JP6342270B2

JP6342270B2 - 目標検出装置、目標検出方法及び目標検出プログラム

Info

Publication number: JP6342270B2
Application number: JP2014182777A
Authority: JP
Inventors: 英俊古川
Original assignee: Toshiba Corp; Toshiba Infrastructure Systems and Solutions Corp
Current assignee: Toshiba Corp; Toshiba Infrastructure Systems and Solutions Corp
Priority date: 2014-09-08
Filing date: 2014-09-08
Publication date: 2018-06-13
Anticipated expiration: 2034-09-08
Also published as: JP2016057128A

Description

本実施形態は、目標を観測するセンサからの信号検出結果に基づいて目標を検出する目標検出装置、目標検出方法及び目標検出プログラムに関する。

従来より、レーダ装置、ソナー装置等の目標を観測するセンサからの信号検出結果に基づいて目標を検出する目標検出装置にあっては、目標を確実に検出するために、ＳＰＲＴ（Sequential Probability Ratio Test：逐次確率比検定）による目標検出処理（非特許文献１参照）が用いられる。このＳＰＲＴによる目標検出処理は、「目標が存在しない」とする仮説Ｈ_０と「目標が存在する」とする仮説Ｈ_１を設定し、仮説検定により「目標が存在する」とする仮説Ｈ_１が採択された場合に「目標検出」と判定する手法である。

なお、特許文献１に、Ｍ中Ｎ検出型の目標検出処理とＳＰＲＴ型の目標検出処理を組み合わせたレーダ信号検出装置の記載がある。

特開２００３−４３１３２号公報

Samuel S. Blackman, Multiple-Target Tracking with Radar Applications, Artech House, 1986.

従来のＳＰＲＴを用いた目標検出装置では、設定された真目標の検出確率、偽目標の検出確率及びレーダ装置等のセンサからの信号検出結果に基づいて、目標が存在するか存在しないのかを判定する。ところが、実際の真目標の検出確率は不明であり、設定された真目標の検出確率と実際の真目標の検出確率の差異が大きくなるに従って、目標検出性能が低下する。この目標検出性能の低下は、実際の真目標の検出確率が設定された真目標の検出確率よりも高い場合、最適な検出確率に設定された場合よりも「目標検出」の判定に要する観測回数が増加することとして表れ、実際の真目標の検出確率が設定された真目標の検出確率よりも低い場合、最適な検出確率に設定された場合よりも「目標検出」と判定される確率が低下することとして表れる。

本実施形態は上記課題に鑑みなされたもので、ＳＰＲＴによって得られる目標検出性能を向上させることのできる目標検出装置、目標検出方法及び目標検出プログラムを提供することを目的とする。

上記の課題を解決するために、本実施形態は、真目標の検出確率が互いに異なるように設定された複数の目標モデルを備え、目標を観測して閾値を超える信号を検出するセンサからの信号検出結果を入力し、前記信号検出結果、偽目標の検出確率、前記複数の目標モデルそれぞれに設定された真目標の検出確率に基づいて前記複数の目標モデルそれぞれに対する尤度比を算出し、前記複数の目標モデルそれぞれに対する尤度比の上限閾値と下限閾値を算出し、前記複数の目標モデルそれぞれに対する尤度比について、前記目標モデルそれぞれに対する尤度比の上限閾値、下限閾値に基づいて総合的に判定を行い、その判定結果として「目標検出」、「目標不検出」、「観測継続」のいずれかを選択する。その判定結果の選択は、前記複数の目標モデルそれぞれに対する尤度比を対応する目標モデルの上限閾値と比較し、前記尤度比が前記上限閾値以上となる目標モデルが一つでもあるか判定し、有った場合にその判定結果として「目標検出」を選択し、前記複数の目標モデルそれぞれに対する尤度比を対応する目標モデルの下限閾値と比較し、前記尤度比が前記下限閾値以下となる目標モデルが一つでもあるか判定し、有った場合にその判定結果として「目標不検出」を選択し、上記以外の場合にその判定結果として「観測継続」を選択する。

第１の実施形態に係る目標検出装置の構成を示すブロック図。第１の実施形態に係る目標検出装置の処理の流れの具体例を示すフローチャート。第２の実施形態に係る目標検出装置の構成を示すブロック図。第２の実施形態に係る目標検出装置の処理の流れの具体例を示すフローチャート。ＳＰＲＴを用いた目標検出装置の基本構成を示すブロック図。図５に示した目標検出装置の処理の流れの具体例を示すフローチャート。

以下、本発明に係る実施の形態について、図面を参照して説明する。

まず、実施形態を説明するに先立ち、ＳＰＲＴを用いた目標検出装置の基本構成について説明する。

図５は、ＳＰＲＴを用いた目標検出装置の基本構成を示すブロック図である。図５に示す目標検出装置は、閾値算出部２１、尤度比算出部２２、判定部２３を備える。

上記閾値算出部２１は、目標検出の評価値である尤度比ＳＴの上限閾値Ｔ_Ｕと下限閾値Ｔ_Ｌを算出する。上記尤度比算出部２２は、目標を観測して閾値を超える信号を検出するレーダ装置等のセンサ（図示せず）から信号検出結果である観測回数ｋと検出回数ｍを入力し、その信号検出結果に基づいて、観測ｋ回目の尤度比ＳＴ（ｋ）を算出する。上記判定部２３は、閾値算出部２１からの上限閾値Ｔ_Ｕと下限閾値Ｔ_Ｌ、尤度比算出部２２からの尤度比ＳＴ（ｋ）に基づいて、以下の式により判定を行い、判定結果として「目標検出」、「目標不検出」、「観測継続」のいずれかを選択する。

図６は、図５に示した目標検出装置の処理の流れの具体例を示すフローチャートである。同図に沿って、上記目標検出装置の処理の流れを説明する。

上記閾値算出部２１は、第１種の誤り率αと第２種の誤り率βに基づいて、上限閾値Ｔ_Ｕと下限閾値Ｔ_Ｌを算出する（ステップＳ２０１）。上限閾値Ｔ_Ｕと下限閾値Ｔ_Ｌは、以下の式で算出される。

上記尤度比算出部２２は、偽目標の検出確率Ｐ_Ｆ、真目標の検出確率Ｐ_Ｄ、センサからの信号検出結果である観測回数ｋと検出回数ｍに基づいて、観測ｋ回目の尤度比ＳＴ（ｋ）を算出する（ステップＳ２０２）。観測ｋ回目の尤度比ＳＴ（ｋ）は、以下の式で算出される。

上記判定部２３は、尤度比算出部２２からの観測ｋ回目の尤度比ＳＴ（ｋ）と閾値算出部２１からの上限閾値Ｔ_Ｕとを比較し（ステップＳ２０３）、尤度比ＳＴ（ｋ）が上限閾値Ｔ_Ｕ以上の場合に判定結果を「目標検出」とする（ステップＳ２０４）。また、尤度比ＳＴ（ｋ）が上限閾値Ｔ_Ｕよりも小さな場合には、尤度比ＳＴ（ｋ）と閾値算出部２１からの下限閾値Ｔ_Ｌとを比較し（ステップＳ２０５）、尤度比ＳＴ（ｋ）が下限閾値Ｔ_Ｌ以下の場合に判定結果を「目標不検出」とする（ステップＳ２０６）。上記以外の場合（尤度比ＳＴ（ｋ）が下限閾値Ｔ_Ｌよりも大きく、上限閾値Ｔ_Ｕよりも小さい場合）には、判定結果を「観測継続」とする（ステップＳ２０７）。そして、上記の判定結果を出力する（ステップＳ２０８）。判定部２３で「観測継続」と判定された場合、観測ｋ＋１回目の信号検出結果に基づいて、ステップＳ２０１からの処理が繰り返される。

ここで、上記構成による目標検出装置では、設定された偽目標の検出確率と真目標の検出確率、レーダ装置等のセンサからの信号検出結果である観測回数ｋと検出回数ｍとに基づいて、目標が存在するか存在しないのかを判定する。ところが、実際の真目標の検出確率は不明であり、設定された真目標の検出確率と実際の真目標の検出確率の差異が大きくなるに従って目標検出性能が低下する。

そこで、以下に示す第１及び第２の実施形態では、「目標が存在する」とする仮説を異なる真目標の検出確率が設定された複数の仮説に細分化して、細分化した仮説の検定を行うと共に、これらの結果に基づいて、総合的に「目標検出」を判定することで、目標検出性能を向上させるようにしている。

（第１の実施形態）
第１の実施形態に係る目標検出装置は、「目標が存在する」とする仮説を異なる真目標の検出確率が設定された複数の仮説に細分化して、細分化した仮説の検定を行うと共に、これらの結果を総合的に判定し、検出結果として「目標検出」、「目標不検出」、「観測継続」のいずれかを選択する。以下では、「目標が存在しない」とする仮説をＨ_０、「目標が存在する」とする仮説をＮ（Ｎ≧２）個の仮説に細分化し、異なる真目標の検出確率が設定されたそれぞれの仮説をＨ_ｉ（１≦ｉ≦Ｎ）と呼ぶ。また、それぞれの仮説に対応する目標モデルをｉ番目の目標モデルと呼ぶ。

以下、図１及び図２を参照して、第１の実施形態について説明する。

図１は、第１の実施形態に係る目標検出装置の構成を示すブロック図である。この第１の実施形態に係る目標検出装置は、複数モデル閾値算出部１１、複数モデル尤度比算出部１２、総合判定部１３を備える。

上記複数モデル閾値算出部１１は、ｉ番目の目標モデルに対する上限閾値Ｔ_Ｕ（ｉ）と下限閾値Ｔ_Ｌ（ｉ）を算出する。上記複数モデル尤度比算出部１２は、偽目標の検出確率、ｉ番目の目標モデルに設定された真目標の検出確率、センサからの信号検出結果である観測回数ｋと検出回数ｍに基づいて、評価値としてｉ番目の目標モデルに対する観測ｋ回目の尤度比ＳＴ（ｋ，ｉ）を算出する。上記総合判定部１３は、複数モデル閾値算出部１１からの上限閾値Ｔ_Ｕ（ｉ）と下限閾値Ｔ_Ｌ（ｉ）、複数モデル尤度比算出部１２からの尤度比ＳＴ（ｋ，ｉ）に基づいて、以下の式により総合的に判定を行い、検出結果として「目標検出」、「目標不検出」、「観測継続」のいずれかを選択する。

図２は、第１の実施形態に係る目標検出装置の処理の流れの具体例を示すフローチャートである。同図に沿って、第１の実施形態に係る目標検出装置の処理の流れを説明する。

上記複数モデル閾値算出部１１は、ｉ番目の目標モデルに対する第１種の誤り率α（ｉ）と第２種の誤り率β（ｉ）に基づいて、ｉ番目の目標モデルに対する上限閾値Ｔ_Ｕ（ｉ）と下限閾値Ｔ_Ｌ（ｉ）を算出する（ステップＳ１０１）。上限閾値Ｔ_Ｕ（ｉ）と下限閾値Ｔ_Ｌ（ｉ）は、以下の式で算出される。

上記複数モデル尤度比算出部１２は、偽目標の検出確率、ｉ番目の目標モデルに設定された真目標の検出確率、センサからの信号検出結果である観測回数ｋと検出回数ｍに基づいて、ｉ番目の目標モデルに対する観測ｋ回目の尤度比ＳＴ（ｋ，ｉ）を算出する（ステップＳ１０２）。ｉ番目の目標モデルに対する観測ｋ回目の尤度比ＳＴ（ｋ，ｉ）は、以下の式で算出される。

ここで、Ｐ_Ｄ（ｉ）は、ｉ番目の目標モデルに設定された真目標の検出確率を表す。また、Ｐ_Ｆは、偽目標の検出確率を表す。なお、上記では、偽目標の検出確率Ｐ_Ｆとして、全ての目標モデルで同じ値を使用するように構成しているが、偽目標の検出確率に変動幅が存在するような場合、偽目標の検出確率の変動幅の上限値と下限値のように異なる偽目標の検出確率を、真目標の検出確率と組み合わせて、目標モデルとして設定することもできる。

また、ｉ番目の目標モデルに対する観測ｋ回目の尤度比ＳＴ（ｋ，ｉ）は、センサからの信号検出結果である観測ｋ回目の検出の有無に基づいて、以下の式で算出するように構成することもできる。

ここで、偽目標の検出確率が観測毎に変化する場合には、ｉ番目の目標モデルに対する観測ｋ回目の尤度比ＳＴ（ｋ，ｉ）は、観測ｋ回目の偽目標の検出確率Ｐ_Ｆ（ｋ）を用いて、以下の式で算出するように構成することもできる。

上記総合判定部１３は、複数モデル尤度比算出部１２からのｉ番目の目標モデルに対する尤度比ＳＴ（ｋ，ｉ）と複数モデル閾値算出部１１からのｉ番目の目標モデルに対する上限閾値Ｔ_Ｕ（ｉ）を比較し（ステップＳ１０３）、ＳＴ（ｋ，ｉ）≧Ｔ_Ｕ（ｉ）を満足する目標モデルが一つでもあった場合、判定結果を「目標検出」とする（ステップＳ１０４）。ＳＴ（ｋ，ｉ）≧Ｔ_Ｕ（ｉ）を満足する目標モデルが一つもない場合、ｉ番目の目標モデルに対する尤度比ＳＴ（ｋ，ｉ）と複数モデル閾値算出部１１からのｉ番目の目標モデルに対する閾値Ｔ_Ｌ（ｉ）を比較し（ステップＳ１０５）、ＳＴ（ｋ，ｉ）≦Ｔ_Ｌ（ｉ）を満足する目標モデルがひとつでもあった場合、判定結果を「目標不検出」とする（ステップＳ１０６）。上記以外の場合、判定結果を「観測継続」とする（ステップＳ１０７）。そして、上記の判定結果を出力する（ステップＳ１０８）。総合判定部１３で「観測継続」と判定された場合、観測ｋ＋１回目の信号検出結果に基づいて、ステップＳ１０１からの処理が繰り返される。

なお、目標検出装置の基本構成に示したように、それぞれの値を対数変換して処理するように構成することができる。この場合、ｉ番目の目標モデルに対する上限閾値Ｔ_Ｕ（ｉ）と下限閾値Ｔ_Ｌ（ｉ）は、以下の式で算出される。

対応するｉ番目の目標モデルに対する観測ｋ回目の尤度比ＳＴ（ｋ，ｉ）は、以下の式で算出される。

以上説明したように、第１の実施形態に係る目標検出装置によれば、「目標が存在する」とする仮説を異なる真目標の検出確率が設定された複数の仮説に細分化して、細分化した仮説の検定を行うと共に、これらの結果に基づいて、総合的に「目標検出」を判定する。それぞれ異なる真目標の検出確率が設定された複数の仮説の検定を行うことで、実際の真目標の検出確率との差異を小さくすることができる。このため、目標検出性能である「目標検出」の判定に要する観測回数を少なくでき、目標検出性能を向上させることが可能となる。

なお、第１の実施形態に係る目標検出処理は、複数モデル閾値算出部１１、尤度比算出部１２、総合判定部１３の機能をコンピュータに実現させるプログラムとして構成することができる。

（第２の実施形態）
第２の実施形態に係る目標検出装置は、第１の実施形態の場合と同様に、「目標が存在する」とする仮説を異なる真目標の検出確率が設定された複数の仮説に細分化して、細分化した仮説の検定を行うと共に、これらの結果を総合的に判定し、判定結果として「目標検出」、「目標不検出」、「観測継続」のいずれかを選択する。以下では、「目標が存在しない」とする仮説をＨ_０、「目標が存在する」とする仮説をＮ（Ｎ≧２）個の仮説に細分化し、異なる真目標の検出確率が設定されたそれぞれの仮説をＨ_ｉ（１≦ｉ≦Ｎ）と呼ぶ。また、それぞれの仮説に対応する目標モデルをｉ番目の目標モデルと呼ぶ。

次に、図３及び図４を参照して、第２の実施形態について説明する。但し、図３及び図４において、図１及び図２と同一部分には同一符号を付して示す。

図３は、第２の実施形態に係る目標検出装置の構成を示すブロック図である。第２の実施形態に係る目標検出装置は、第１の実施形態における複数モデル閾値算出部１１、複数モデル尤度比算出部１２に加え、モデル選択部１４及び総合判定部１５を備える。

上記複数モデル閾値算出部１１、複数モデル尤度比算出部１２は、いずれも第１の実施形態と同様である。上記モデル選択部１４は、目標検出性能の制御を容易に実施できるようにするため、上記総合判定部１５の「目標不検出」の判定に用いるモデル番号Ｊを選択する。上記総合判定部１５は、複数モデル閾値算出部１１からの上限閾値Ｔ_Ｕ（ｉ）と下限閾値Ｔ_Ｌ（ｉ）、複数モデル尤度比算出部１２からの尤度比ＳＴ（ｋ，ｉ）、モデル選択部１４からのモデル番号Ｊに基づいて、以下の式により総合的に判定を行い、「目標検出」、「目標不検出」、「観測継続」のいずれかを選択する。

図４は、第２の実施形態に係る目標検出装置の処理の流れの具体例を示すフローチャートである。同図に沿って、第２の実施形態に係る目標検出装置の処理の流れを説明する。尚、図４において、図２と同一部分には同一符号を付して示す。

ここで、Ｐ_Ｄ（ｉ）は、ｉ番目の目標モデルに設定された真目標の検出確率を表す。また、Ｐ_Ｆは、偽目標の検出確率を表す。

ここで、「目標が存在する」とする仮説を異なる真目標の検出確率が設定された複数の仮説に細分化し、細分化された仮説の検定を行うと共に、これらの結果を総合的に判定する場合、細分化が進む（目標モデル数が多くなる）につれて、仮説検定の結果が相互干渉するため、目標検出性能を制御することが難しくなってくる。

そこで、上記モデル選択部１４は、目標検出性能の制御を容易に実施できるようにするため、総合判定部１５の「目標不検出」の判定に用いるモデル番号Ｊを選択する（ステップＳ１０９）。例えば、「目標不検出」の判定に用いるモデルとして低い真目標の検出確率が設定されたモデルを選択すると、検出確率の低い目標に対し「目標検出」と判定される確率を向上させることができる。

上記総合判定部１５は、複数モデル尤度比算出部１２からのｉ番目の目標モデルに対する尤度比ＳＴ（ｋ，ｉ）と複数モデル閾値算出部１１からのｉ番目の目標モデルに対する上限閾値Ｔ_Ｕ（ｉ）を比較する（ステップＳ１０３）。ここで、ＳＴ（ｋ，ｉ）≧Ｔ_Ｕ（ｉ）を満足する目標モデルが一つでもあった場合、判定結果を「目標検出」とする（ステップＳ１０４）。ＳＴ（ｋ，ｉ）≧Ｔ_Ｕ（ｉ）を満足する目標モデルが一つもない場合には、モデル選択部１４からの「目標不検出」の判定に用いるモデル番号Ｊを用いて、Ｊ番目の目標モデルに対する尤度比ＳＴ（ｋ，Ｊ）と複数モデル閾値算出部１１からのＪ番目の目標モデルに対する閾値Ｔ_Ｌ（Ｊ）を比較し（ステップＳ１１０）、ＳＴ（ｋ，Ｊ）≦Ｔ_Ｌ（Ｊ）の場合、判定結果を「目標不検出」とする（ステップＳ１０６）。上記以外の場合、判定結果を「観測継続」とする（ステップＳ１０７）。そして、上記のステップＳ１０４、Ｓ１０６、Ｓ１０７の判定結果を出力する（ステップＳ１０８）。上記総合判定部１５で「観測継続」と判定された場合、観測ｋ＋１回目の信号検出結果に基づいて、ステップＳ１０１からの処理が繰り返される。

なお、第２の実施形態では、それぞれの値を対数変換する例を示したが、第１の実施形態で示したように、それぞれの値を対数変換せずに処理するように構成することができる。

また、第１種の誤り率α（ｉ）と第２種の誤り率β（ｉ）が全モデルで共通の場合には、上限閾値Ｔ_Ｕ（ｉ）と下限閾値Ｔ_Ｌ（ｉ）も全モデルで共通となる。全モデル共通の上限閾値をＴ_Ｕとすると、最大の尤度比ｍａｘ（ＳＴ（ｋ，ｉ））を用いて、「目標検出」を判定するように構成することができる。

更に、センサから入力する信号検出結果は、特許文献１に記載された相関手段や仮目標登録更新手段を経由していても良い。

以上説明したように、第２の実施形態に係る目標検出装置によれば、第１の実施形態に係る目標検出装置と同様に、「目標が存在する」とする仮説を異なる真目標の検出確率が設定された複数の仮説に細分化して、細分化した仮説の検定を行うと共に、これらの結果に基づいて、総合的に「目標検出」を判定する。このように、それぞれ異なる真目標の検出確率が設定された複数の仮説の検定を行うことで、実際の真目標の検出確率との差異を小さくすることができる。このため、目標検出性能である「目標検出」の判定に要する観測回数を少なくすることができ、目標検出性能を向上させることが可能となる。また、「目標不検出」の判定に用いるモデル番号を選択し、総合判定部１５において、選択されたモデル番号について「目標不検出」の判定を行うことにより、目標検出性能の制御を容易に実施することができる。

なお、第２の実施形態に係る複数モデル閾値算出部１１、尤度比算出部１２、総合判定部１４、モデル選択部１５の機能についても、第１の実施形態と同様に、コンピュータに実現させるプログラムとして構成することができる。

上記実施形態は、いずれもレーダ装置、ソナー装置等のセンサからの信号検出結果に基づいて、目標を検出する目標検出装置に適用可能である。

その他、本実施形態は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

１１…複数モデル閾値算出部、
１２…複数モデル尤度比算出部、
１３，１５…総合判定部、
１４…モデル選択部。

Claims

真目標の検出確率が互いに異なるように設定された複数の目標モデルを備え、目標を観測して閾値を超える信号を検出するセンサからの信号検出結果を入力し、前記信号検出結果、偽目標の検出確率、前記複数の目標モデルそれぞれに設定された真目標の検出確率に基づいて前記複数の目標モデルそれぞれに対する尤度比を算出する尤度比算出部と、
前記複数の目標モデルそれぞれに対する尤度比の上限閾値と下限閾値を算出する閾値算出部と、
前記尤度比算出部で算出される前記複数の目標モデルそれぞれに対する尤度比について、前記閾値算出部で算出される前記目標モデル毎の上限閾値、下限閾値に基づいて総合的に判定を行い、その判定結果として「目標検出」、「目標不検出」、「観測継続」のいずれかを選択する総合判定部と
を具備する目標検出装置。
前記総合判定部は、
前記複数の目標モデルそれぞれに対する尤度比を対応する目標モデルの上限閾値と比較し、前記尤度比が前記上限閾値以上となる目標モデルが一つでもあるか判定し、有った場合にその判定結果として「目標検出」を選択し、
前記複数の目標モデルそれぞれに対する尤度比を対応する目標モデルの下限閾値と比較し、前記尤度比が前記下限閾値以下となる目標モデルが一つでもあるか判定し、有った場合にその判定結果として「目標不検出」を選択し、
上記以外の場合にその判定結果として「観測継続」を選択する請求項１記載の目標検出装置。
さらに、前記総合判定部の「目標不検出」の判定に用いる目標モデルを選択するモデル選択部を備え、
前記総合判定部は、
前記モデル選択部によって選択された目標モデルに対する尤度比を前記選択された目標モデルの下限閾値と比較し、前記選択された目標モデルに対する尤度比が前記選択された目標モデルの下限閾値以下となるか判定し、下限閾値以下となる場合にその判定結果として「目標不検出」を選択する請求項１記載の目標検出装置。
真目標の検出確率が互いに異なるように設定された複数の目標モデルを用意し、
目標を観測して閾値を超える信号を検出するセンサからの信号検出結果を入力し、前記信号検出結果、偽目標の検出確率、前記複数の目標モデルそれぞれに設定された真目標の検出確率に基づいて前記複数の目標モデルそれぞれに対する尤度比を算出し、
前記複数の目標モデルそれぞれに対する尤度比の上限閾値と下限閾値を算出し、
前記複数の目標モデルそれぞれに対する尤度比について、前記目標モデルそれぞれに対する尤度比の上限閾値、下限閾値に基づいて総合的に判定を行い、その判定結果として「目標検出」、「目標不検出」、「観測継続」のいずれかを選択する目標検出方法。
前記判定結果の選択は、
前記複数の目標モデルそれぞれに対する尤度比を対応する目標モデルの上限閾値と比較し、前記尤度比が前記上限閾値以上となる目標モデルが一つでもあるか判定し、有った場合にその判定結果として「目標検出」を選択し、
前記複数の目標モデルそれぞれに対する尤度比を対応する目標モデルの下限閾値と比較し、前記尤度比が前記下限閾値以下となる目標モデルが一つでもあるか判定し、有った場合にその判定結果として「目標不検出」を選択し、
上記以外の場合にその判定結果として「観測継続」を選択する請求項４記載の目標検出方法。
さらに、前記総合的な判定の「目標不検出」の判定に用いる目標モデルを選択し、
前記総合的な判定は、前記目標モデルの選択によって選択された目標モデルに対する尤度比を前記選択された目標モデルの下限閾値と比較し、前記選択された目標モデルに対する尤度比が前記選択された目標モデルの下限閾値以下となるか判定し、下限閾値以下となる場合にその判定結果として「目標不検出」を選択する請求項４記載の目標検出方法。
目標を検出する処理をコンピュータに実行させるための目標検出プログラムであって、
真目標の検出確率が互いに異なるように設定された複数の目標モデルを備え、目標を観測して閾値を超える信号を検出するセンサからの信号検出結果を入力し、前記信号検出結果、偽目標の検出確率、前記複数の目標モデルそれぞれに設定された真目標の検出確率に基づいて前記複数の目標モデルそれぞれに対する尤度比を算出する尤度比算出ステップと、
前記複数の目標モデルそれぞれに対する尤度比の上限閾値と下限閾値を算出する閾値算出ステップと、
前記尤度比算出ステップで算出される前記複数の目標モデルそれぞれに対する尤度比について、前記閾値算出ステップで算出される前記目標モデル毎の上限閾値、下限閾値に基づいて総合的に判定を行い、その判定結果として「目標検出」、「目標不検出」、「観測継続」のいずれかを選択する総合判定ステップと
を具備する目標検出プログラム。
前記総合判定ステップは、
前記複数の目標モデルそれぞれに対する尤度比を対応する目標モデルの上限閾値と比較し、前記尤度比が前記上限閾値以上となる目標モデルが一つでもあるか判定し、有った場合にその判定結果として「目標検出」を選択し、
前記複数の目標モデルそれぞれに対する尤度比を対応する目標モデルの下限閾値と比較し、前記尤度比が前記下限閾値以下となる目標モデルが一つでもあるか判定し、有った場合にその判定結果として「目標不検出」を選択し、
上記以外の場合にその判定結果として「観測継続」を選択する請求項７記載の目標検出プログラム。
さらに、前記総合判定ステップの「目標不検出」の判定に用いる目標モデルを選択するモデル選択ステップを備え、
前記総合判定ステップは、
前記モデル選択ステップによって選択された目標モデルに対する尤度比を前記選択された目標モデルの下限閾値と比較し、前記選択された目標モデルに対する尤度比が前記選択された目標モデルの下限閾値以下となるか判定し、下限閾値以下となる場合にその判定結果として「目標不検出」を選択する請求項７記載の目標検出プログラム。