおける前回選択されなかったモデルでの航跡候補の生成および各航跡候補のコストの算出を行う。

また、多重モデル対応多次元相関決定手段１３０は、以下の処理を行う。最小コスト航跡候補抽出部１３２は、航跡候補（選択モデル）コスト行列算出手段１２０および航跡候補（非選択モデル）コスト行列算出手段１６０から導出された各航跡候補の観測値割当とコストからなるコスト行列から、同一航跡候補の観測値割当の中からコストが最小となる航跡候補とコストを抽出する。さらに、多次元相関決定部１３１は、抽出されたコストからコスト行列を生成し、多次元相関決定を行う。

また、航跡管理手段１４０は、以下の処理を行う。航跡モデル選択部１４２は、多重モデル対応多次元相関決定手段１３０より抽出された各航跡候補が、どの運動モデルから更新されたかを選択する。さらに、平滑値算出部１４１は、割り当てられた観測値から平滑値を算出する。そして、航跡モデル選択部１４２による選択結果および平滑値算出部１４１で算出された平滑値は、航跡データとして航跡データ記憶部１４３に格納される。また、航跡の平滑値は、表示装置３００により表示される。

次に、図１の構成を備えた目標追尾装置における、ｋフレーム目での一連の処理について、フローチャートを用いて説明する。図２は、本発明の実施の形態１の目標追尾装置における、ｋフレーム目での一連処理を示すフローチャートである。

まず始めに、観測値管理手段１１０において、センサ２００から得られた観測値を、Ｎフレーム観測値データ記憶部１１２に格納する（ステップＳＴ１）。次に、航跡選択モデル参照部１５１において、各航跡について前回処理時に選択されたモデルを参照し、選択されたモデルを選択モデル、選択されなかったモデルを非選択モデルとする（ステップＳＴ２）。

各航跡の選択モデルについては、ステップＳＴ３１〜ステップＳＴ３３までの処理を行う。まず、航跡候補（選択モデル）コスト行列算出手段１２０の予測値算出部１２１において、前回算出した平滑値から予測値を、上式（４）を用いて算出する（ステップＳＴ３１）。

以降、予測値、平滑値、各種共分散の算出において、線形カルマンフィルタを用いた例を、数式を用いて説明する。観測値管理手段１１０の航跡−観測値割当部１１１において、予測値と入力した当該観測フレームでの観測値とから、航跡と観測値の割当を、上式（５）〜（７）に示す相関により実施する（ステップＳＴ３２）。

次に、航跡候補（選択モデル）コスト行列算出手段１２０の航跡候補コスト算出部１２２において、ステップＳＴ３２での航跡観測値割当から航跡候補を生成し、航跡候補のコストを、上式（８）に示す予測値と観測値との相関度から算出し、選択モデルでの航跡候補とコスト値から構成されるコスト行列を生成する（ステップＳＴ３３）。

一方、各航跡の非選択モデルについては、ステップＳＴ４１〜ステップＳＴ４４までの処理を行う。ｋフレーム目の処理において、（Ｎ−１）フレーム前であるｎ＝ｋ−Ｎ＋１から、現在の観測フレームであるｎ＝ｋまでについて、予測値算出、観測値割当、コスト算出、平滑化算出の各ステップＳＴ４１〜ＳＴ４４を繰り返し行う。

まず、航跡候補（非選択モデル）コスト行列算出手段１６０の予測値算出部１６１において、当該航跡のＮフレーム前の平滑値を航跡データ記憶部１４３から取得し、ｎフレーム目の予測値（すなわち、最初は、（Ｎ−１）フレーム前での予測値に相当）を算出する（ステップＳＴ４１）。なお、Ｎフレーム前の平滑値として、前回選択モデルでの平滑値、当該運動モデルの平滑値、もしくは、前回選択モデルと当該運動モデルのコスト比による混合値のいずれを利用してもよい。

ここで、各値を用いての予測値の算出について、以下に説明する。
最新フレームがｋフレーム目、運動モデルがｓ１、ｓ２、・・・と複数あり、ｓ１が前回選択モデルとした場合に、運動モデルｓ２で航跡候補を生成する場合について、下式（９）〜（１１）を考える。ｓ３、ｓ４、・・・と３個以上の運動モデルがある場合についても同様である。

ここで、ｘ_ｋ−Ｎ（＋）、Ｐ_ｋ−Ｎ（＋）は、下式（１２）、（１３）のいずれかである。

ここで、１モデル間の推移のみを考慮する場合、ｘ_ｋ−Ｎ（＋）、Ｐ_ｋ−Ｎ（＋）は、下式（１４）となる。

また、全モデルの推移を考慮する場合、ｘ_ｋ−Ｎ（＋）、Ｐ_ｋ−Ｎ（＋）は、下式（１５）となる。

また、モデルとして、観測モデルを複数利用する場合は、上記においては、推移行列がΦ^ｓｉ（ｉ＝１、・・・、ｉ_ｍａｘ）となっていたのに対し、観測行列がＨ^ｓｊ（ｊ＝１、・・・、ｉｍａｘ）となる（以降の式においても同様である）。

図２の説明に戻って、観測値管理手段１１０の航跡−観測値割当部１１１において、ステップＳＴ４１で算出した予測値と（Ｎ−１）フレーム前での観測値とから、ｎフレーム目の航跡候補と観測値の割当を実施する（ステップＳＴ４２）。

ここで、航跡候補と観測値の相関判定について、以下に説明する。
ｋ−Ｎ＋１フレームにおけるある観測値ｚ（ｋ−Ｎ＋１）が、航跡候補ｘ_ｋ−Ｎが運動モデルｓ２で更新された場合に相関があるか否かの判定は、下式（１６）により実施することとなる。

また、図２の説明に戻って、航跡候補（非選択モデル）コスト行列算出手段１６０の航跡候補コスト算出部１６２において、ステップＳＴ４２での航跡観測値割当から（Ｎ−１）フレーム前での航跡候補を生成し、航跡候補のコストを予測値と観測値の相関度から算出する（ステップＳＴ４３）。

ここで、航跡候補の尤度の算出について、以下に説明する。
ｋ−Ｎフレームでの航跡候補ｌと、ｋ−Ｎ＋１フレームでの運動モデルｓ２と相関が取れた観測値とで生成された航跡候補ｉの航跡尤度は、下式（１７）で表される。ここで、ｇ_ｉ,ｌは、相関がとれた観測値と航跡候補ｌとの相関度である上式（１６）の左辺の項による。

再び図２の説明に戻って、平滑値算出部１６３において、（Ｎ−１）フレーム前での各航跡候補の平滑値、平滑誤差共分散、およびゲインを算出する（ステップＳＴ４４）。この算出は、下式（１８）〜（２０）に従って行う。

予測値算出部１６１において、ステップＳＴ４４で算出した（Ｎ−１）フレーム前の平滑値から、予測値、予測誤差共分散、残差共分散を、モデルを固定して、上式（４）〜（６）を用いて算出し（ステップＳＴ４１）、ステップＳＴ４４までの処理を最新観測フレームまで繰り返し、非選択モデルでの航跡候補とコスト値から構成されるコスト行列を生成する。

次に、ステップＳＴ５１以降の多重モデル対応多次元相関決定手段１３０、および航跡管理手段１４０による処理について説明する。図３は、本発明の実施の形態１における目標追尾装置で割り当てられた観測値、および生成されるコスト行列の説明図である。より具体的には、既存の航跡に各フレームで割り当てられた観測値、および探知抜けからなる航跡候補と対応するコストからなるコスト行列の例を示している。

多重モデル対応多次元相関決定手段１３０の最小コスト航跡候補抽出部１３２は、同一航跡から生成されたモデルが異なる航跡候補で、各フレームにおいて割当られた観測値の組み合わせが同一となる航跡候補が存在した場合、コストが最小となるモデルの航跡候補を抽出し、対応するコストからなるコスト行列を生成する（ステップＳＴ５１）。

図４は、本発明の実施の形態１の目標追尾装置において、２つの異なるモデルで生成されたコスト行列を利用して、多次元相関決定部１３１に入力するコスト行列を決定する方法の説明図である。ここで、同じ観測値割当でコストが同一となった場合には、前回までの選択運動モデルおよび航跡尤度と今回の航跡候補尤度とを比較し、選択する。比較方法としては、以下のようなものがある。
［比較方法１］前回選択モデルから導出した航跡候補のコストを利用する。
［比較方法２］前回フレームまでの観測値割当てにおけるコストからの減分が最も大きいコストを利用する。
［比較方法３］まず、比較方法２により実施し、区別がつかない場合には、比較方法１によりコストを決定する。
多次元相関決定部１３１において、先のステップＳＴ５１で、図４に示したような方法で生成されたコスト行列を入力として、多次元相関決定を実施する（ステップＳＴ５２）。

次に、航跡管理手段１４０の航跡モデル選択部１４２は、ステップＳＴ５２で選択された航跡候補のモデルを航跡のモデルとして、航跡データ記憶部１４３に格納する（ステップＳＴ６１）。さらに、平滑値算出部１４１は、選択された航跡候補における各フレームの平滑値を算出し、航跡データ記憶部１４３に格納する（ステップＳＴ６２）。

図５は、本発明の実施の形態１における目標追尾装置により、従来の問題点が解決されたことを説明するための図である。先の図９で指摘したような航跡候補の増大と誤相関が多発するような状況においても、本実施の形態１の発明によれば、図５に示すように、これらの抑圧と正解航跡の選択が可能となる。

以上のように、実施の形態１によれば、各航跡でＮフレーム前の平滑値を元に、最新Ｎフレームでは運動モデル間の遷移はないとして、複数の運動モデルで航跡と観測値の割当を実施する。これにより、航跡候補と観測値の割当数を抑えることができ、航跡候補の増大や誤相関を抑制できる。さらに、各モデル間の航跡コスト差を大きくすることで、適切なモデルの航跡候補が多次元相関決定により選択されやすくなる。これにより、多次元相関性能を向上させることができる。

実施の形態２．
先の実施の形態１では、複数のモデルから生成した航跡候補コスト行列において、観測値割当が同一となる航跡候補が存在した場合に、多次元相関決定前にコストが最小となる航跡候補を抽出してコスト行列を生成し、多次元相関決定の入力としていた。これに対して、本実施の形態２では、各航跡で単一のモデルを抽出し、全航跡で組み合わせた複数のコスト行列で多次元相関決定を実施し、その結果から尤もらしい航跡組み合わせを抽出することで、各航跡の運動モデルの選択と平滑値の算出を行う場合について説明する。

図６は、本発明の実施の形態２における目標追尾装置の構成図である。目標追尾装置１００は、観測値管理手段１１０、航跡候補（選択モデル）コスト行列算出手段１２０、多重モデル対応多次元相関決定手段１３０、航跡管理手段１４０、航跡選択モデル参照部１５１、および航跡候補（非選択モデル）コスト行列算出手段１６０を備えて構成される。ここで、先の実施の形態１における図１の構成と、本実施の形態２における図６の構成とを比較すると、多重モデル対応多次元相関決定手段１３０の内部構成が異なっている。

図６において、多重モデル対応多次元相関決定手段１３０は、コスト行列組み合わせ部１３３において、各航跡の各モデルにより生成したコスト行列から各航跡から１モデルのコスト行列を抽出し多次元相関決定の入力としてのコスト行列を生成する。航跡とモデルの組み合わせ数分のコスト行列について、多次元相関決定部１３１において、多次元相関決定を実施する。

最適多次元相関結果選択部１３４において、各コスト行列の多次元相関決定結果のうち、最小となるコスト和を持つものを多次元相関決定の解として抽出する。

次に、動作について、先の実施の形態１における多重モデル対応多次元相関決定手段１３０からの変更点を中心に説明する。図７は、本発明の実施の形態２における多重モデル対応多次元相関決定手段１３０の一連処理の流れを示すフローチャートである。先の実施の形態１で示した図２のフローチャートにおけるステップＳＴ５１、ＳＴ５２が、図７におけるステップＳＴ５１１、ＳＴ５２１、ＳＴ５３１に置き換わる形になる。そこで、多重モデル対応多次元相関決定手段１３０による、これらステップＳＴ５１１、ＳＴ５２１、ＳＴ５３１について、以下に説明する。

コスト行列組み合わせ部１３３は、航跡候補（選択モデル）コスト行列算出手段１２０および航跡候補（非選択モデル）コスト行列算出手段１６０で生成したコスト行列を、航跡およびモデルごとに組み合わせる。これにより、上式（９）に示すコスト行列が生成される（ＳＴ５１１）。図８は、本発明の実施の形態２の目標追尾装置において、２つの既存航跡が存在し２つの運動モデルを利用して航跡候補を生成した場合に生成されるコスト行列の組み合わせを示す説明図である。

次に、生成された全コスト行列について、多次元相関決定を実施する（ＳＴ５２１）。各コスト行列の多次元相関決定の結果として抽出された航跡候補のコストの和が最小となる多次元相関結果を、最適多次元相関結果として選択する（ＳＴ５３１）。ここで、コスト和が同一となる結果が複数存在した場合には、前回までの多次元相関決定結果と今回の多次元相関決定結果とを比較し、選択する。比較方法としては、以下のようなものがある。

［比較方法１］前回選択されたモデルを最も多く含む結果を選択する。
［比較方法２］コスト和の減少率が前回から最も大きかったモデルの組み合わせである入力の結果を選択する。
これらの判定条件については、対象としている目標や観測条件から事前に設定されているものとする。上記以外の動作は、先の実施の形態１と同様である。

以上のように、実施の形態２によれば、各航跡で単一のモデルを抽出し全航跡で組み合わせた複数のコスト行列で多次元相関決定を実施し、その結果から尤もらしい航跡組み合わせを抽出する。この結果、演算負荷は増大するが、全てのモデルの組み合わせを考慮した多次元相関決定結果から航跡と観測値の割当を決定することができ、多次元相関結果の解の精度の向上を図ることができる。

１００目標追尾装置、１１０観測値管理手段、１１１観測値割当部、１１２Ｎフレーム観測値データ記憶部、１２０航跡候補（選択モデル）コスト行列算出手段、１２１予測値算出部、１２２航跡候補コスト算出部、１３０多重モデル対応多次元相関決定手段、１３１多次元相関決定部、１３２最小コスト航跡候補抽出部、１３３コスト行列組み合わせ部、１３４最適多次元相関結果選択部、１４０航跡管理手段、１４１平滑値算出部、１４２航跡モデル選択部、１４３航跡データ記憶部、１５１航跡選択モデル参照部、１６０航跡候補（非選択モデル）コスト行列算出手段、１６１予測値算出部、１６２航跡候補コスト算出部、１６３平滑値算出部、２００センサ、３００表示装置。

Claims

センサからの観測値を入力してＮフレーム分（Ｎは２以上の整数）の観測値を格納し、指定フレームでの既存航跡と観測値との割当を行う観測値管理手段と、
複数のモデルから当該航跡の前回処理で選択されたモデルを参照し、選択されたモデルを選択モデル、選択されなかったモデルを非選択モデルとする航跡モデル参照部と、
前記選択モデルでの航跡の予測値を算出し、前記観測値管理手段による割当結果から航跡候補を生成してコストを算出し、前記選択モデルに対応するコスト行列を求める第１の航跡候補コスト行列算出手段と、
Ｎフレーム前に算出された平滑値から（Ｎ−１）フレーム前の予測値を算出し、（Ｎ−１）フレーム前の観測値との割当から（Ｎ−１）フレーム前における航跡候補を生成してコスト、平滑値を算出し、次に、（Ｎ−１）フレーム前における前記航跡候補について算出した前記平滑値から（Ｎ−２）フレーム前の予測値を算出し、（Ｎ−２）フレーム前の観測値との割当から（Ｎ−２）フレーム前における航跡候補を生成してコスト、平滑値を算出し、以下、（Ｎ−３）フレーム前から今回観測フレームまで同様の処理を繰り返し、非選択モデルに対応するコスト行列を求める第２の航跡候補コスト行列算出手段と、
前記選択モデルに対応して算出された前記コスト行列と、前記非選択モデルに対応して算出されたコスト行列とから、同一観測値割当となった航跡候補のうち最小コストを有する航跡候補とコストを抽出して新たなコスト行列を生成し、前記新たなコスト行列を用いて多次元相関決定を実施する多重モデル対応多次元相関決定手段と、
多次元相関決定により抽出された前記最小コストを有する航跡候補の組み合わせから各航跡のモデルを決定するとともに、今回観測フレームにおける平滑値を算出し格納する航跡管理手段と
を備えたことを特徴とする目標追尾装置。
請求項１に記載の目標追尾装置において、
前記第２の航跡候補コスト行列算出手段は、前記選択モデルでのＮフレーム前に算出された平滑値および前記非選択モデルでのＮフレーム前に算出された平滑誤差共分散を用いて（Ｎ−１）フレーム前の予測値を算出することを特徴とする目標追尾装置。
請求項１に記載の目標追尾装置において、
前記第２の航跡候補コスト行列算出手段は、前記選択モデルでのＮフレーム前に算出された平滑値、平滑誤差共分散、航跡コストと、前記非選択モデルでのＮフレーム前に算出された平滑値、平滑誤差共分散、航跡コストを用いて、Ｎフレーム前での平滑値、平滑誤差共分散を算出し、この算出結果を用いて（Ｎ−１）フレーム前の予測値を算出することを特徴とする目標追尾装置。
請求項１ないし３のいずれか１項に記載の目標追尾装置において、
前記多重モデル対応多次元相関決定手段は、前記同一観測値割当となった航跡候補のうち、最小コストとなる航跡候補が複数存在した場合には、前回までの選択運動モデルおよび航跡尤度と今回の航跡候補尤度との比較結果に基づいて１つの航跡候補を選択することを特徴とする目標追尾装置。
請求項１ないし４のいずれか１項に記載の目標追尾装置において、
前記多重モデル対応多次元相関決定手段は、前記選択モデルに対応して算出された前記コスト行列と、前記非選択モデルに対応して算出されたコスト行列とから、各航跡とモデルの組み合わせ数分のコスト行列を生成し、生成した前記コスト行列について多次元相関決定を実施し、抽出した航跡候補のコストの和が最小となる新たなコスト行列を用いて多次元相関決定を実施することを特徴とする目標追尾装置。
請求項５に記載の目標追尾装置において、
前記多重モデル対応多次元相関決定手段は、前記コストの和が同一となる結果が複数存在した場合には、コストの和の減少率が最も高い各航跡のモデルの組み合わせからなる新たなコスト行列を用いて前記多次元相関決定を実施することを特徴とする目標追尾装置。