JP6482844B2 - 状態推定装置、プログラムおよび集積回路 - Google Patents

Description

本発明は、時系列フィルタを用いて観測可能な事象の状態推定を行う技術に関し、例えば、時系列フィルタを用いて動画像上の物体を追跡する技術に関する。

時々刻々変化する観測対象の内部状態を推定する技術として、時系列フィルタを用いた技術がある。時系列フィルタとは、時刻ｔにおける対象の内部状態を状態ベクトルｘ_ｔとし、時刻ｔにおいて観測された特徴を観測ベクトルｙ_ｔとしたとき、観測された観測ベクトルｙ_ｔから、直接観測できない対象の内部状態ｘ_ｔを推定する手法である。

つまり、時系列フィルタとは、以下の状態空間モデル、すなわち、
システムモデル：ｘ_ｔ〜ｆ（ｘ_ｔ｜ｘ_ｔ−１）
観測モデル：ｙ_ｔ〜ｈ（ｙ_ｔ｜ｘ_ｔ）
から、観測系列（時刻ｔまでの観測ベクトルの集合）ｙ_１：ｔ＝｛ｙ_１，ｙ_２，・・・，ｙ_ｔ｝が与えられたとき、状態系列ｘ_０：ｔ＝｛ｘ_０，ｘ_１，・・・，ｘ_ｔ｝の条件付確率分布ｐ（ｘ_ｔ｜ｙ_１：ｔ）を求める手法である。

システムノイズをｖ_ｔとし、観測ノイズをｗ_ｔとすると、対象の内部状態のシステムモデルおよび対象を観測した時の観測モデルは、以下のように表すことができる。
対象の内部状態のシステムモデル:ｘ_ｔ＝ｆ（ｘ_ｔ−１，ｖ_ｔ）
対象を観測した時の観測モデル:ｙ_ｔ＝ｈ（ｘ_ｔ，ｗ_ｔ）
ｆ（ｘ_ｔ−１，ｖ_ｔ）：時刻ｔ−１と時刻ｔとの状態変化を表す状態遷移関数
ｈ（ｘ_ｔ，ｗ_ｔ）：状態ｘ_ｔのときに得られる観測ベクトルを表す関数
このとき、１期先予測は、

であり、ベイズ則により、時刻tにおける事後確率分布ｐ（ｘ_ｔ｜ｙ_１：ｔ）は、

となる。なお、ｈ（ｙ_ｔ｜ｘ_ｔ）は尤度（状態ｘ_ｔのときに、観測ベクトルｙ_ｔを得る確率）であり、ｐ（ｘ_ｔ｜ｙ_{１：ｔ−１}）は予測確率分布である。

時系列フィルタの実装の一手法としてパーティクルフィルタがある。パーティクルフィルタでは、観測対象の内部状態の確率分布をパーティクルの分布で表現し、現時刻における状態の事後確率分布を次時刻における状態の事前確率分布とする。そして、パーティクルフィルタでは、当該事前確率分布を表すパーティクル（当該事前確率分布に従って生成されたサンプル集合）の状態から推定されたテンプレートの観測（予測サンプル）と、次時刻における実際の画像（実際の観測）とを比較することで尤度を求める。

そして、パーティクルフィルタでは、求めた尤度と予測確率分布とからパーティクルの事後確率分布を推定する。

次時刻以降、前述の処理を繰り返すことで、パーティクルフィルタでは、動的に変化する観測対象（例えば、追跡対象）の状態が逐次的に推定される。

パーティクルフィルタでは、粒子数（パーティクルの数）をＭ（Ｍ：自然数）とし、１≦ｉ≦Ｍ（ｉ：整数）としたとき、以下の（１）〜（４）の処理を行う。
（１）粒子生成(１期先予測)
以下の数式に相当する処理により、各サンプル（各パーティクル）について、時刻ｔにおける予測サンプルを生成する。つまり、時刻ｔ−１の事後確率分布（時刻ｔ−１の観測対象の内部状態の確率分布）から、システムモデル（状態遷移関数）により予測した確率分布（予測確率分布）を取得する。具体的には、システムモデルｆに従って、時刻ｔ−１の各サンプル（各パーティクル）を遷移させて予測サンプルを生成する。
ｘａ_ｔ ^（ｉ）〜ｆ（ｘ_ｔ｜ｘ_ｔ−１ ^（ｉ））
ｘａ_ｔ＝｛ｘａ_ｔ ^（１），ｘａ_ｔ ^（２），ｘａ_ｔ ^（３），・・・，ｘａ_ｔ ^（Ｍ）｝
ｘａ_ｔ：状態遷移関数ｆ（）による状態ベクトルｘ_ｔの予測（推定）ベクトル
（２）重みの計算（尤度計算）
以下の数式に相当する処理により、処理（１）で生成された各予測サンプルについて、重み（尤度）を算出する。つまり、観測モデルｈに従って、観測ベクトルｙ_ｔを得る確率（尤度）を推定する。
ｗａ_ｔ ^（ｉ）〜ｈ（ｙ_ｔ｜ｘａ_ｔ ^（ｉ））
ｗａ_ｔ＝｛ｗａ_ｔ ^（１），ｗａ_ｔ ^（２），ｗａ_ｔ ^（３），・・・，ｗａ_ｔ ^（Ｍ）｝
ｗａ_ｔ：関数ｈ（）による重み（尤度）ｗ_ｔの予測（推定）ベクトル（尤度の予測値の集合）
（３）リサンプリング
重み（尤度）ｗａ_ｔ ^（ｉ）に比例する割合でＭ個の粒子を復元抽出する（粒子ｘａ_ｔ ^（ｉ）を抽出する）。このようにして復元抽出されたＭ個の粒子の分布から、時刻ｔの事後確率分布（時刻ｔの観測対象の内部状態の確率分布）を取得する。
（４）時刻ｔを進めて（１）に戻る。このとき、処理（３）で取得した事後確率分布（時刻ｔでの事後確率分布）を、次の時刻（時刻ｔ＋１）の事前確率分布とする。

このように、パーティクルフィルタとは、観測対象の状態を表すパラメータの事前確率分布の予測と、事後確率分布の計算とを繰り返し行うことで、時々刻々変化する、観測対象の状態を表すパラメータを推定するものである。このようなパーティクルフィルタは、例えば、動画像上の物体（オブジェクト）の位置の追跡に利用される。パーティクルフィルタを用いて物体（オブジェクト）の位置追跡処理を行う場合、追跡対象（観測対象の一例）の状態を表すパラメータは、例えば、物体の位置を表すパラメータである。この場合、パーティクルフィルタでは、物体の位置を表すパラメータから推定される観測（予測サンプル）と、実際の観測（例えば、カメラ等により撮像される画像）とを比較することによって尤度を算出し、算出した尤度に基づいて、粒子のリサンプリングを行うことで、観測対象の状態を表すパラメータの事後確率分布を取得することができる（例えば、特許文献１）。

特開２０１２−２３４４６６号公報

しかしながら、従来技術では、単一の観測データを用いて物体の追跡処理を実行するので、観測データを取得する環境が変化した場合等において、適切な観測データを安定して取得できず、その結果、内部状態の推定を適切に行うことができないことがある。また、従来技術では、単一の観測データを用いて、物体の追跡処理が実行されるので、多様な対象物を適切に検出・追跡処理することが困難である。

さらに、従来技術では、観測データにノイズがある場合や、観測データを取得する際にエラーや異常が発生した場合、追跡対象の物体の内部状態を適切に推定することが困難である。

そこで、本発明は、上記問題点に鑑み、追跡対象の物体について、複数の観測データを取得し、取得した複数の観測データのそれぞれから導出された尤度（複数の尤度）および観測データの信頼度（複数の観測データの信頼度）を用いて、物体の内部状態を推定することにより、より正確かつロバストに、物体の検出処理や追跡処理を行うことができる状態推定装置、プログラム、および、集積回路を実現することを目的とする。

上記課題を解決するために、第１の発明は、観測対象の内部状態を推定する状態推定装置であって、第１観測取得部と、第２観測取得部と、事前確率分布予測部と、第１尤度取得部と、第２尤度取得部と、尤度合成部と、事後確率分布取得部と、を備える。

第１観測取得部は、観測可能な事象から得られる第１観測データを、任意の時間間隔で取得する。

第２観測取得部は、観測可能な事象から得られる第２観測データを、任意の時間間隔で取得する。

事前確率分布予測部は、前時刻ｔ−１に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻ｔにおける事前確率分布データとし、当該時刻ｔにおける事前確率データに対して予測処理を行い、現時刻ｔにおける観測対象の内部状態の確率分布である予測確率分布データを取得する。

第１尤度取得部は、第１観測データに基づいて、第１尤度を取得する。

第２尤度取得部は、第２観測データに基づいて、第２尤度を取得する。

尤度合成部は、第１尤度と、第２尤度と、第１観測データの信頼度を示す第１信頼度データと、第２観測データの信頼度を示す第２信頼度データと、に基づいて、合成尤度を取得する。

事後確率分布取得部は、合成尤度と予測確率分布データとから、現時刻ｔにおける観測対象の内部状態の確率分布である事後確率分布データを取得する。

この状態推定装置では、複数の観測データ（例えば、第１観測データおよび第２観測データ）を取得し、取得した複数の観測データのそれぞれから導出された複数の尤度（例えば、第１尤度および第２尤度）を、観測データの信頼度（例えば、第１信頼度データおよび第２信頼度データ）に基づいて、合成することで、合成尤度を取得する。つまり、この状態推定装置では、観測データの信頼度のより高いデータに基づいて、合成尤度を取得することができるので、精度の高い事後確率分布データを取得することができる。その結果、この状態推定装置では、精度の高い事後確率分布データを用いて、より正確かつロバストに、物体の検出処理や追跡処理を行うことができる。

なお、「時刻」とは、例えば、観測対象をサンプリングする時間間隔に基づく時刻を含む概念であり、例えば、時刻ｔ−１は、時刻ｔのサンプリングの１つ前のサンプリング時刻を示す。

また、「現時刻ｔ」と「次時刻ｔ＋１」、あるいは、「前時刻ｔ−１」と「現時刻ｔ」との時間間隔は、例えば、事後確率分布取得部において、単位画像分（例えば、１フレーム分）の事後確率分布データを取得するのに十分な時間であればよく、例えば、１フレームに相当する時間（１フレーム時間）である。

第２の発明は、第１の発明であって、第１信頼度取得部と、第２信頼度取得部と、をさらに備える。

第１信頼度取得部は、第１信頼度データを取得する。

第２信頼度取得部は、第２信頼度データを取得する。

そして、第１観測取得部は、第１観測データの検出精度に関するデータである第１検出精度データを取得し、第２観測取得部は、第２観測データの検出精度に関するデータである第２検出精度データを取得する。

そして、第１信頼度取得部は、第１検出精度データに基づいて、第１信頼度データを取得し、第２信頼度取得部は、第２検出精度データに基づいて、第２信頼度データを取得する。

これにより、この状態推定装置では、第１信頼度取得部により取得された第１信頼度データと、第２信頼度取得部により取得された第２信頼度データと、に基づいて、より適切に合成尤度を取得することができる。例えば、この状態推定装置では、第１信頼度取得部が、時系列で連続的に、第１信頼度データを取得し、第２信頼度取得部が、時系列で連続的に、第２信頼度データを取得することができるので、より精度の高い第１信頼度データ、第２信頼度データを取得することができる。したがって、この状態推定装置では、観測データの信頼度のより高いデータに基づいて、より適切に、合成尤度を取得することができるので、精度の高い事後確率分布データを取得することができる。その結果、この状態推定装置では、精度の高い事後確率分布データを用いて、より正確かつロバストに、物体の検出処理や追跡処理を行うことができる。

第３の発明は、第２の発明であって、１または複数のセンサーにより検出された所定の物理量に基づいて、１または複数のセンサー検出値を取得するセンサー部をさらに備える。

そして、尤度合成部は、センサー部により取得されたセンサー検出値に基づいて、第１信頼度データを修正することで修正第１信頼度データを取得し、センサー部により取得されたセンサー検出値に基づいて、第２信頼度データを修正することで修正第２信頼度データを取得する。

そして、尤度合成部は、修正第１信頼度データおよび修正第２信頼度データに基づいて、合成尤度を取得する。

これにより、この状態推定装置では、センサー検出値を考慮した合成尤度を取得することができるので、さらに、精度の高い事後確率分布データを取得することができる。その結果、この状態推定装置では、精度の高い事後確率分布データを用いて、より正確かつロバストに、物体の検出処理や追跡処理を行うことができる。

第４の発明は、第２の発明であって、１または複数のセンサーにより検出された所定の物理量に基づいて、１または複数のセンサー検出値を取得するセンサー部をさらに備える。

そして、第１信頼度取得部は、センサー部により取得されたセンサー検出値と、第１検出精度データとに基づいて、第１信頼度データを取得する。

第２信頼度取得部は、センサー部により取得されたセンサー検出値と、第２検出精度データとに基づいて、第２信頼度データを取得する。

これにより、この状態推定装置では、センサー検出値を考慮した合成尤度を取得することができるので、さらに、精度の高い事後確率分布データを取得することができる。その結果、この状態推定装置では、精度の高い事後確率分布データを用いて、より正確かつロバストに、物体の検出処理や追跡処理を行うことができる。

第５の発明は、第１から第４のいずれかの発明であって、第１信頼度データは、固定値であり、第２信頼度データは、固定値である。

これにより、この状態推定装置では、固定値である、第１信頼度データおよび第２信頼度データを用いて、状態推定処理を実行することができる。

第６の発明は、第１から第５のいずれかの発明であって、第１信頼度データは、２値データであり、第２信頼度データは、２値データである。

これにより、この状態推定装置では、２値データである、第１信頼度データおよび第２信頼度データを用いて、状態推定処理を実行することができる。

第７の発明は、第１から第５のいずれかの発明であって、第１信頼度データは、連続値であり、第２信頼度データは、連続値である。

これにより、この状態推定装置では、連続値である、第１信頼度データおよび第２信頼度データを用いるので、より精度の高い合成尤度を取得することができる。その結果、この状態推定装置では、より精度の高い事後確率分布データを用いて、より正確かつロバストに、物体の検出処理や追跡処理を行うことができる。

第８の発明は、観測対象の内部状態を推定する状態推定方法をコンピュータに実行させるプログラムである。状態推定方法は、第１観測取得ステップと、第２観測取得ステップと、事前確率分布予測ステップと、第１尤度取得ステップと、第２尤度取得ステップと、合成尤度取得ステップと、事後確率分布取得ステップと、を備える。

第１観測取得ステップは、観測可能な事象から得られる第１観測データを、任意の時間間隔で取得する。

第２観測取得ステップは、観測可能な事象から得られる第２観測データを、任意の時間間隔で取得する。

事前確率分布予測ステップは、前時刻ｔ−１に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻ｔにおける事前確率分布データとし、当該時刻ｔにおける事前確率データに対して予測処理を行い、現時刻ｔにおける観測対象の内部状態の確率分布である予測確率分布データを取得する。

第１尤度取得ステップは、第１観測データに基づいて、第１尤度を取得する。

第２尤度取得ステップは、第２観測データに基づいて、第２尤度を取得する。

合成尤度取得ステップは、第１尤度と、第２尤度と、第１観測データの信頼度を示す第１信頼度データと、第２観測データの信頼度を示す第２信頼度データと、に基づいて、合成尤度を取得する。

事後確率分布取得ステップは、合成尤度と予測確率分布データとから、現時刻ｔにおける観測対象の内部状態の確率分布である事後確率分布データを取得する。

これにより、第１の発明と同様の効果を奏する状態推定方法をコンピュータに実行させるプログラムを実現することができる。

第９の発明は、観測対象の内部状態を推定する集積回路であって、第１観測取得部と、第２観測取得部と、事前確率分布予測部と、第１尤度取得部と、第２尤度取得部と、尤度合成部と、事後確率分布取得部と、を備える。

第１観測取得部は、観測可能な事象から得られる第１観測データを、任意の時間間隔で取得する。

第２観測取得部は、観測可能な事象から得られる第２観測データを、任意の時間間隔で取得する。

事前確率分布予測部は、前時刻ｔ−１に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻ｔにおける事前確率分布データとし、当該時刻ｔにおける事前確率データに対して予測処理を行い、現時刻ｔにおける観測対象の内部状態の確率分布である予測確率分布データを取得する。

第１尤度取得部は、第１観測データに基づいて、第１尤度を取得する。

第２尤度取得部は、第２観測データに基づいて、第２尤度を取得する。

尤度合成部は、第１尤度と、第２尤度と、第１観測データの信頼度を示す第１信頼度データと、第２観測データの信頼度を示す第２信頼度データと、に基づいて、合成尤度を取得する。

事後確率分布取得部は、合成尤度と予測確率分布データとから、現時刻ｔにおける観測対象の内部状態の確率分布である事後確率分布データを取得する。

これにより、第１の発明と同様の効果を奏する集積回路を実現することができる。

本発明によれば、追跡対象の物体について、複数の観測データを取得し、取得した複数の観測データのそれぞれから導出された尤度（複数の尤度）および観測データの信頼度（複数の観測データの信頼度）を用いて、物体の内部状態を推定することにより、より正確かつロバストに、物体の検出処理や追跡処理を行うことができる状態推定装置、プログラム、および、集積回路を実現することができる。

第１実施形態に係る状態推定装置１０００の概略構成図。 撮像装置（不図示）により撮像された動画像（撮像動画像）である入力データＤｉｎを模式的に示す図。 第１観測取得部１により取得された第１観測データＤ１を模式的に示す図。 第２観測取得部２により取得された第２観測データＤ２を模式的に示す図。 第１観測データＤ１（第１観測データによる画像データＤ１）と、第２観測データＤ２（第２観測データによる画像データＤ２）とを重畳させて、模式的に示した図。 観測対象（追跡対象）を物体ＴＧ１とした場合における、予測処理、尤度取得処理(尤度計算)、リサンプリング処理を説明するための図。 第１実施形態の第１変形例に係る状態推定装置１０００Ａの概略構成図。 第２実施形態に係る状態推定装置２０００の概略構成図。 可視光用イメージセンサーを有する撮像装置（不図示）により撮像された動画像（撮像動画像）である入力データＤｉｎ１を模式的に示す図。 赤外光用イメージセンサーを有する撮像装置（不図示）により撮像された動画像（撮像動画像）である入力データＤｉｎ２を模式的に示す図。 第１観測取得部１Ａにより取得された第１観測データＤ１を模式的に示す図。 第２観測取得部２Ａにより取得された第２観測データＤ２を模式的に示す図。 第１観測データＤ１（第１観測データによる画像データＤ１）と、第２観測データＤ２（第２観測データによる画像データＤ２）とを重畳させて、模式的に示した図。 状態推定装置２０００が明るい環境下に置かれている場合において、観測対象（追跡対象）を物体ＴＧ１としたときの、予測処理、尤度取得処理(尤度計算)、リサンプリング処理を説明するための図。 状態推定装置２０００が暗い環境下に置かれている場合において、観測対象（追跡対象）を物体ＴＧ１としたときの、予測処理、尤度取得処理(尤度計算)、リサンプリング処理を説明するための図。 第２実施形態の第１変形例に係る状態推定装置２０００Ａの概略構成図。 第２実施形態の第２変形例に係る状態推定装置２０００Ｂの概略構成図。 第１信頼度取得部９Ａ、第２信頼度取得部１０Ａ、および、尤度合成部５の処理を説明するためのタイミングチャート。 第２実施形態の第１変形例の状態推定装置のｎ個の観測取得部と、ｎ個の尤度取得部と、ｎ個の信頼度取得部と、尤度合成部５Ｂとの概略構成図（多入力の場合）。 第２実施形態の第３変形例の状態推定装置のｎ個の観測取得部と、ｎ個の尤度取得部と、ｎ個の信頼度取得部と、尤度合成部５Ｃと、センサー部Ｓ１とを示す概略構成図（多入力の場合）。 第２実施形態の第３変形例の状態推定装置のｎ個の観測取得部と、ｎ個の尤度取得部と、ｎ個の信頼度取得部と、尤度合成部５Ｂとを示す概略構成図（多入力の場合）。 第２実施形態の第３変形例の状態推定装置のｎ個の観測取得部と、ｎ個の尤度取得部と、ｎ個の信頼度取得部と、尤度合成部５Ｂとの概略構成図（一入力の場合）。 第２実施形態の第３変形例の状態推定装置のｎ個の観測取得部と、ｎ個の尤度取得部と、ｎ個の信頼度取得部と、尤度合成部５Ｃと、センサー部Ｓ１とを示す概略構成図（一入力の場合）。 第２実施形態の第３変形例の状態推定装置のｎ個の観測取得部と、ｎ個の尤度取得部と、ｎ個の信頼度取得部と、尤度合成部５Ｂとを示す概略構成図（一入力の場合）。

［第１実施形態］
第１実施形態について、図面を参照しながら、以下、説明する。

＜１．１：状態推定装置の構成＞
図１は、第１実施形態に係る状態推定装置１０００の概略構成図である。

状態推定装置１０００は、図１に示すように、第１観測取得部１と、第２観測取得部２と、第１尤度取得部３と、第２尤度取得部４と、尤度合成部５と、事後確率分布取得部６と、事前確率分布予測部７と、初期状態設定部８と、を備える。

第１観測取得部１は、入力データＤｉｎを入力とする。第１観測取得部１は、入力データＤｉｎから第１観測データＤ１を取得し、取得した第１観測データＤ１を第１尤度取得部３に出力する。第１観測取得部１は、例えば、撮像装置により撮像された画像（撮像画像）を入力データＤｉｎとし、当該入力データＤｉｎから、所定の画像特徴量を抽出した画像特徴量抽出画像を第１観測データＤ１として取得する。

第２観測取得部２は、入力データＤｉｎを入力とする。第２観測取得部２は、入力データＤｉｎから第２観測データＤ２を取得し、取得した第２観測データＤ２を第２尤度取得部４に出力する。第２観測取得部２は、例えば、撮像装置により撮像された画像（撮像画像）を入力データＤｉｎとし、当該入力データＤｉｎから、所定の画像特徴量を抽出した画像特徴量抽出画像を第２観測データＤ２として取得する。

第１尤度取得部３は、第１観測取得部１から出力される第１観測データＤ１と、事前確率分布予測部７から出力される予測確率分布データとを入力する。第１尤度取得部３は、第１観測データＤ１および予測確率分布データに基づいて、第１尤度ｗ１を取得する。そして、第１尤度取得部３は、取得した第１尤度ｗ１を尤度合成部５に出力する。

第２尤度取得部４は、第２観測取得部２から出力される第２観測データＤ２と、事前確率分布予測部７から出力される予測確率分布データとを入力する。第２尤度取得部４は、第２観測データＤ２および予測確率分布データに基づいて、第２尤度ｗ２を取得する。そして、第２尤度取得部４は、取得した第２尤度ｗ２を尤度合成部５に出力する。

尤度合成部５は、第１尤度取得部３から出力される第１尤度ｗ１と、第２尤度取得部４から出力される第２尤度ｗ２と、を入力する。また、尤度合成部５は、第１観測取得部１の観測データの信頼度を示す信頼度データＰ（１）と、第２観測取得部２の観測データの信頼度を示す信頼度データＰ（２）と、を入力する。尤度合成部５は、第１尤度ｗ１、第２尤度ｗ２、信頼度データＰ（１）、Ｐ（２）に基づいて、合成尤度ｗｃを取得する。そして、尤度合成部５は、取得した合成尤度ｗｃを、事後確率分布取得部６に出力する。

事後確率分布取得部６は、尤度合成部５から出力される合成尤度ｗｃと、事前確率分布予測部７から出力される予測確率分布データとを入力する。事後確率分布取得部６は、合成尤度ｗｃと予測確率分布データとに基づいて、事後確率分布データを取得（推定）する。そして、事後確率分布取得部６は、取得した事後確率分布データを、事前確率分布予測部７に出力する。

事前確率分布予測部７は、初期状態設定部８から出力される初期状態の設定データと、事後確率分布取得部６から出力される事後確率分布データとを入力する。事前確率分布予測部７は、初期状態では、初期状態設定部８から出力される初期状態の設定データに基づいて、事前確率分布データを生成し、生成した事前確率分布データを、予測確率分布データとして、第１尤度取得部３、第２尤度取得部４、および、事後確率分布取得部６に出力する。

また、事前確率分布予測部７は、初期状態以外の状態では、事後確率分布取得部６から出力される、時刻ｔにおける事後確率分布データから、システムモデル（状態遷移関数）により予測した確率分布データを取得する。そして、事前確率分布予測部７は、取得した確率分布データを、次の時刻ｔ＋１の予測確率分布データとして、第１尤度取得部３、第２尤度取得部４、および、事後確率分布取得部６に出力する。

初期状態設定部８は、初期状態における事前確率分布（事前確率分布データ）を生成するためのデータ（初期値）を保持しており、当該データ（初期値）を事前確率分布予測部７に出力する。

＜１．２：状態推定装置の動作＞
以上のように構成された状態推定装置１０００の動作について、以下、説明する。

なお、以下では、撮像装置（不図示）により撮像された動画像（撮像動画像）を入力データＤｉｎとし、第１観測取得部１が、入力データＤｉｎから人に相当する領域を抽出した画像特徴量抽出画像を第１観測データとして取得し、第２観測取得部２が、入力データＤｉｎから動く物体に相当する領域を抽出した画像特徴量抽出画像を第２観測データとして取得する場合を一例として、説明する。

図２は、撮像装置（不図示）により撮像された動画像（撮像動画像）である入力データＤｉｎを模式的に示す図である。

図３は、第１観測取得部１により取得された第１観測データＤ１を模式的に示す図である。なお、図３では、物体を検出（追跡）するために用いられるパーティクル（粒子）（一例）も模式的に描いている。

図４は、第２観測取得部２により取得された第２観測データＤ２を模式的に示す図である。

現時刻（時刻ｔ）において、図２に示す入力データＤｉｎが、第１観測取得部１および第２観測取得部２に入力される。

図２に示すように、時刻ｔの入力データＤｉｎには、４つの物体ＴＧ１〜ＴＧ４が含まれているものとする。そして、物体ＴＧ１、ＴＧ２、ＴＧ３は、人であり、物体ＴＧ４は、人以外の物体であるものとする。また、物体ＴＧ１、ＴＧ２は、動く物体であるものとする。つまり、物体ＴＧ１、ＴＧ２は、前時刻ｔ−１（１フレーム前の時刻）から現時刻ｔ（現フレームの時刻）において、画像上において、所定の距離以上移動した物体であるものとする。

第１観測取得部１は、入力データＤｉｎから、人に相当する画像領域を抽出することで、第１観測データＤ１を取得する。第１観測取得部１は、例えば、入力データＤｉｎにおいて、肌色を多く含む領域を検出することにより、および／または、人の形状のパターンマッチング等により、入力データＤｉｎの画像上において人に相当する画像領域を検出する。そして、第１観測取得部１は、検出した結果画像を、第１観測データＤ１として取得する。このようにして、第１観測取得部１により、図３に示す第１観測データＤ１が取得される。図３から分かるように、第１観測データＤ１では、入力データＤｉｎに含まれる人である物体ＴＧ１、ＴＧ２、ＴＧ３にそれぞれ相当する画像領域ＴＧ１＿Ｄ１、ＴＧ２＿Ｄ１、ＴＧ３＿Ｄ１が検出されている。なお、図３の第１観測データＤ１（画像Ｄ１）において、画像領域ＴＧ１＿Ｄ１、ＴＧ２＿Ｄ１、ＴＧ３＿Ｄ１内の画素は、「０」以外の画素値を有しており、画像領域ＴＧ１＿Ｄ１、ＴＧ２＿Ｄ１、ＴＧ３＿Ｄ１以外の画像領域の画素の画素値は「０」であるものとする。

第１観測取得部１により取得された第１観測データＤ１は、第１観測取得部１から、第１尤度取得部３に出力される。

第２観測取得部２は、入力データＤｉｎから、動く物体に相当する画像領域を抽出することで、第２観測データＤ２を取得する。第２観測取得部２は、例えば、入力データＤｉｎにおいて、１フレーム期間（前時刻ｔ−１から現時刻ｔまでの時間）において、画像上において所定の距離以上移動した物体の画像領域を検出することにより、入力データＤｉｎの画像上において動く物体に相当する画像領域を検出する。そして、第２観測取得部２は、検出した結果画像を、第２観測データＤ２として取得する。このようにして、第２観測取得部２により、図４に示す第２観測データＤ２が取得される。なお、図４では、第２観測取得部２が、入力データＤｉｎにおいて、１フレーム期間（前時刻ｔ−１から現時刻ｔまでの時間）において、画像上において所定の距離以上移動した物体の画像領域を、当該物体の時刻ｔにおける重心を中心とした所定の半径の円領域として検出する場合について、検出した画像領域ＴＧ１＿Ｄ２およびＴＧ２＿Ｄ２を示している。図４から分かるように、第２観測データＤ２では、入力データＤｉｎに含まれる動く物体ＴＧ１、ＴＧ２にそれぞれ相当する画像領域ＴＧ１＿Ｄ２、ＴＧ２＿Ｄ２が検出されている。なお、図４の第２観測データＤ２（画像Ｄ２）において、画像領域ＴＧ１＿Ｄ２、ＴＧ２＿Ｄ２内の画素は、「０」以外の画素値を有しており、画像領域ＴＧ１＿Ｄ２、ＴＧ２＿Ｄ２以外の画像領域の画素の画素値は「０」であるものとする。

第２観測取得部２により取得された第２観測データＤ２は、第２観測取得部２から、第２尤度取得部４に出力される。

ここで、観測対象（追跡対象）である物体の時刻ｔの内部状態を示す状態ベクトルをｘ_ｔとし、時刻ｔにおいて観測された特徴を観測ベクトルｙ_ｔとし、予測確率分布ｐ（ｘ_ｔ｜ｙ_ｔ−１）に従って生成されたサンプル集合（パーティクルの集合）Ｓ_{ｔ｜ｔ−１}を
Ｓ_{ｔ｜ｔ−１}＝｛ｓ_{ｔ｜ｔ−１} ^（１），ｓ_{ｔ｜ｔ−１} ^（２），・・・，ｓ_{ｔ｜ｔ−１} ^（Ｍ）｝
とし、事後確率分布ｐ（ｘ_ｔ｜ｙ_ｔ）に従って生成されたサンプル集合（パーティクルの集合）Ｓ_ｔ｜ｔを
Ｓ_ｔ｜ｔ＝｛ｓ_ｔ｜ｔ ^（１），ｓ_ｔ｜ｔ ^（２），・・・，ｓ_ｔ｜ｔ ^（Ｍ）｝
とする。

また、サンプル集合（パーティクルの集合）Ｓ_ｔ｜ｔのｉ番目のサンプル（パーティクル）ｓ_ｔ｜ｔ ^（ｉ）は、ｉ番目のサンプル（パーティクル）の画像上の座標位置（Ｘ_ｔ ^（ｉ），Ｙ_ｔ ^（ｉ））と、当該座標位置を中心とする幅Ｗ_ｔ、高さＨ_ｔの矩形状の画像領域を決定するための幅Ｗ_ｔ、高さＨ_ｔと、を内部変数とするベクトルデータであるものとする。つまり、サンプル（パーティクル）ｓ_ｔ｜ｔ ^（ｉ）は、
ｓ_ｔ｜ｔ ^（ｉ）＝（Ｘ_ｔ ^（ｉ），Ｙ_ｔ ^（ｉ），Ｗ_ｔ ^（ｉ），Ｈ_ｔ ^（ｉ））
であるものとする。

なお、観測対象（追跡対象）が複数ある場合、観測対象ごとにオブジェクト番号を付与し、観測対象ごとに、上記と同様にして、予測確率分布に従って生成されたサンプル集合（パーティクルの集合）Ｓ_{ｔ｜ｔ−１}や、事後確率分布に従って生成されたサンプル集合（パーティクルの集合）Ｓ_ｔ｜ｔを設定すればよい。

以下では、説明を簡単にするため、観測対象（追跡対象）を物体ＴＧ１とした場合について、説明する。

事前確率分布予測部７では、予測処理が実行される。

具体的には、事前確率分布予測部７は、事後確率分布取得部６により取得された時刻ｔ−１における事後確率分布データを時刻ｔの事前確率分布データとして予測処理を行う。つまり、事前確率分布予測部７は、事前確率分布（事前確率分布データ）に従うパーティクルの集合Ｓ_{ｔ−１｜ｔ−１}に基づいて、予測処理を行い、予測処理後のパーティクルの集合Ｓ_{ｔ｜ｔ−１}（予測確率分布データ）を取得する。

例えば、時刻ｔ−１における物体ＴＧ１の状態を表すパラメータの事前確率分布（事前確率分布データ）に従うパーティクルの集合Ｓ_{ｔ−１｜ｔ−１}（これを「事前確率分布データＳ_{ｔ−１｜ｔ−１}」と表記する。）に含まれる各パーティクルの状態に対して、ランダムウォークのダイナミクスを仮定したガウシアンノイズを重畳させることで、予測処理後のパーティクルの集合Ｓ_{ｔ｜ｔ−１}（これを「予測確率分布データＳ_{ｔ｜ｔ−１}」と表記する。）を取得する。つまり、ｖ_ｔ ^（ｉ）がガウス分布に従うシステムノイズとし、事前確率分布予測部７は、
ｓ_{ｔ｜ｔ−１} ^（ｉ）＝ｆ（ｓ_{ｔ−１｜ｔ−１} ^（ｉ），ｖ_ｔ ^（ｉ））
ｆ（）：時刻ｔ−１と時刻ｔとの状態変化を表す状態遷移関数
ｖ_ｔ ^（ｉ）：システムノイズ
により、予測処理後のパーティクルの集合Ｓ_{ｔ｜ｔ−１}を取得する。

具体的には、時刻ｔ−１における物体ＴＧ１の事前確率分布（事前確率分布データ）に従う、ｉ番目のパーティクルの内部状態は、（Ｘ_{ｔ−１｜ｔ−１} ^（ｉ），Ｙ_{ｔ−１｜ｔ−１} ^（ｉ），Ｗ_{ｔ−１｜ｔ−１} ^（ｉ），Ｈ_{ｔ−１｜ｔ−１} ^（ｉ），ｗｃ_{ｔ−１｜ｔ−１} ^（ｉ））であり、予測処理後のｉ番目のパーティクルの内部状態は、（Ｘ_{ｔ｜ｔ−１} ^（ｉ），Ｙ_{ｔ｜ｔ−１} ^（ｉ），Ｗ_{ｔ｜ｔ−１} ^（ｉ），Ｈ_{ｔ｜ｔ−１} ^（ｉ），ｗｃ_{ｔ｜ｔ−１} ^（ｉ））であるので、
Ｘ_{ｔ｜ｔ−１} ^（ｉ）＝Ｘ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＸ^（ｉ）
Ｙ_{ｔ｜ｔ−１} ^（ｉ）＝Ｙ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＹ^（ｉ）
Ｗ_{ｔ｜ｔ−１} ^（ｉ）＝Ｗ_{ｔ−１｜ｔ−１} ^（ｉ）＋Ｗ^（ｉ）
Ｈ_{ｔ｜ｔ−１} ^（ｉ）＝Ｈ_{ｔ−１｜ｔ−１} ^（ｉ）＋Ｈ^（ｉ）
により、事前確率分布予測部７は、物体ＴＧ１の予測処理後のパーティクルの集合ｓ_{ｔ｜ｔ−１}を取得する。なお、ΔＸ^（ｉ）、ΔＹ^（ｉ）、ΔＷ^（ｉ）、ΔＨ^（ｉ）は、それぞれ、ガウス分布に従う。

このようにして取得された、物体ＴＧ１の予測処理後のパーティクルの集合ｓ_{ｔ｜ｔ−１}は、予測確率分布データとして、事前確率分布予測部７から第１尤度取得部３、第２尤度取得部４、および、事後確率分布取得部６に出力される。

なお、初期状態では、事前確率分布予測部７により、初期状態設定部８から出力される初期状態の設定データに基づいて、事前確率分布データが生成され、生成された事前確率分布データは、予測確率分布データとして、事前確率分布予測部７から、第１尤度取得部３、第２尤度取得部４、および、事後確率分布取得部６に出力される。

第１尤度取得部３では、事前確率分布予測部７が取得した予測確率分布データおよび第１観測データＤ１に基づいて、第１尤度ｗ１が取得される。

図５は、第１観測データＤ１（第１観測データによる画像データＤ１）と、第２観測データＤ２（第２観測データによる画像データＤ２）とを重畳させて、模式的に示した図である。

図６は、観測対象（追跡対象）を物体ＴＧ１とした場合における、予測処理、尤度取得処理(尤度計算)、リサンプリング処理を説明するための図である。なお、図６では、垂直方向（Ｙ軸方向）のパーティクルのみを模式的に示している。具体的には、図６では、図５に示した垂直方向の直線Ａ１−Ａ２上において配置されるパーティクルのみを模式的に示している。また、図６では、直線Ａ１−Ａ２における第１観測データＤ１の値（画像Ｄ１の画素値）を示す曲線Ｄ１と、直線Ａ１−Ａ２における第２観測データＤ２の値（画像Ｄ２の画素値）を示す曲線Ｄ２とを示している。なお、図６において、曲線Ｄ１および曲線Ｄ２は、図６の左方向が画素値が大きくなる方向（正の方向）として描いている。

第１尤度取得部３は、事前確率分布予測部７から出力される予測確率分布データＳ_{ｔ｜ｔ−１}と、第１観測データＤ１（画像Ｄ１）とを用いて、第１尤度ｗ１を算出する。

図６に示すように、時刻ｔの事前確率分布（時刻ｔ−１の事後確率分布）に従うパーティクル集合Ｓ_{ｔ−１｜ｔ−１}に対して、事前確率分布予測部７により予測処理が実行されることで、予測確率分布データＳ_{ｔ｜ｔ−１}が取得される。

第１尤度取得部３は、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得された各パーティクルが占める画像領域内の第１観測データＤ１（画像Ｄ１）の値（画像Ｄ１において、各パーティクルが占める画像領域内の画素の画素値）を積算し、その積算値を第１尤度ｗ１とする。このようにして取得された第１尤度ｗ１を、図６では、円で示しており、第１尤度ｗ１が大きい値である程、大きな円として描いている。

なお、画像Ｄ１において、予測処理後のｉ番目のパーティクルが占める画像領域は、当該パーティクルの内部状態が（Ｘ_{ｔ｜ｔ−１} ^（ｉ），Ｙ_{ｔ｜ｔ−１} ^（ｉ），Ｗ_{ｔ｜ｔ−１} ^（ｉ），Ｈ_{ｔ｜ｔ−１} ^（ｉ），ｗｃ_{ｔ｜ｔ−１} ^（ｉ））であるので、座標（Ｘ_{ｔ｜ｔ−１} ^（ｉ），Ｙ_{ｔ｜ｔ−１} ^（ｉ））を中心とし、幅（水平方向の長さ）Ｗ_{ｔ｜ｔ−１} ^（ｉ）、高さ（垂直方向の長さ）Ｈ_{ｔ｜ｔ−１} ^（ｉ）である矩形領域である。

図６では、第１観測データＤ１（画像Ｄ１）の値は、正規化されたデータ（値）であり、０〜１の値をとるものとする。

図６に示すように、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたパーティクルの粒子番号をｉ１〜ｉ９とし、ｉ番目のパーティクルの第１尤度値をｗ１^（ｉ）とすると、ｗ１^（ｉ１）、ｗ１^（ｉ２）、ｗ１^（ｉ７）、ｗ１^（ｉ８）、ｗ１^（ｉ９）は、第１尤度の値が「０」である。

そして、ｉ３〜ｉ６番目のパーティクルの第１尤度値は、以下の通りである。
ｗ１^（ｉ３）＝０．４
ｗ１^（ｉ４）＝０．９５
ｗ１^（ｉ５）＝０．８
ｗ１^（ｉ６）＝０．２５
上記のようにして取得された第１尤度（各パーティクルの第１尤度値を含むデータ）は、第１尤度取得部３から尤度合成部５に出力される。

第２尤度取得部４は、事前確率分布予測部７から出力される予測確率分布データＳ_{ｔ｜ｔ−１}と、第２観測データＤ２（画像Ｄ２）とを用いて、第２尤度ｗ２を算出する。

図６に示すように、時刻ｔの事前確率分布（時刻ｔ−１の事後確率分布）に従うパーティクル集合Ｓ_{ｔ−１｜ｔ−１}に対して、事前確率分布予測部７により予測処理が実行されることで、予測確率分布データＳ_{ｔ｜ｔ−１}が取得される。

第２尤度取得部４は、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得された各パーティクルが占める画像領域内の第２観測データＤ２（画像Ｄ２）の値（画像Ｄ２において、各パーティクルが占める画像領域内の画素の画素値）を積算し、その積算値を第２尤度ｗ２とする。

なお、画像Ｄ２において、予測処理後のｉ番目のパーティクルが占める画像領域は、当該パーティクルの内部状態が（Ｘ_{ｔ｜ｔ−１} ^（ｉ），Ｙ_{ｔ｜ｔ−１} ^（ｉ），Ｗ_{ｔ｜ｔ−１} ^（ｉ），Ｈ_{ｔ｜ｔ−１} ^（ｉ），ｗｃ_{ｔ｜ｔ−１} ^（ｉ））であるので、座標（Ｘ_{ｔ｜ｔ−１} ^（ｉ），Ｙ_{ｔ｜ｔ−１} ^（ｉ））を中心とし、幅（水平方向の長さ）Ｗ_{ｔ｜ｔ−１} ^（ｉ）、高さ（垂直方向の長さ）Ｈ_{ｔ｜ｔ−１} ^（ｉ）である矩形領域である。

図６では、第２観測データＤ２（画像Ｄ２）の値は、正規化されたデータ（値）であり、０〜１の値をとる。

図６に示すように、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたパーティクルの粒子番号をｉ１〜ｉ９とし、ｉ番目のパーティクルの第２尤度値をｗ２^（ｉ）とすると、ｗ２^（ｉ１）、ｗ２^（ｉ２）、ｗ２^（ｉ３）、ｗ２^（ｉ６）、ｗ２^（ｉ７）、ｗ２^（ｉ８）、ｗ２^（ｉ９）は、第２尤度の値が「０」である。

そして、ｉ４〜ｉ５番目のパーティクルの第２尤度値は、以下の通りである。
ｗ２ ^（ｉ４）＝０．６
ｗ２ ^（ｉ５）＝０．２
上記のようにして取得された第２尤度（各パーティクルの第２尤度値を含むデータ）は、第２尤度取得部４から尤度合成部５に出力される。

尤度合成部５では、第１観測取得部１の観測データの信頼度を示す信頼度データＰ（１）と、第２観測取得部２の観測データの信頼度を示す信頼度データＰ（２）とに基づいて、第１尤度ｗ１と第２尤度ｗ２とを合成し、合成尤度ｗｃを取得する。

なお、説明便宜のため、第１観測データの信頼度データＰ（１）と、第２観測データの信頼度データＰ（２）とがともに、同じ値「１」であるものとして、説明する。つまり、第１観測取得部１で取得される観測データの信頼度と、第２観測取得部２で取得される観測データの信頼度とが同じであるものとして、説明する。

尤度合成部５は、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたパーティクルごとに、第１尤度ｗ１と第２尤度ｗ２とを合成し、合成尤度ｗｃを取得する。具体的には、ｉ番目のパーティクルの合成尤度値をｗｃ^（ｉ）とすると、尤度合成部５は、
ｗｃ^（ｉ）＝Ｐ（１）／｛Ｐ（１）＋Ｐ（２）｝×ｗ１^（ｉ）＋Ｐ（２）／｛Ｐ（１）＋Ｐ（２）｝×ｗ２^（ｉ）
により、ｉ番目のパーティクルの合成尤度値ｗｃ^（ｉ）を取得する。

図６において、上記により取得された合成尤度ｗｃを結んだ曲線を曲線Ｄｃで示している。

図６の場合、尤度合成部５は、ｉ番目のパーティクルの合成尤度値ｗｃ^（ｉ）を以下のようにして取得する。
ｗｃ^（ｉ１）＝ｗｃ^（ｉ２）＝ｗｃ^（ｉ７）＝ｗｃ^（ｉ８）＝ｗｃ^（ｉ９）＝０
ｗｃ^（ｉ３）＝０．５×ｗ１^（ｉ３）＋０．５×ｗ２^（ｉ３）
＝０．５×０．４＋０．５×０．０＝０．２
ｗｃ^（ｉ４）＝０．５×ｗ１^（ｉ４）＋０．５×ｗ２^（ｉ４）
＝０．５×０．９５＋０．５×０．６＝０．７７５
ｗｃ^（ｉ５）＝０．５×ｗ１^（ｉ５）＋０．５×ｗ２^（ｉ５）
＝０．５×０．８＋０．５×０．２＝０．５
ｗｃ^（ｉ６）＝０．５×ｗ１^（ｉ５）＋０．５×ｗ２^（ｉ５）
＝０．５×０．２５＋０．５×０．０＝０．１２５
上記のようにして取得された合成尤度（各パーティクルの合成尤度値を含むデータ）は、尤度合成部５から事後確率分布取得部６に出力される。

事後確率分布取得部６では、合成尤度ｗｃと予測確率分布データとに基づいて、事後確率分布（事後確率分布データ）が取得（推定）される。

事後確率分布取得部６は、時刻ｔにおける物体ＴＧ１の合成尤度ｗｃ^（ｉ）に比例する割合でＭ１個のパーティクル（粒子）を復元抽出する（パーティクルｘａ_ｔ ^（ｉ）（物体ＴＧ１のｉ番目の粒子）を抽出する）。例えば、図６の場合、画像領域ＴＧ１＿Ｄ１に含まれる直線Ａ１−Ａ２上において、９個のパーティクルが復元抽出されている。

予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ３番目のパーティクルから合成尤度ｗｃ^（ｉ３）＝０．２が取得されるので、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ３番目のパーティクルの位置において、比例配分により、１個のパーティクルが復元される。つまり、事後確率分布データＳ_ｔ｜ｔに従って取得されたｉ１番目のパーティクルが復元される。

予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ４番目のパーティクルから合成尤度ｗｃ^（ｉ４）＝０．７７５が取得されるので、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ４番目のパーティクルの位置において、比例配分により、４個のパーティクルが復元される。つまり、事後確率分布データＳ_ｔ｜ｔに従って取得されたｉ２〜ｉ５番目のパーティクル、すなわち、合計４個のパーティクルが復元される。

予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ５番目のパーティクルから合成尤度ｗｃ^（ｉ５）＝０．５が取得されるので、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ５番目のパーティクルの位置において、比例配分により、３個のパーティクルが復元される。つまり、事後確率分布データＳ_ｔ｜ｔに従って取得されたｉ６〜ｉ８番目のパーティクル、すなわち、合計３個のパーティクルが復元される。

予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ６番目のパーティクルから合成尤度ｗｃ^（ｉ６）＝０．１２５が取得されるので、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ６番目のパーティクルの位置において、比例配分により、１個のパーティクルが復元される。つまり、事後確率分布データＳ_ｔ｜ｔに従って取得されたｉ９番目のパーティクルが復元される。

以上のように、事後確率分布取得部６は、時刻ｔにおける物体ＴＧ１の合成尤度ｗｃ^（ｉ）に比例する割合でＭ１個のパーティクル（粒子）を復元抽出する（パーティクルｘａ_ｔ ^（ｉ）（物体ＴＧ１のｉ番目の粒子）を抽出する）。

このように、事後確率分布取得部６は、復元抽出されたＭ１個のパーティクルの分布から、時刻ｔの事後確率分布ｐ（ｘ_ｔ｜ｙ_ｔ）に従って生成されたサンプル集合（パーティクルの集合）Ｓ_ｔ｜ｔ（事後確率分布データＳ_ｔ｜ｔ）、すなわち、
Ｓ_ｔ｜ｔ＝｛ｓ_ｔ｜ｔ ^（１），ｓ_ｔ｜ｔ ^（２），・・・，ｓ_ｔ｜ｔ ^（Ｍ１）｝
を取得する。

そして、事後確率分布取得部６は、推定（取得）した事後確率分布（事後確率分布データ）を、状態推定装置１０００から出力するとともに、事前確率分布予測部７に出力する。

事前確率分布予測部７は、事後確率分布取得部６から入力された時刻ｔにおける事後確率分布（事後確率分布データ）を、次の時刻ｔ＋１の事前確率分布データとして、上記で説明したのと同様に、予測処理を実行する。

そして、以降、状態推定装置１０００では、上記と同様の処理を繰り返される。

以上のように、状態推定装置１０００では、複数の観測データを取得し、取得した複数の観測データのそれぞれから導出された尤度（複数の尤度）および観測データの信頼度（複数の観測データの信頼度）を用いて、合成尤度ｗｃを取得する。そして、状態推定装置１０００では、取得した合成尤度ｗｃを反映させた事後確率分布（事後確率分布データ）Ｓ_ｔ｜ｔを取得することができる。

状態推定装置１０００では、複数の観測データ（第１観測データＤ１および第２観測データＤ２）を取得し、取得した複数の観測データのそれぞれから導出された複数の尤度（第１尤度ｗ１および第２尤度ｗ２）を、観測データの信頼度（第１観測取得部１の観測データの信頼度を示す信頼度データＰ（１）と、第２観測取得部２の観測データの信頼度を示す信頼度データＰ（２））に基づいて、合成することで、合成尤度ｗｃを取得する。つまり、状態推定装置１０００では、観測データの信頼度のより高いデータに基づいて、合成尤度ｗｃを取得することができるので、精度の高い事後確率分布データＳ_ｔ｜ｔを取得することができる。その結果、状態推定装置１０００では、精度の高い事後確率分布データＳ_ｔ｜ｔを用いて、より正確かつロバストに、物体の検出処理や追跡処理を行うことができる。

なお、信頼度データＰ（１）、Ｐ（２）は、例えば、観測データを取得するセンサー等の精度が予め分かっている場合は、当該センサー等の精度に基づいて、固定値に設定されるものであってもよい。

また、信頼度データＰ（１）、Ｐ（２）は、２値データ（例えば、「０」または「１」をとるデータ）であってもよいし、「０」から「１」の間の連続値をとるものであってもよい。

≪第１変形例≫
次に、第１実施形態の第１変形例について、説明する。

本変形例において、第１実施形態と同様の部分については、同一符号を付し、詳細な説明を省略する。

図７は、第１実施形態の第１変形例に係る状態推定装置１０００Ａの概略構成図である。

第１変形例の状態推定装置１０００Ａでは、第１観測取得部１に、第１入力データＤｉｎ１が入力され、第２観測取得部２に、第２入力データＤｉｎ２が入力される。つまり、第１実施形態の状態推定装置１０００では、１つの入力データＤｉｎが、第１観測取得部１および第２観測取得部２に入力されていたが、本変形例の状態推定装置１０００Ａでは、第１観測取得部１および第２観測取得部２には、別のデータが入力される。この点において、本変形例の状態推定装置１０００Ａは、第１実施形態の状態推定装置１０００と相違する。

本変形例の状態推定装置１０００Ａでは、第１観測取得部１および第２観測取得部２に別のデータを入力することができるので、例えば、第１のセンサー（例えば、可視光用イメージセンサー等）（不図示）により取得した信号（データ）Ｄｉｎ１を第１観測取得部１に入力し、第２のセンサー（例えば、赤外光用イメージセンサー等）（不図示）により取得した信号（データ）Ｄｉｎ２を第２観測取得部２に入力することができる。

本変形例の状態推定装置１０００Ａでは、複数の観測データを取得し、取得した複数の観測データのそれぞれから導出された尤度（複数の尤度）および観測データの信頼度（複数の観測データの信頼度）を用いて、合成尤度ｗｃを取得する。そして、状態推定装置１０００Ａでは、取得した合成尤度ｗｃを反映させた事後確率分布（事後確率分布データ）Ｓ_ｔ｜ｔを取得することができる。

状態推定装置１０００Ａでは、複数の観測データ（第１観測データＤ１および第２観測データＤ２）を取得し、取得した複数の観測データのそれぞれから導出された複数の尤度（第１尤度ｗ１および第２尤度ｗ２）を、観測データの信頼度（第１観測取得部１の観測データの信頼度を示す信頼度データＰ（１）と、第２観測取得部２の観測データの信頼度を示す信頼度データＰ（２））に基づいて、合成することで、合成尤度ｗｃを取得する。つまり、状態推定装置１０００Ａでは、観測データの信頼度のより高いデータに基づいて、合成尤度ｗｃを取得することができるので、精度の高い事後確率分布データＳ_ｔ｜ｔを取得することができる。その結果、状態推定装置１０００Ａでは、精度の高い事後確率分布データＳ_ｔ｜ｔを用いて、より正確かつロバストに、物体の検出処理や追跡処理を行うことができる。

［第２実施形態］
次に、第２実施形態について、説明する。

本実施形態において、上記実施形態および変形例と同様の部分については、同一符号を付し、詳細な説明を省略する。

＜２．１：状態推定装置の構成＞
図８は、第２実施形態に係る状態推定装置２０００の概略構成図である。

第２実施形態の状態推定装置２０００は、図８に示すように、第１実施形態の第１変形例の状態推定装置１０００Ａにおいて、第１観測取得部１を第１観測取得部１Ａに置換し、第２観測取得部２を第２観測取得部２Ａに置換し、さらに、第１信頼度取得部９と、第２信頼度取得部１０とを追加した構成を有している。

第１観測取得部１Ａは、第１観測データＤ１の検出精度に関するデータ（第１検出精度データ）を取得し、取得した第１検出精度データを第１信頼度取得部９に出力する。

第２観測取得部２Ａは、第２観測データＤ２の検出精度に関するデータ（第２検出精度データ）を取得し、取得した第２検出精度データを第２信頼度取得部１０に出力する。

第１信頼度取得部９は、第１観測取得部１Ａから出力される第１検出精度データを入力する。第１信頼度取得部９は、第１検出精度データに基づいて、第１観測取得部１の観測データの信頼度を示す信頼度データＰ（１）を取得し、取得した信頼度データＰ（１）を尤度合成部５に出力する。

第２信頼度取得部１０は、第２観測取得部２Ａから出力される第２検出精度データを入力する。第２信頼度取得部１０は、第２検出精度データに基づいて、第２観測取得部２の観測データの信頼度を示す信頼度データＰ（２）を取得し、取得した信頼度データＰ（２）を尤度合成部５に出力する。

＜２．２：状態推定装置の動作＞
以上のように構成された状態推定装置２０００の動作について、以下、説明する。

以下では、状態推定装置２０００において、第１観測取得部１Ａには、可視光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ１が入力され、第２観測取得部２Ａには、赤外光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ２が入力される場合を、一例として、説明する。

なお、第１実施形態と同様の部分については、詳細な説明を省略する。

図９は、可視光用イメージセンサーを有する撮像装置（不図示）により撮像された動画像（撮像動画像）である入力データＤｉｎ１を模式的に示す図である。

図１０は、赤外光用イメージセンサーを有する撮像装置（不図示）により撮像された動画像（撮像動画像）である入力データＤｉｎ２を模式的に示す図である。

図１１は、第１観測取得部１Ａにより取得された第１観測データＤ１を模式的に示す図である。なお、図１１では、物体を検出（追跡）するために用いられるパーティクル（粒子）（一例）も模式的に描いている。

図１２は、第２観測取得部２Ａにより取得された第２観測データＤ２を模式的に示す図である。

第１観測取得部１Ａには、可視光用イメージセンサーを有する撮像装置により取得された動画像（撮像動画像）である入力データＤｉｎ１が入力される。

第１観測取得部１Ａは、入力データＤｉｎ１から、人に相当する画像領域を抽出することで、第１観測データＤ１を取得する。第１観測取得部１Ａは、例えば、入力データＤｉｎ１において、肌色を多く含む領域を検出することにより、および／または、人の形状のパターンマッチング等により、入力データＤｉｎ１の画像上において人に相当する画像領域を検出する。そして、第１観測取得部１Ａは、検出した結果画像を、第１観測データＤ１として取得する。このようにして、第１観測取得部１Ａにより、図１１に示す第１観測データＤ１が取得される。図１１から分かるように、第１観測データＤ１では、入力データＤｉｎ１に含まれる人である物体ＴＧ１、ＴＧ２、ＴＧ３にそれぞれ相当する画像領域ＴＧ１＿Ｄ１、ＴＧ２＿Ｄ１、ＴＧ３＿Ｄ１が検出されている。なお、図１１の第１観測データＤ１（画像Ｄ１）において、画像領域ＴＧ１＿Ｄ１、ＴＧ２＿Ｄ１、ＴＧ３＿Ｄ１内の画素は、「０」以外の画素値を有しており、画像領域ＴＧ１＿Ｄ１、ＴＧ２＿Ｄ１、ＴＧ３＿Ｄ１以外の画像領域の画素の画素値は「０」であるものとする。

第１観測取得部１Ａにより取得された第１観測データＤ１は、第１観測取得部１から、第１尤度取得部３に出力される。

第２観測取得部２Ａには、赤外光用イメージセンサーを有する撮像装置により取得された動画像（撮像動画像）である入力データＤｉｎ２が入力される。

第２観測取得部２Ａは、入力データＤｉｎ２から、人に相当する画像領域を抽出することで、第２観測データＤ２を取得する。第２観測取得部２Ａは、例えば、入力データＤｉｎ２において、赤外光を多く発光している物体に相当する領域を検出することにより、および／または、人の形状のパターンマッチング等により、入力データＤｉｎ２の画像上において人に相当する画像領域を検出する。そして、第２観測取得部２Ａは、検出した結果画像を、第２観測データＤ２として取得する。このようにして、第２観測取得部２Ａにより、図１２に示す第２観測データＤ２が取得される。図１２から分かるように、第２観測データＤ２では、入力データＤｉｎ２に含まれる人である物体ＴＧ１、ＴＧ２、ＴＧ３にそれぞれ相当する画像領域ＴＧ１＿Ｄ２、ＴＧ２＿Ｄ２、ＴＧ３＿Ｄ２が検出されている。なお、図１２の第２観測データＤ２（画像Ｄ２）において、画像領域ＴＧ１＿Ｄ２、ＴＧ２＿Ｄ２、ＴＧ３＿Ｄ２内の画素は、「０」以外の画素値を有しており、画像領域ＴＧ１＿Ｄ２、ＴＧ２＿Ｄ２、ＴＧ３＿Ｄ２以外の画像領域の画素の画素値は「０」であるものとする。

第２観測取得部２Ａにより取得された第２観測データＤ２は、第２観測取得部２から、第２尤度取得部４に出力される。

また、第１観測取得部１Ａでは、第１観測データＤ１の検出精度に関するデータ（第１検出精度データ）が取得される。そして、取得された第１検出精度データは、第１観測取得部１Ａから第１信頼度取得部９に出力される。

第２観測取得部２Ａでは、第２観測データＤ２の検出精度に関するデータ（第２検出精度データ）が取得される。そして、取得された第２検出精度データは、第２観測取得部２Ａから、第２信頼度取得部１０に出力される。

第１信頼度取得部９では、第１観測取得部１Ａから出力される第１検出精度データに基づいて、第１観測取得部１の観測データの信頼度を示す信頼度データＰ（１）が取得される。そして、取得された信頼度データＰ（１）は、第１信頼度取得部９から尤度合成部５に出力される。

第２信頼度取得部１０では、第２観測取得部２Ａから出力される第２検出精度データに基づいて、第２観測取得部２の観測データの信頼度を示す信頼度データＰ（２）が取得される。そして、取得された信頼度データＰ（２）は、第２信頼度取得部１０から尤度合成部５に出力される。

第１尤度取得部３および第２尤度取得部４での処理については、第１実施形態、第１実施形態の第１変形例と同様である。

尤度合成部５、事後確率分布取得部６での処理について、（１）状態推定装置２０００が明るい環境下に置かれている場合と、（２）状態推定装置２０００が暗い環境下に置かれている場合とに分けて、以下、説明する。

（２．２．１：状態推定装置２０００が明るい環境下に置かれている場合）
まず、状態推定装置２０００が明るい環境下に置かれている場合について、説明する。

この場合、可視光用イメージセンサーを有する撮像装置により取得された動画像（撮像動画像）である入力データＤｉｎ１の精度が高く、また、赤外光用イメージセンサーを有する撮像装置により取得された動画像（撮像動画像）である入力データＤｉｎ２の精度も高い。

したがって、第１観測取得部１Ａで取得される第１観測データＤ１の精度も高く、また、第２観測取得部２Ａで取得される第２観測データＤ２の精度も高い。

このような場合、第１観測取得部１Ａは、第１観測データの検出精度が高いことを示す第１検出精度データを第１信頼度取得部９に出力する。そして、第２観測取得部２Ａも、第２観測データの検出精度が高いことを示す第２検出精度データを第２信頼度取得部１０に出力する。

そして、第１信頼度取得部９は、第１観測データの検出精度が高いことを示す第１検出精度データに基づいて、信頼度データＰ（１）を、第１観測データの信頼度が高いことを示す値にして、信頼度データＰ（１）を尤度合成部５に出力する。

また、第２信頼度取得部１０は、第２観測データの検出精度が高いことを示す第２検出精度データに基づいて、信頼度データＰ（２）を、第２観測データの信頼度が高いことを示す値にして、信頼度データＰ（２）を尤度合成部５に出力する。

なお、説明便宜のため、状態推定装置２０００が明るい環境下に置かれている場合、第１信頼度取得部９は、第１観測データの信頼度データＰ（１）を「１」に設定し、第２信頼度取得部１０は、第２観測データの信頼度データＰ（２）を「１」に設定するものとする。つまり、
Ｐ（１）＝Ｐ（２）＝１
とする。

図１３は、第１観測データＤ１（第１観測データによる画像データＤ１）と、第２観測データＤ２（第２観測データによる画像データＤ２）とを重畳させて、模式的に示した図である。

図１４は、状態推定装置２０００が明るい環境下に置かれている場合において、観測対象（追跡対象）を物体ＴＧ１としたときの、予測処理、尤度取得処理(尤度計算)、リサンプリング処理を説明するための図である。なお、図１４では、垂直方向（Ｙ軸方向）のパーティクルのみを模式的に示している。具体的には、図１４では、図１３に示した垂直方向の直線Ａ１−Ａ２上において配置されるパーティクルのみを模式的に示している。また、図１４では、直線Ａ１−Ａ２における第１観測データＤ１の値（画像Ｄ１の画素値）を示す曲線Ｄ１と、直線Ａ１−Ａ２における第２観測データＤ２の値（画像Ｄ２の画素値）を示す曲線Ｄ２とを示している。なお、図１４において、曲線Ｄ１および曲線Ｄ２は、図１４の左方向が画素値が大きくなる方向（正の方向）として描いている。

図１４の場合、第１実施形態で説明した、図６の場合と同様になる。

つまり、以下のように、尤度合成部５は、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたパーティクルごとに、第１尤度ｗ１と第２尤度ｗ２とを合成し、合成尤度ｗｃを取得する。具体的には、ｉ番目のパーティクルの合成尤度値をｗｃ^（ｉ）とすると、尤度合成部５は、
ｗｃ^（ｉ）＝Ｐ（１）／｛Ｐ（１）＋Ｐ（２）｝×ｗ１^（ｉ）＋Ｐ（２）／｛Ｐ（１）＋Ｐ（２）｝×ｗ２^（ｉ）
により、ｉ番目のパーティクルの合成尤度値ｗｃ^（ｉ）を取得する。

図１４において、上記により取得された合成尤度ｗｃを結んだ曲線を曲線Ｄｃで示している。

図１４の場合、尤度合成部５は、ｉ番目のパーティクルの合成尤度値ｗｃ^（ｉ）を以下のようにして取得する。
ｗｃ^（ｉ１）＝ｗｃ^（ｉ２）＝ｗｃ^（ｉ７）＝ｗｃ^（ｉ８）＝ｗｃ^（ｉ９）＝０
ｗｃ^（ｉ３）＝０．５×ｗ１^（ｉ３）＋０．５×ｗ２^（ｉ３）
＝０．５×０．４＋０．５×０．０＝０．２
ｗｃ^（ｉ４）＝０．５×ｗ１^（ｉ４）＋０．５×ｗ２^（ｉ４）
＝０．５×０．９５＋０．５×０．６＝０．７７５
ｗｃ^（ｉ５）＝０．５×ｗ１^（ｉ５）＋０．５×ｗ２^（ｉ５）
＝０．５×０．８＋０．５×０．２＝０．５
ｗｃ^（ｉ６）＝０．５×ｗ１^（ｉ５）＋０．５×ｗ２^（ｉ５）
＝０．５×０．２５＋０．５×０．０＝０．１２５
上記のようにして取得された合成尤度（各パーティクルの合成尤度値を含むデータ）は、尤度合成部５から事後確率分布取得部６に出力される。

事後確率分布取得部６では、合成尤度ｗｃと予測確率分布データとに基づいて、事後確率分布（事後確率分布データ）が取得（推定）される。

事後確率分布取得部６は、時刻ｔにおける物体ＴＧ１の合成尤度ｗｃ^（ｉ）に比例する割合でＭ１個のパーティクル（粒子）を復元抽出する（パーティクルｘａ_ｔ ^（ｉ）（物体ＴＧ１のｉ番目の粒子）を抽出する）。

図１４の場合、画像領域ＴＧ１＿Ｄ１に含まれる直線Ａ１−Ａ２上において、９個のパーティクルが復元抽出されている。

予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ３番目のパーティクルから合成尤度ｗｃ^（ｉ３）＝０．２が取得されるので、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ３番目のパーティクルの位置において、比例配分により、１個のパーティクルが復元される。つまり、事後確率分布データＳ_ｔ｜ｔに従って取得されたｉ１番目のパーティクルが復元される。

予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ４番目のパーティクルから合成尤度ｗｃ^（ｉ４）＝０．７７５が取得されるので、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ４番目のパーティクルの位置において、比例配分により、４個のパーティクルが復元される。つまり、事後確率分布データＳ_ｔ｜ｔに従って取得されたｉ２〜ｉ５番目のパーティクル、すなわち、合計４個のパーティクルが復元される。

予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ５番目のパーティクルから合成尤度ｗｃ^（ｉ５）＝０．５が取得されるので、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ５番目のパーティクルの位置において、比例配分により、３個のパーティクルが復元される。つまり、事後確率分布データＳ_ｔ｜ｔに従って取得されたｉ６〜ｉ８番目のパーティクル、すなわち、合計３個のパーティクルが復元される。

予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ６番目のパーティクルから合成尤度ｗｃ^（ｉ６）＝０．１２５が取得されるので、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ６番目のパーティクルの位置において、比例配分により、１個のパーティクルが復元される。つまり、事後確率分布データＳ_ｔ｜ｔに従って取得されたｉ９番目のパーティクルが復元される。

以上のようにして、状態推定装置２０００が明るい環境下に置かれている場合、事後確率分布取得部６は、時刻ｔにおける物体ＴＧ１の合成尤度ｗｃ^（ｉ）に比例する割合でＭ１個のパーティクル（粒子）を復元抽出する（パーティクルｘａ_ｔ ^（ｉ）（物体ＴＧ１のｉ番目の粒子）を抽出する）。

なお、第１信頼度取得部９は、第１観測取得部１Ａから出力される第１検出精度データを、時系列で連続的に取得（監視）し、第１検出精度データの値が、所定の範囲外になった場合、信頼度データＰ（１）の値を小さく（信頼度が低いことを示す値に）するようにしてもよい。また、第２信頼度取得部１０は、第２観測取得部２Ａから出力される第２検出精度データを、時系列で連続的に取得（監視）し、第２検出精度データの値が、所定の範囲外になった場合、信頼度データＰ（２）の値を小さく（信頼度が低いことを示す値に）するようにしてもよい。

（２．２．２：状態推定装置２０００が暗い環境下に置かれている場合）
次に、状態推定装置２０００が暗い環境下に置かれている場合について、説明する。

この場合、可視光用イメージセンサーを有する撮像装置により取得された動画像（撮像動画像）である入力データＤｉｎ１の精度が低く、また、赤外光用イメージセンサーを有する撮像装置により取得された動画像（撮像動画像）である入力データＤｉｎ２の精度が高い。

したがって、第１観測取得部１Ａで取得される第１観測データＤ１の精度は低く、第２観測取得部２Ａで取得される第２観測データＤ２の精度は高い。

このような場合、第１観測取得部１Ａは、第１観測データの検出精度が低いことを示す第１検出精度データを第１信頼度取得部９に出力する。第２観測取得部２Ａは、第２観測データの検出精度が高いことを示す第２検出精度データを第２信頼度取得部１０に出力する。

そして、第１信頼度取得部９は、第１観測データの検出精度が低いことを示す第１検出精度データに基づいて、信頼度データＰ（１）を、第１観測データの信頼度が低いことを示す値にして、信頼度データＰ（１）を尤度合成部５に出力する。ここでは、第１信頼度取得部９は、
Ｐ（１）＝０
に設定するものとする。

第２信頼度取得部１０は、第２観測データの検出精度が高いことを示す第２検出精度データに基づいて、信頼度データＰ（２）を、第２観測データの信頼度が高いことを示す値にして、信頼度データＰ（２）を尤度合成部５に出力する。ここでは、第２信頼度取得部１０は、
Ｐ（２）＝１
に設定するものとする。

図１５は、状態推定装置２０００が暗い環境下に置かれている場合において、観測対象（追跡対象）を物体ＴＧ１としたときの、予測処理、尤度取得処理(尤度計算)、リサンプリング処理を説明するための図である。なお、図１５では、垂直方向（Ｙ軸方向）のパーティクルのみを模式的に示している。具体的には、図１５では、図１３に示した垂直方向の直線Ａ１−Ａ２上において配置されるパーティクルのみを模式的に示している。また、図１５では、直線Ａ１−Ａ２における第１観測データＤ１の値（画像Ｄ１の画素値）を示す曲線Ｄ１と、直線Ａ１−Ａ２における第２観測データＤ２の値（画像Ｄ２の画素値）を示す曲線Ｄ２とを示している。なお、図１５において、曲線Ｄ１および曲線Ｄ２は、図１５の左方向が画素値が大きくなる方向（正の方向）として描いている。

図１５の場合、尤度合成部５は、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたパーティクルごとに、第１尤度ｗ１と第２尤度ｗ２とを合成し、合成尤度ｗｃを取得する。具体的には、ｉ番目のパーティクルの合成尤度値をｗｃ^（ｉ）とすると、Ｐ（１）＝０、Ｐ（２）＝１であるので、尤度合成部５は、
ｗｃ^（ｉ）＝Ｐ（１）／｛Ｐ（１）＋Ｐ（２）｝×ｗ１^（ｉ）＋Ｐ（２）／｛Ｐ（１）＋Ｐ（２）｝×ｗ２^（ｉ）
＝ｗ２^（ｉ）
により、ｉ番目のパーティクルの合成尤度値ｗｃ^（ｉ）を取得する。

図１５において、上記により取得された合成尤度ｗｃを結んだ曲線を曲線Ｄｃで示している。図１５から分かるように、曲線Ｄｃは、曲線Ｄ２（第２尤度値を結んだ曲線）と一致する。

図１５の場合、尤度合成部５は、ｉ番目のパーティクルの合成尤度値ｗｃ^（ｉ）を以下のようにして取得する。
ｗｃ^（ｉ１）＝ｗｃ^（ｉ２）＝ｗｃ^（ｉ３）＝ｗｃ^（ｉ６）＝ｗｃ^（ｉ７）＝ｗｃ^（ｉ８）＝ｗｃ^（ｉ９）＝０
ｗｃ^（ｉ４）＝ｗ２^（ｉ４）＝０．６
ｗｃ^（ｉ５）＝ｗ２^（ｉ５）＝０．２
上記のようにして取得された合成尤度（各パーティクルの合成尤度値を含むデータ）は、尤度合成部５から事後確率分布取得部６に出力される。

事後確率分布取得部６では、合成尤度ｗｃと予測確率分布データとに基づいて、事後確率分布（事後確率分布データ）が取得（推定）される。

事後確率分布取得部６は、時刻ｔにおける物体ＴＧ１の合成尤度ｗｃ^（ｉ）に比例する割合でＭ１個のパーティクル（粒子）を復元抽出する（パーティクルｘａ_ｔ ^（ｉ）（物体ＴＧ１のｉ番目の粒子）を抽出する）。

図１５の場合、画像領域ＴＧ１＿Ｄ１に含まれる直線Ａ１−Ａ２上において、９個のパーティクルが復元抽出されている。

予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ４番目のパーティクルから合成尤度ｗｃ^（ｉ４）＝０．６が取得されるので、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ４番目のパーティクルの位置において、比例配分により、７個のパーティクルが復元される。つまり、事後確率分布データＳ_ｔ｜ｔに従って取得されたｉ１番目〜ｉ７番目のパーティクルが復元される。

予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ５番目のパーティクルから合成尤度ｗｃ^（ｉ５）＝０．２が取得されるので、予測確率分布データＳ_{ｔ｜ｔ−１}に従って取得されたｉ５番目のパーティクルの位置において、比例配分により、２個のパーティクルが復元される。つまり、事後確率分布データＳ_ｔ｜ｔに従って取得されたｉ８〜ｉ９番目のパーティクル、すなわち、合計２個のパーティクルが復元される。

以上のようにして、状態推定装置２０００が暗い環境下に置かれている場合、事後確率分布取得部６は、時刻ｔにおける物体ＴＧ１の合成尤度ｗｃ^（ｉ）に比例する割合でＭ１個のパーティクル（粒子）を復元抽出する（パーティクルｘａ_ｔ ^（ｉ）（物体ＴＧ１のｉ番目の粒子）を抽出する）。

このように、事後確率分布取得部６は、復元抽出されたＭ１個のパーティクルの分布から、時刻ｔの事後確率分布ｐ（ｘ_ｔ｜ｙ_ｔ）に従って生成されたサンプル集合（パーティクルの集合）Ｓ_ｔ｜ｔ（事後確率分布データＳ_ｔ｜ｔ）、すなわち、
Ｓ_ｔ｜ｔ＝｛ｓ_ｔ｜ｔ ^（１），ｓ_ｔ｜ｔ ^（２），・・・，ｓ_ｔ｜ｔ ^（Ｍ１）｝
を取得する。

そして、事後確率分布取得部６は、推定（取得）した事後確率分布（事後確率分布データ）を、状態推定装置２０００から出力するとともに、事前確率分布予測部７に出力する。

事前確率分布予測部７は、事後確率分布取得部６から入力された時刻ｔにおける事後確率分布（事後確率分布データ）を、次の時刻ｔ＋１の事前確率分布データとして、上記で説明したのと同様に、予測処理を実行する。

そして、以降、状態推定装置２０００では、上記と同様の処理を繰り返される。

図１４と図１５とを比較して分かるように、図１５の場合、復元されるパーティクルが、図１４の場合よりも、画像領域ＴＧ１＿Ｄ２に集中している。

これは、状態推定装置２０００が暗い環境下に置かれている場合、状態推定装置２０００では、信頼度の高いデータである第２観測データＤ２を用いて、合成尤度ｗｃを算出し、リサンプリング処理を実行するためである。つまり、状態推定装置２０００では、第１観測取得部１Ａにより取得される観測データの信頼度データＰ（１）と、第２観測取得部２Ａにより取得される観測データの信頼度データＰ（２）とに基づいて、合成尤度ｗｃを算出し、算出した合成尤度ｗｃにより、事後確率分布データを取得する。

このように、状態推定装置２０００では、観測データの信頼度のより高いデータに基づいて、合成尤度ｗｃを取得することができるので、精度の高い事後確率分布データＳ_ｔ｜ｔを取得することができる。その結果、状態推定装置２０００では、精度の高い事後確率分布データＳ_ｔ｜ｔを用いて、より正確かつロバストに、物体の検出処理や追跡処理を行うことができる。

≪第１変形例≫
次に、第２実施形態の第１変形例について、説明する。

なお、本変形例において、上記実施形態と同様の部分については、詳細な説明を省略する。

本変形例の状態推定装置２０００Ａにおいて、第１観測取得部１Ａには、可視光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ１が入力され、第２観測取得部２Ａには、赤外光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ２が入力される場合を、一例として、説明する。

図１６は、第２実施形態の第１変形例に係る状態推定装置２０００Ａの概略構成図である。

図１６に示すように、本変形例の状態推定装置２０００Ａは、第２実施形態の状態推定装置２０００において、センサー部Ｓ１を追加し、尤度合成部５を尤度合成部５Ａに置換した構成を有している。

センサー部Ｓ１は、１または複数のセンサー（不図示）により検出される検出信号（センサーが検出した所定の物理量を示す検出信号）に基づいて、センサー検出値を取得する。

センサー部Ｓ１は、ｋ個（ｋ：自然数）のセンサーにより取得される検出信号（センサー検出信号）に基づいて、ｋ個のセンサー検出値Ｓ＿ｄｅｔ（ｉ）（ｉ：自然数、１≦ｉ≦ｋ）を取得するものであってもよい。

例えば、センサー部Ｓ１は、温度センサーにより取得された温度を示すセンサー検出値と、照度センサーにより取得された照度を示すセンサー検出値等を取得する。以下では、説明便宜のため、センサー部Ｓ１が、照度センサーにより、状態推定装置２０００Ａが置かれている環境光の照度（明るさ）を示すセンサー検出値Ｓ＿ｄｅｔを取得するものとして、説明する。

センサー部Ｓ１は、取得したセンサー検出値Ｓ＿ｄｅｔを、尤度合成部５Ａに出力する。

尤度合成部５Ａは、第１尤度取得部３から出力される第１尤度ｗ１と、第２尤度取得部４から出力される第２尤度ｗ２と、センサー部Ｓ１から出力されるセンサー検出値Ｓ＿ｄｅｔと、を入力する。また、尤度合成部５は、第１観測取得部１の観測データの信頼度を示す信頼度データＰ（１）と、第２観測取得部２の観測データの信頼度を示す信頼度データＰ（２）と、を入力する。尤度合成部５は、第１尤度ｗ１、第２尤度ｗ２、信頼度データＰ（１）、Ｐ（２）、センサー検出値Ｓ＿ｄｅｔに基づいて、合成尤度ｗｃを取得する。

例えば、尤度合成部５Ａは、センサー検出値Ｓ＿ｄｅｔと、信頼度データＰ（１）とに基づいて、修正信頼度データＰ’（１）を取得し、センサー検出値Ｓ＿ｄｅｔと、信頼度データＰ（２）とに基づいて、修正信頼度データＰ’（２）を取得する。

ここで、センサー検出値Ｓ＿ｄｅｔの最大値（照度の最大値）をＬｍａｘとし、センサー検出値Ｓ＿ｄｅｔの最小値（照度の最小値）をＬｍｉｎとし、関数ｆ１（ｘ）を、
ｆ１（ｘ）＝（ｘ−Ｌｍｉｎ）／（Ｌｍａｘ−Ｌｍｉｎ）
Ｌｍｉｎ≦Ｓ＿ｄｅｔ≦Ｌｍａｘ
とする。

尤度合成部５Ａは、
Ｐ’（１）＝ｆ１（Ｓ＿ｄｅｔ）×Ｐ（１）
Ｐ’（２）＝｛１−ｆ１（Ｓ＿ｄｅｔ）｝×Ｐ（２）
により、修正信頼度データＰ’（１）とＰ’（２）とを取得する。

さらに、尤度合成部５Ａは、
Ｐ’’（１）＝Ｐ’（１）／（Ｐ’（１）＋Ｐ’（２））
Ｐ’’（２）＝Ｐ’（２）／（Ｐ’（１）＋Ｐ’（２））
により、正規化した修正信頼度データＰ’’（１）とＰ’’（２）とを取得する。

そして、尤度合成部５Ａは、
ｗｃ＝Ｐ’’（１）×ｗ１＋Ｐ’’（２）×ｗ２
により、合成尤度ｗｃを取得する。

尤度合成部５Ａは、例えば、以下の（Ａ）、（Ｂ）の場合、下記のようにして、合成尤度ｗｃを取得する。
（Ａ）Ｐ（１）＝Ｐ（２）＝１であり、Ｓ＿ｄｅｔ＝Ｌｍａｘの場合（照度が最大値である場合）、尤度合成部５Ａは、
ｗｃ＝ｗ１
として、合成尤度ｗｃを取得する。つまり、この場合、尤度合成部５Ａは、可視光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ１に基づいて、取得された尤度ｗ１を合成尤度ｗｃとする。
（Ｂ）Ｐ（１）＝Ｐ（２）＝１であり、Ｓ＿ｄｅｔ＝Ｌｍｉｎの場合（照度が最小値である場合）、尤度合成部５Ａは、
ｗｃ＝ｗ２
として、合成尤度ｗｃを取得する。つまり、この場合、尤度合成部５Ａは、赤外光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ２に基づいて、取得された第２尤度ｗ２を合成尤度ｗｃとする。

このように、尤度合成部５Ａは、状態推定装置２０００Ａが置かれている環境光の照度（明るさ）を示すセンサー検出値Ｓ＿ｄｅｔに基づいて、取得された修正信頼度データＰ’（１）、Ｐ’（２）（あるいは、正規化された修正信頼度データＰ’’（１）、Ｐ’’（２））を用いて、合成尤度ｗｃを取得することができる。

例えば、
（１）環境光の照度が高い場合（明るい環境下の場合）、尤度合成部５Ａは、明るい環境下でより精度の高いデータを取得できる可視光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ１に基づいて、合成尤度ｗｃを取得し、
（２）環境光の照度が低い場合（暗い環境下の場合）、尤度合成部５Ａは、暗い環境下でより精度の高いデータを取得できる赤外光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ２に基づいて、合成尤度ｗｃを取得し、
（３）環境光の照度が中間である場合（上記（１）、（２）の中間の明るさの環境下の場合）、尤度合成部５Ａは、可視光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ１による第１尤度ｗ１と、赤外光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ２による第２尤度ｗ２とを、例えば、照度に基づいて算出された内分比で合成した値を、合成尤度ｗｃとして取得する。

このように、尤度合成部５Ａは、センサー部Ｓ１により取得されたセンサー検出値を考慮して、より精度の高い合成尤度ｗｃを取得することができる。

なお、上記では、センサー部Ｓ１が、照度センサーにより、状態推定装置２０００Ａが置かれている環境光の照度（明るさ）を示すセンサー検出値Ｓ＿ｄｅｔを取得するものとして、説明したがこれに限定されることはない。センサー部Ｓ１は、複数のセンサーにより、状態推定装置２０００Ａが置かれている状態を示すセンサー検出値Ｓ＿ｄｅｔを複数のデータとして取得するものであってもよい。そして、尤度合成部５Ａは、センサー部Ｓ１により取得された複数のデータに基づいて、修正信頼度データＰ’（１）、Ｐ’（２）（あるいは、正規化された修正信頼度データＰ’’（１）、Ｐ’’（２））を取得し、合成尤度ｗｃを取得するものであってもよい。

以上のように、本変形例の状態推定装置２０００Ａでは、多様なセンサーを搭載し、センサー部Ｓ１により取得されたセンサー検出値に基づいて、適切に信頼度データＰ（１）、Ｐ（２）を修正した、修正信頼度データＰ’（１）、Ｐ’（２）（あるいは、正規化された修正信頼度データＰ’’（１）、Ｐ’’（２））を取得する。そして、状態推定装置２０００Ａでは、取得した修正信頼度データＰ’（１）、Ｐ’（２）（あるいは、正規化された修正信頼度データＰ’’（１）、Ｐ’’（２））に基づいて、合成尤度ｗｃを取得する。

つまり、本変形例の状態推定装置２０００Ａでは、センサー検出値に基づいてより適切な値として取得された合成尤度ｗｃを用いて、より精度の高い事後確率分布データＳ_ｔ｜ｔを取得することができる。

したがって、本変形例の状態推定装置２０００Ａでは、より精度の高い事後確率分布データＳ_ｔ｜ｔを用いて、より正確かつロバストに、物体の検出処理や追跡処理を行うことができる。

≪第２変形例≫
次に、第２実施形態の第２変形例について、説明する。

なお、本変形例において、上記実施形態と同様の部分については、詳細な説明を省略する。

本変形例の状態推定装置２０００Ｂにおいて、第１観測取得部１Ａには、可視光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ１が入力され、第２観測取得部２Ａには、赤外光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ２が入力される場合を、一例として、説明する。

図１７は、第２実施形態の第２変形例に係る状態推定装置２０００Ｂの概略構成図である。

図１７に示すように、本変形例の状態推定装置２０００Ｂは、第２実施形態の状態推定装置２０００において、センサー部Ｓ２を追加し、第１信頼度取得部９を第１信頼度取得部９Ａに置換し、第２信頼度取得部１０を第２信頼度取得部１０Ａに置換した構成を有している。

センサー部Ｓ２は、１または複数のセンサー（不図示）により検出される検出信号（センサーが検出した所定の物理量を示す検出信号）に基づいて、センサー検出値を取得する。

センサー部Ｓ２は、ｋ個（ｋ：自然数）のセンサーにより取得される検出信号（センサー検出信号）に基づいて、ｋ個のセンサー検出値Ｓ＿ｄｅｔ（ｉ）（ｉ：自然数、１≦ｉ≦ｋ）を取得するものであってもよい。

例えば、センサー部Ｓ２は、温度センサーにより取得された温度を示すセンサー検出値と、照度センサーにより取得された照度を示すセンサー検出値等を取得する。以下では、説明便宜のため、センサー部Ｓ２が、照度センサーにより、状態推定装置２０００Ｂが置かれている環境光の照度（明るさ）を示すセンサー検出値Ｓ＿ｄｅｔを取得するものとして、説明する。

センサー部Ｓ２は、取得したセンサー検出値Ｓ＿ｄｅｔを、センサー検出値Ｓ＿ｄｅｔ（１）として、第１信頼度取得部９Ａに出力する。また、センサー部Ｓ２は、取得したセンサー検出値Ｓ＿ｄｅｔを、センサー検出値Ｓ＿ｄｅｔ（２）として、第２信頼度取得部１０Ａに出力する。なお、本変形例においては、センサー検出値Ｓ＿ｄｅｔ（１）とセンサー検出値Ｓ＿ｄｅｔ（２）とは、同じ値（照度センサーにより取得された物理量に相当するセンサー検出値Ｓ＿ｄｅｔ（＝Ｓ＿ｄｅｔ（１）＝Ｓ＿ｄｅｔ（２）））である。

第１信頼度取得部９Ａは、第１観測取得部１Ａから出力される第１検出精度データと、センサー部Ｓ２から出力されるセンサー検出値Ｓ＿ｄｅｔ（１）（＝Ｓ＿ｄｅｔ）とを入力する。第１信頼度取得部９Ａは、第１検出精度データとセンサー検出値Ｓ＿ｄｅｔ（１）（＝Ｓ＿ｄｅｔ）とに基づいて、第１観測取得部１Ａの観測データの信頼度を示す信頼度データＰ（１）を取得し、取得した信頼度データＰ（１）を尤度合成部５に出力する。

第２信頼度取得部１０Ａは、第２観測取得部２Ａから出力される第２検出精度データと、センサー部Ｓ２から出力されるセンサー検出値Ｓ＿ｄｅｔ（２）（＝Ｓ＿ｄｅｔ）とを入力する。第２信頼度取得部１０Ａは、第２検出精度データとセンサー検出値Ｓ＿ｄｅｔ（２）（＝Ｓ＿ｄｅｔ）とに基づいて、第２観測取得部２Ａの観測データの信頼度を示す信頼度データＰ（２）を取得し、取得した信頼度データＰ（２）を尤度合成部５に出力する。

ここで、図１８を用いて、第１信頼度取得部９Ａ、第２信頼度取得部１０Ａ、および、尤度合成部５の処理（一例）について説明する。

図１８は、第１信頼度取得部９Ａ、第２信頼度取得部１０Ａ、および、尤度合成部５の処理を説明するためのタイミングチャートである。具体的には、図１８は、状態推定装置２０００Ｂが置かれている環境光の状態と、センサー検出値Ｓ＿ｄｅｔ（＝Ｓ＿ｄｅｔ（１）＝Ｓ＿ｄｅｔ（２））と、信頼度データＰ（１）、Ｐ（２）と、合成尤度ｗｃとを時系列に示した図である。

なお、図１８に示す時刻ｔ０〜ｔ１の期間において、照度センサーは作動しておらず、センサー部Ｓ２は、センサー検出値Ｓ＿ｄｅｔを取得していないものとし、時刻ｔ１以降において、照度センサーは作動しており、センサー部Ｓ２は、センサー検出値Ｓ＿ｄｅｔを取得しているものとする。

以下、図１８のタイミングチャートを用いて、第１信頼度取得部９Ａ、第２信頼度取得部１０Ａ、および、尤度合成部５の処理について説明する。

（時刻ｔ０〜ｔ１）：
時刻ｔ０〜ｔ１の期間において、第１検出精度データおよび第２検出精度データの精度が十分高いものとする。この場合、時刻ｔ０〜ｔ１の期間において、第１信頼度取得部９Ａは、第１検出精度データに基づいて、信頼度データＰ（１）を、信頼度が高いことを示す値「１」に設定し、設定した信頼度データＰ（１）を、尤度合成部５に出力する。また、第２信頼度取得部１０Ａは、第２検出精度データに基づいて、信頼度データＰ（２）を、信頼度が高いことを示す値「１」に設定し、設定した信頼度データＰ（２）を、尤度合成部５に出力する。

尤度合成部５は、第１尤度ｗ１および第２尤度ｗ２を、信頼度データＰ（１）、Ｐ（２）に基づいて重み付けして合成することで、合成尤度ｗｃを取得する。例えば、尤度合成部５は、
ｗｃ＝（Ｐ（１）×ｗ１＋Ｐ（２）×ｗ２）／（Ｐ（１）＋Ｐ（２））
＝０．５×ｗ１＋０．５×ｗ２
に相当する処理により、合成尤度ｗｃを取得する。

（時刻ｔ１〜ｔ２）：
時刻ｔ１〜ｔ２の期間において、状態推定装置２０００Ｂは、明るい環境下に置かれているものとする。この場合、センサー部Ｓ２は、照度センサーにより取得された検出信号に基づいて、センサー検出値Ｓ＿ｄｅｔを、照度が高いことを示す値「１」に設定する。そして、センサー部Ｓ２は、センサー検出値Ｓ＿ｄｅｔ（＝１）を、第１信頼度取得部９Ａおよび第２信頼度取得部１０Ａに出力する。なお、センサー検出値Ｓ＿ｄｅｔは、０≦Ｓ＿ｄｅｔ≦１であり、照度が高い程「１」に近い値をとるものとする。

第１信頼度取得部９Ａは、第１検出精度データおよびセンサー検出値Ｓ＿ｄｅｔ（＝１）に基づいて、信頼度データＰ（１）を取得する。例えば、第１信頼度取得部９Ａは、
Ｐ（１）＝Ｓ＿ｄｅｔ×ｆ２（Ｄ１）
ｆ２（Ｄｘ）：データＤｘの信頼度を取得する関数
に相当する処理により、信頼度データＰ（１）を取得する。本変形例において、（センサー検出値を考慮しない場合の）第１観測データＤ１の信頼度は高く、ｆ２（Ｄ１）＝１であるものとする。なお、関数ｆ２（Ｄｘ）は、０≦ｆ２（Ｄｘ）≦１であり、データＤｘの信頼度が高い程、「１」に近い値となるものとする（以下、同様）。

したがって、ｆ２（Ｄ１）＝１であるので、第１信頼度取得部９Ａは、
Ｐ（１）＝Ｓ＿ｄｅｔ×ｆ２（Ｄ１）
＝Ｓ＿ｄｅｔ
により、信頼度データＰ（１）を取得する。

そして、第１信頼度取得部９Ａは、取得した信頼度データＰ（１）を、尤度合成部５に出力する。

第２信頼度取得部１０Ａは、第２検出精度データおよびセンサー検出値Ｓ＿ｄｅｔ（＝１）に基づいて、信頼度データＰ（２）を取得する。例えば、第２信頼度取得部１０Ａは、
Ｐ（２）＝（１−Ｓ＿ｄｅｔ）×ｆ２（Ｄ２）
ｆ２（Ｄｘ）：データＤｘの信頼度を取得する関数
に相当する処理により、信頼度データＰ（２）を取得する。本変形例において、（センサー検出値を考慮しない場合の）第２観測データＤ２の信頼度は高く、ｆ２（Ｄ２）＝１であるものとする。

したがって、ｆ２（Ｄ２）＝１であるので、第２信頼度取得部１０Ａは、
Ｐ（２）＝（１−Ｓ＿ｄｅｔ）×ｆ２（Ｄ１）
＝１−Ｓ＿ｄｅｔ
により、信頼度データＰ（２）を取得する。

そして、第２信頼度取得部１０Ａは、取得した信頼度データＰ（２）を、尤度合成部５に出力する。

尤度合成部５は、第１尤度ｗ１および第２尤度ｗ２を、信頼度データＰ（１）、Ｐ（２）に基づいて重み付けして合成することで、合成尤度ｗｃを取得する。例えば、尤度合成部５は、
ｗｃ＝（Ｐ（１）×ｗ１＋Ｐ（２）×ｗ２）／（Ｐ（１）＋Ｐ（２））
＝Ｓ＿ｄｅｔ×ｗ１＋（１−Ｓ＿ｄｅｔ）×ｗ２
に相当する処理により、合成尤度ｗｃを取得する。Ｓ＿ｄｅｔ＝１であるので、尤度合成部５は、ｗｃ＝ｗ１として、合成尤度ｗｃを取得する。

これにより、尤度合成部５は、状態推定装置２０００Ｂが置かれている環境光の照度に応じて、適切な合成尤度ｗｃを取得することができる。

つまり、尤度合成部５は、状態推定装置２０００Ｂが置かれている環境光の照度が十分高い場合、明るい環境下でより精度の高いデータを取得することができる可視光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ１から取得された第１尤度ｗ１を合成尤度ｗｃとして取得することができる。

（時刻ｔ２〜ｔ３）：
時刻ｔ２〜ｔ３の期間において、状態推定装置２０００Ｂは、環境光が明るい状態から暗い状態に徐々に移行する環境下に置かれているものとする。そして、センサー部Ｓ２により取得されるセンサー検出値Ｓ＿ｄｅｔは、図１８に示すように、時刻ｔ２において、Ｓ＿ｄｅｔ＝１であり、時刻ｔ２から時刻ｔ３において、線形的に減少して、時刻ｔ３において、Ｓ＝０となるものとする。

第１信頼度取得部９Ａは、第１検出精度データおよびセンサー検出値Ｓ＿ｄｅｔに基づいて、信頼度データＰ（１）を取得する。例えば、第１信頼度取得部９Ａは、
Ｐ（１）＝Ｓ＿ｄｅｔ×ｆ２（Ｄ１）
ｆ２（Ｄｘ）：データＤｘの信頼度を取得する関数
に相当する処理により、信頼度データＰ（１）を取得する。本変形例において、（センサー検出値を考慮しない場合の）第１観測データＤ１の信頼度は高く、ｆ２（Ｄ１）＝１であるものとする。

したがって、ｆ２（Ｄ１）＝１であるので、第１信頼度取得部９Ａは、
Ｐ（１）＝Ｓ＿ｄｅｔ×ｆ２（Ｄ１）
＝Ｓ＿ｄｅｔ
により、信頼度データＰ（１）を取得する。

そして、第１信頼度取得部９Ａは、取得した信頼度データＰ（１）を、尤度合成部５に出力する。

第２信頼度取得部１０Ａは、第２検出精度データおよびセンサー検出値Ｓ＿ｄｅｔに基づいて、信頼度データＰ（２）を取得する。例えば、第２信頼度取得部１０Ａは、
Ｐ（２）＝（１−Ｓ＿ｄｅｔ）×ｆ２（Ｄ２）
ｆ２（Ｄｘ）：データＤｘの信頼度を取得する関数
に相当する処理により、信頼度データＰ（２）を取得する。本変形例において、（センサー検出値を考慮しない場合の）第２観測データＤ２の信頼度は高く、ｆ２（Ｄ２）＝１であるものとする。

したがって、ｆ２（Ｄ２）＝１であるので、第２信頼度取得部１０Ａは、
Ｐ（２）＝（１−Ｓ＿ｄｅｔ）×ｆ２（Ｄ１）
＝１−Ｓ＿ｄｅｔ
により、信頼度データＰ（２）を取得する。

そして、第２信頼度取得部１０Ａは、取得した信頼度データＰ（２）を、尤度合成部５に出力する。

尤度合成部５は、第１尤度ｗ１および第２尤度ｗ２を、信頼度データＰ（１）、Ｐ（２）に基づいて重み付けして合成することで、合成尤度ｗｃを取得する。例えば、尤度合成部５は、
ｗｃ＝（Ｐ（１）×ｗ１＋Ｐ（２）×ｗ２）／（Ｐ（１）＋Ｐ（２））
＝Ｓ＿ｄｅｔ×ｗ１＋（１−Ｓ＿ｄｅｔ）×ｗ２
に相当する処理により、合成尤度ｗｃを取得する。

これにより、尤度合成部５は、状態推定装置２０００Ｂが置かれている環境光の照度に応じて、適切な合成尤度ｗｃを取得することができる。

つまり、尤度合成部５は、状態推定装置２０００Ｂが置かれている環境光の照度が高い程、明るい環境下でより精度の高いデータを取得することができる可視光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ１から取得された第１尤度ｗ１の重み付けを大きくした合成尤度ｗｃを取得することができる。

一方、尤度合成部５は、状態推定装置２０００Ｂが置かれている環境光の照度が低い程、暗い環境下でより精度の高いデータを取得することができる赤外光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ２から取得された第２尤度ｗ２の重み付けを大きくした合成尤度ｗｃを取得することができる。

（時刻ｔ３〜ｔ４）：
時刻ｔ３〜ｔ４の期間において、状態推定装置２０００Ｂは、暗い環境下に置かれているものとする。この場合、センサー部Ｓ２は、照度センサーにより取得された検出信号に基づいて、センサー検出値Ｓ＿ｄｅｔを、照度が低いことを示す値「０」に設定する。そして、センサー部Ｓ２は、センサー検出値Ｓ＿ｄｅｔ（＝０）を、第１信頼度取得部９Ａおよび第２信頼度取得部１０Ａに出力する。なお、センサー検出値Ｓ＿ｄｅｔは、０≦Ｓ＿ｄｅｔ≦１であり、照度が高い程「１」に近い値をとるものとする。

第１信頼度取得部９Ａは、第１検出精度データおよびセンサー検出値Ｓ＿ｄｅｔ（＝０）に基づいて、信頼度データＰ（１）を取得する。例えば、第１信頼度取得部９Ａは、
Ｐ（１）＝Ｓ＿ｄｅｔ×ｆ２（Ｄ１）
ｆ２（Ｄｘ）：データＤｘの信頼度を取得する関数
に相当する処理により、信頼度データＰ（１）を取得する。本変形例において、（センサー検出値を考慮しない場合の）第１観測データＤ１の信頼度は高く、ｆ２（Ｄ１）＝１であるものとする。

したがって、ｆ２（Ｄ１）＝１であるので、第１信頼度取得部９Ａは、
Ｐ（１）＝Ｓ＿ｄｅｔ×ｆ２（Ｄ１）
＝Ｓ＿ｄｅｔ
により、信頼度データＰ（１）を取得する。

そして、第１信頼度取得部９Ａは、取得した信頼度データＰ（１）を、尤度合成部５に出力する。

第２信頼度取得部１０Ａは、第２検出精度データおよびセンサー検出値Ｓ＿ｄｅｔ（＝０）に基づいて、信頼度データＰ（２）を取得する。例えば、第２信頼度取得部１０Ａは、
Ｐ（２）＝（１−Ｓ＿ｄｅｔ）×ｆ２（Ｄ２）
ｆ２（Ｄｘ）：データＤｘの信頼度を取得する関数
に相当する処理により、信頼度データＰ（２）を取得する。本変形例において、（センサー検出値を考慮しない場合の）第２観測データＤ２の信頼度は高く、ｆ２（Ｄ２）＝１であるものとする。

したがって、ｆ２（Ｄ２）＝１であるので、第２信頼度取得部１０Ａは、
Ｐ（２）＝（１−Ｓ＿ｄｅｔ）×ｆ２（Ｄ１）
＝１−Ｓ＿ｄｅｔ
により、信頼度データＰ（２）を取得する。

そして、第２信頼度取得部１０Ａは、取得した信頼度データＰ（２）を、尤度合成部５に出力する。

尤度合成部５は、第１尤度ｗ１および第２尤度ｗ２を、信頼度データＰ（１）、Ｐ（２）に基づいて重み付けして合成することで、合成尤度ｗｃを取得する。例えば、尤度合成部５は、
ｗｃ＝（Ｐ（１）×ｗ１＋Ｐ（２）×ｗ２）／（Ｐ（１）＋Ｐ（２））
＝Ｓ＿ｄｅｔ×ｗ１＋（１−Ｓ＿ｄｅｔ）×ｗ２
に相当する処理により、合成尤度ｗｃを取得する。Ｓ＿ｄｅｔ＝０であるので、尤度合成部５は、ｗｃ＝ｗ２として、合成尤度ｗｃを取得する。

これにより、尤度合成部５は、状態推定装置２０００Ｂが置かれている環境光の照度に応じて、適切な合成尤度ｗｃを取得することができる。

つまり、尤度合成部５は、状態推定装置２０００Ｂが置かれている環境光の照度が十分低い場合、暗い環境下でより精度の高いデータを取得することができる赤外光用イメージセンサーを有する撮像装置により取得された信号（データ）Ｄｉｎ２から取得された第２尤度ｗ２を合成尤度ｗｃとして取得することができる。

なお、上記では、センサー部Ｓ２が、照度センサーにより、状態推定装置２０００Ｂが置かれている環境光の照度（明るさ）を示すセンサー検出値Ｓ＿ｄｅｔを取得するものとして、説明したがこれに限定されることはない。センサー部Ｓ２は、複数のセンサーにより、状態推定装置２０００Ｂが置かれている状態を示すセンサー検出値Ｓ＿ｄｅｔを複数のデータとして取得するものであってもよい。そして、尤度合成部５は、センサー部Ｓ２により取得された複数のデータに基づいて、修正信頼度データＰ’（１）、Ｐ’（２）（あるいは、正規化された修正信頼度データＰ’’（１）、Ｐ’’（２））を取得し、合成尤度ｗｃを取得するものであってもよい。

また、上記において、センサー部Ｓ２から第１信頼度取得部９Ａに出力されるセンサー検出値Ｓ＿ｄｅｔ（１）と、センサー部Ｓ２から第２信頼度取得部１０Ａに出力されるセンサー検出値Ｓ＿ｄｅｔ（２）とは、同じであるとして説明したが、これに限定されることはない。センサー部Ｓ２から第１信頼度取得部９Ａに出力されるセンサー検出値Ｓ＿ｄｅｔ（１）と、センサー部Ｓ２から第２信頼度取得部１０Ａに出力されるセンサー検出値Ｓ＿ｄｅｔ（２）とは、異なるデータであってもよい。

以上のように、本変形例の状態推定装置２０００Ｂでは、多様なセンサーを搭載し、センサー部Ｓ１により取得されたセンサー検出値に基づいて、信頼度データＰ（１）、Ｐ（２）を取得し、取得した信頼度データＰ（１）、Ｐ（２）に基づいて、合成尤度ｗｃを取得することができる。そして、本変形例の状態推定装置２０００Ｂでは、センサー検出値に基づいてより適切な値として取得された合成尤度ｗｃを用いて、より精度の高い事後確率分布データＳ_ｔ｜ｔを取得することができる。

したがって、本変形例の状態推定装置２０００Ｂでは、より精度の高い事後確率分布データＳ_ｔ｜ｔを用いて、より正確かつロバストに、物体の検出処理や追跡処理を行うことができる。

≪第３変形例≫
次に、第２実施形態の第３変形例について、説明する。

第２実施形態の状態推定装置２０００では、観測取得部（第１観測取得部１Ａ、第２観測取得部２Ａ）が２つであり、信頼度取得部が２つであり、尤度取得部が２つ（第１尤度取得部３、第２尤度取得部４）であったが、第２実施形態の第１変形例の状態推定装置では、観測取得部がｎ個であり、信頼度取得部がｎ個であり、尤度取得部がｎ個である。また、第２実施形態の第１変形例の状態推定装置では、ｎ個の尤度を用いて処理を行う。

図１９に、本変形例の状態推定装置のｎ個の観測取得部と、ｎ個の尤度取得部と、ｎ個の信頼度取得部と、尤度合成部５Ｂとの概略構成図を示す。

尤度合成部５Ｂは、ｎ個の信頼度データＰ（１）〜Ｐ（ｎ）に基づいて、ｎ個の尤度ｗ１〜ｗｎを合成し、合成尤度ｗｃを取得する。尤度合成部５Ｂは、例えば、以下のようにして、合成尤度ｗｃを取得する。

尤度合成部５Ｂは、

となるように、ｎ個の信頼度を正規化する。

そして、尤度合成部５Ｂは、

により、合成尤度ｗｃを取得する。

また、尤度合成部に、センサーの検出信号を入力するようにしてもよい。

例えば、状態推定装置を、図２０に示すように、図１９の尤度合成部５Ｂを尤度合成部５Ｃに置換し、センサー部Ｓ１を追加した構成としてもよい。このように構成された状態推定装置において、センサー部Ｓ１は、温度センサー、照度センサー、湿度センサー、圧力センサー等により検出された信号（センサー検出信号）に基づいてセンサー検出値Ｓ＿ｄｅｔを取得し、尤度合成部５Ｃは、センサー部Ｓ１により取得されたセンサー検出値Ｓ＿ｄｅｔに基づいて、信頼度データＰ（ｉ）の値を変更するようにしてもよい。

例えば、第１観測取得部１１が可視光用イメージセンサーを有する撮像装置により取得した画像データから第１観測データＤ１を取得し、第２観測取得部１２が赤外光用イメージセンサーを有する撮像装置により取得した画像データから第２観測データＤ２を取得する場合において、照度センサーにより、状態推定装置が置かれている環境が暗いと判定された場合、尤度合成部５Ｃは、第１観測データＤ１の信頼度データＰ（１）の値を小さい値に修正し、第２観測データＤ２の信頼度データＰ（２）の値を大きな値に修正し、修正後の信頼度データＰ（１）、Ｐ（２）を用いて、合成尤度ｗｃを取得するようにしてもよい。

また、尤度合成部５Ｃは、各センサーのセンサー検出信号の信号値（例えば、ｋ個のセンサー検出値Ｓ＿ｄｅｔ（ｉ）（ｉ：自然数、１≦ｉ≦ｋ））と、所定の信頼度データＰ（ｉ）（ｉ：自然数、１≦ｉ≦ｎ）とを対応付けたルックアップテーブル（ＬＵＴ）を有するものであってもよい。

このようなルックアップテーブルを用いて、尤度合成部５Ｃは、例えば、特定センサーのセンサー検出信号の信号値が、所定の値を超えた場合、それに応じて、対応する信頼度データＰ（ｉ）の値を修正するようにしてもよい。

また、第ｋ信頼度取得部（ｋ：自然数、１≦ｋ≦ｎ）に、センサーの検出信号を入力するようにしてもよい。

例えば、状態推定装置を、図２１に示すように、図１９の第１信頼度取得部９１を第１信頼度取得部９１Ａに置換し、第２信頼度取得部９２を第２信頼度取得部９２Ａに置換し、第ｎ信頼度取得部９３を第ｎ信頼度取得部９３Ａに置換した構成としてもよい。

このように構成された状態推定装置において、センサー部（図２１において不図示）は、温度センサー、照度センサー、湿度センサー、圧力センサー等により検出された信号（センサー検出信号）に基づいてセンサー検出値Ｓ＿ｄｅｔを取得し、取得したセンサー検出値Ｓ＿ｄｅｔを第１信頼度取得部９１Ａ、第２信頼度取得部９２Ａ、・・・、第ｎ信頼度取得部９３Ａに出力する。

第１信頼度取得部９１Ａは、センサー部から入力されるセンサー検出値Ｓ＿ｄｅｔ（Ｓ＿ｄｅｔ（１））と、第１観測データＤ１とに基づいて、信頼度データＰ（１）を取得し、取得した信頼度データＰ（１）を尤度合成部５Ｂに出力する。

第２信頼度取得部９２Ａは、センサー部から入力されるセンサー検出値Ｓ＿ｄｅｔ（Ｓ＿ｄｅｔ（２））と、第２観測データＤ２とに基づいて、信頼度データＰ（２）を取得し、取得した信頼度データＰ（２）を尤度合成部５Ｂに出力する。

第ｎ信頼度取得部９３Ａは、センサー部から入力されるセンサー検出値Ｓ＿ｄｅｔ（Ｓ＿ｄｅｔ（ｎ））と、第ｎ観測データＤｎとに基づいて、信頼度データＰ（ｎ）を取得し、取得した信頼度データＰ（ｎ）を尤度合成部５Ｂに出力する。

なお、第ｋ信頼度取得部（ｋ：自然数、１≦ｋ≦ｎ）における処理は、第２実施形態と第２変形例における第１信頼度取得部９Ａ、第２信頼度取得部１０Ａの処理と同様の処理であってもよい。

このようにすることで、本変形例の状態推定装置では、多様なセンサーを搭載し、センサー検出信号の信号値に基づいて、適切に信頼度データＰ（ｉ）を修正することができる。その結果、本変形例の状態推定装置では、より適切な合成尤度ｗｃを取得することができ、より精度の高い事後確率分布データＳ_ｔ｜ｔを取得することができる。

したがって、本変形例の状態推定装置では、より精度の高い事後確率分布データＳ_ｔ｜ｔを用いて、より正確かつロバストに、物体の検出処理や追跡処理を行うことができる。

なお、上記では、本変形例の状態推定装置に入力される入力データがｎ個である場合について、説明したが、これに限定されることはない。本変形例の状態推定装置を、例えば、図２２に示すように、１つの入力データＤｉｎが、共通して、ｎ個の観測取得部に入力されるように構成してもよい。

また、状態推定装置を図２３に示す構成としてもよい。つまり、状態推定装置は、図２２に示した状態推定装置において、尤度合成部５Ｂを、尤度合成部５Ｃに置換し、センサー部Ｓ１を追加した構成を有するものであってもよい。

また、状態推定装置を図２４に示す構成としてもよい。つまり、状態推定装置は、図２２に示した状態推定装置において、第１信頼度取得部９１を、センサー部（不図示）からセンサー検出値Ｓ＿ｄｅｔ（Ｓ＿ｄｅｔ（１））を入力する第１信頼度取得部９１Ａに置換し、第２信頼度取得部９２を、センサー部（不図示）からセンサー検出値Ｓ＿ｄｅｔ（Ｓ＿ｄｅｔ（２））を入力する第２信頼度取得部９２Ａに置換し、第ｎ信頼度取得部９３を、センサー部（不図示）からセンサー検出値Ｓ＿ｄｅｔ（Ｓ＿ｄｅｔ（ｎ））を入力する第ｎ信頼度取得部９３Ａに置換した構成を有するものであってもよい。

また、本変形例の状態推定装置において、ｋ個の観測取得部には、ｋ個の入力データが個別に入力されるようにし、ｍ個の観測取得部には、共通して１つの入力データが入力されるようにしてもよい。

また、信頼度データＰ（ｉ）は、２値データ（例えば、「０」または「１」をとるデータ）であってもよいし、「０」から「１」の間の連続値（０≦Ｐ（ｉ）≦１）をとるものであってもよい。

［他の実施形態］
上記実施形態および変形例を組み合わせて状態推定装置を構成するようにしてもよい。

また、上記実施形態（変形例を含む。）では、尤度を取得するときのパラメータを、ｉ番目のパーティクルの画像上の座標位置（Ｘ_ｔ ^（ｉ），Ｙ_ｔ ^（ｉ））と、当該座標位置を中心とする幅Ｗ、高さＨの矩形状の画像領域を決定するための幅Ｗ、高さＨとし、矩形領域を設定するパラメータとしたが、これに限定されることはない。

例えば、尤度を取得するときのパラメータを、ｉ番目のパーティクルの画像上の座標位置（Ｘ_ｔ ^（ｉ），Ｙ_ｔ ^（ｉ））と、当該座標位置を中心とする半径Ｒの円状の画像領域を決定するための半径Ｒとし、円領域を設定するパラメータとしてもよい。

また、尤度を取得するときのパラメータを、ｉ番目のパーティクルの画像上の座標位置（Ｘ_ｔ ^（ｉ），Ｙ_ｔ ^（ｉ））と、当該座標位置を中心とする長軸２Ａ、短軸２Ｂの楕円状の画像領域を決定するための値Ａ（長軸の長さの半分の値）、値Ｂ（短軸の長さの半分の値）とし、楕円領域を設定するパラメータとしてもよい。さらに、長軸と短軸とのなす角度θを楕円領域を設定するパラメータとして追加してもよい。

また、上記実施形態で説明した状態推定装置において、各ブロックは、ＬＳＩなどの半導体装置により個別に１チップ化されても良いし、一部又は全部を含むように１チップ化されても良い。

なお、ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。

また、集積回路化の手法はＬＳＩに限るものではなく、専用回路又は汎用プロセサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサーを利用しても良い。

また、上記各実施形態の各機能ブロックの処理の一部または全部は、プログラムにより実現されるものであってもよい。そして、上記各実施形態の各機能ブロックの処理の一部または全部は、コンピュータにおいて、中央演算装置（ＣＰＵ）により行われる。また、それぞれの処理を行うためのプログラムは、ハードディスク、ＲＯＭなどの記憶装置に格納されており、ＲＯＭにおいて、あるいはＲＡＭに読み出されて実行される。

また、上記実施形態の各処理をハードウェアにより実現してもよいし、ソフトウェア（ＯＳ（オペレーティングシステム）、ミドルウェア、あるいは、所定のライブラリとともに実現される場合を含む。）により実現してもよい。さらに、ソフトウェアおよびハードウェアの混在処理により実現しても良い。

また、上記実施形態における処理方法の実行順序は、必ずしも、上記実施形態の記載に制限されるものではなく、発明の要旨を逸脱しない範囲で、実行順序を入れ替えることができるものである。

前述した方法をコンピュータに実行させるコンピュータプログラム及びそのプログラムを記録したコンピュータ読み取り可能な記録媒体は、本発明の範囲に含まれる。ここで、コンピュータ読み取り可能な記録媒体としては、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、大容量ＤＶＤ、次世代ＤＶＤ、半導体メモリを挙げることができる。

上記コンピュータプログラムは、上記記録媒体に記録されたものに限られず、電気通信回線、無線又は有線通信回線、インターネットを代表とするネットワーク等を経由して伝送されるものであってもよい。

なお、本発明の具体的な構成は、前述の実施形態に限られるものではなく、発明の要旨を逸脱しない範囲で種々の変更および修正が可能である。

１０００、１０００Ａ、２０００ 状態推定装置
１、１Ａ 第１観測取得部
２、２Ａ 第２観測取得部
３ 第１尤度取得部
４ 第２尤度取得部
５、５Ａ 尤度合成部
６ 事後確率分布取得部
７ 事前確率分布予測部
８ 初期状態設定部
９ 第１信頼度取得部
１０ 第２信頼度取得部

Claims (9)

1. 観測対象の内部状態を推定する状態推定装置であって、
   観測可能な事象から得られる第１観測データを、任意の時間間隔で取得する第１観測取得部と、
   観測可能な事象から得られる第２観測データを、任意の時間間隔で取得する第２観測取得部と、
   前時刻ｔ−１に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻ｔにおける事前確率分布データとし、当該時刻ｔにおける事前確率分布データに対して予測処理を行い、現時刻ｔにおける観測対象の内部状態の確率分布である予測確率分布データを取得する事前確率分布予測部と、
   前記第１観測データに基づいて、第１尤度を取得する第１尤度取得部と、
   前記第２観測データに基づいて、第２尤度を取得する第２尤度取得部と、
   前記第１尤度と、前記第２尤度と、前記第１観測データの信頼度を示す第１信頼度データと、前記第２観測データの信頼度を示す第２信頼度データと、に基づいて、合成尤度を取得する尤度合成部と、
   前記合成尤度と前記予測確率分布データとから、現時刻ｔにおける観測対象の内部状態の確率分布である事後確率分布データを取得する事後確率分布取得部と、
   １または複数のセンサーにより検出された所定の物理量に基づいて、１または複数のセンサー検出値を取得するセンサー部と、
   前記第１信頼度データを取得する第１信頼度取得部と、
   前記第２信頼度データを取得する第２信頼度取得部と、
   を備え、
   前記第１観測取得部は、第１観測データの検出精度に関するデータである第１検出精度データを取得し、
   前記第２観測取得部は、第２観測データの検出精度に関するデータである第２検出精度データを取得し、
   前記第１信頼度取得部は、前記第１検出精度データに基づいて、前記第１信頼度データを取得し、
   前記第２信頼度取得部は、前記第２検出精度データに基づいて、前記第２信頼度データを取得し、
   前記尤度合成部は、
   前記センサー部により取得された前記センサー検出値に基づいて、前記第１信頼度データを修正することで修正第１信頼度データを取得し、
   前記センサー部により取得された前記センサー検出値に基づいて、前記第２信頼度データを修正することで修正第２信頼度データを取得し、
   前記修正第１信頼度データおよび前記修正第２信頼度データに基づいて、前記合成尤度を取得する、
   状態推定装置。
2. 観測対象の内部状態を推定する状態推定装置であって、
   観測可能な事象から得られる第１観測データを、任意の時間間隔で取得する第１観測取得部と、
   観測可能な事象から得られる第２観測データを、任意の時間間隔で取得する第２観測取得部と、
   前時刻ｔ−１に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻ｔにおける事前確率分布データとし、当該時刻ｔにおける事前確率分布データに対して予測処理を行い、現時刻ｔにおける観測対象の内部状態の確率分布である予測確率分布データを取得する事前確率分布予測部と、
   前記第１観測データに基づいて、第１尤度を取得する第１尤度取得部と、
   前記第２観測データに基づいて、第２尤度を取得する第２尤度取得部と、
   前記第１尤度と、前記第２尤度と、前記第１観測データの信頼度を示す第１信頼度データと、前記第２観測データの信頼度を示す第２信頼度データと、に基づいて、合成尤度を取得する尤度合成部と、
   前記合成尤度と前記予測確率分布データとから、現時刻ｔにおける観測対象の内部状態の確率分布である事後確率分布データを取得する事後確率分布取得部と、
   １または複数のセンサーにより検出された所定の物理量に基づいて、１または複数のセンサー検出値を取得するセンサー部と、
   前記第１信頼度データを取得する第１信頼度取得部と、
   前記第２信頼度データを取得する第２信頼度取得部と、
   を備え、
   前記第１観測取得部は、第１観測データの検出精度に関するデータである第１検出精度データを取得し、
   前記第２観測取得部は、第２観測データの検出精度に関するデータである第２検出精度データを取得し、
   前記第１信頼度取得部は、前記第１検出精度データに基づいて、前記第１信頼度データを取得し、
   前記第２信頼度取得部は、前記第２検出精度データに基づいて、前記第２信頼度データを取得し、
   前記第１信頼度取得部は、前記センサー部により取得された前記センサー検出値と、前記第１検出精度データとに基づいて、前記第１信頼度データを取得し、
   前記第２信頼度取得部は、前記センサー部により取得された前記センサー検出値と、前記第２検出精度データとに基づいて、前記第２信頼度データを取得する、
   状態推定装置。
3. 前記第１信頼度データは、固定値であり、
   前記第２信頼度データは、固定値である、
   請求項１または２に記載の状態推定装置。
4. 前記第１信頼度データは、２値データであり、
   前記第２信頼度データは、２値データである、
   請求項１または２に記載の状態推定装置。
5. 前記第１信頼度データは、連続値であり、
   前記第２信頼度データは、連続値である、
   請求項１または２に記載の状態推定装置。
6. 観測対象の内部状態を推定する状態推定方法をコンピュータに実行させるプログラムであって、
   観測可能な事象から得られる第１観測データを、任意の時間間隔で取得する第１観測取得ステップと、
   観測可能な事象から得られる第２観測データを、任意の時間間隔で取得する第２観測取得ステップと、
   前時刻ｔ−１に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻ｔにおける事前確率分布データとし、当該時刻ｔにおける事前確率分布データに対して予測処理を行い、現時刻ｔにおける観測対象の内部状態の確率分布である予測確率分布データを取得する事前確率分布予測ステップと、
   前記第１観測データに基づいて、第１尤度を取得する第１尤度取得ステップと、
   前記第２観測データに基づいて、第２尤度を取得する第２尤度取得ステップと、
   前記第１尤度と、前記第２尤度と、前記第１観測データの信頼度を示す第１信頼度データと、前記第２観測データの信頼度を示す第２信頼度データと、に基づいて、合成尤度を取得する合成尤度取得ステップと、
   前記合成尤度と前記予測確率分布データとから、現時刻ｔにおける観測対象の内部状態の確率分布である事後確率分布データを取得する事後確率分布取得ステップと、
   １または複数のセンサーにより検出された所定の物理量に基づいて、１または複数のセンサー検出値を取得するセンサーステップと、
   前記第１信頼度データを取得する第１信頼度取得ステップと、
   前記第２信頼度データを取得する第２信頼度取得ステップと、
   を備え、
   前記第１観測取得ステップでは、第１観測データの検出精度に関するデータである第１検出精度データを取得し、
   前記第２観測取得ステップでは、第２観測データの検出精度に関するデータである第２検出精度データを取得し、
   前記第１信頼度取得ステップでは、前記第１検出精度データに基づいて、前記第１信頼度データを取得し、
   前記第２信頼度取得ステップでは、前記第２検出精度データに基づいて、前記第２信頼度データを取得し、
   前記合成尤度取得ステップでは、
   前記センサーステップにより取得された前記センサー検出値に基づいて、前記第１信頼度データを修正することで修正第１信頼度データを取得し、
   前記センサーステップにより取得された前記センサー検出値に基づいて、前記第２信頼度データを修正することで修正第２信頼度データを取得し、
   前記修正第１信頼度データおよび前記修正第２信頼度データに基づいて、前記合成尤度を取得する、
   状態推定方法をコンピュータに実行させるプログラム。
7. 観測対象の内部状態を推定する状態推定方法をコンピュータに実行させるプログラムであって、
   観測可能な事象から得られる第１観測データを、任意の時間間隔で取得する第１観測取得ステップと、
   観測可能な事象から得られる第２観測データを、任意の時間間隔で取得する第２観測取得ステップと、
   前時刻ｔ−１に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻ｔにおける事前確率分布データとし、当該時刻ｔにおける事前確率分布データに対して予測処理を行い、現時刻ｔにおける観測対象の内部状態の確率分布である予測確率分布データを取得する事前確率分布予測ステップと、
   前記第１観測データに基づいて、第１尤度を取得する第１尤度取得ステップと、
   前記第２観測データに基づいて、第２尤度を取得する第２尤度取得ステップと、
   前記第１尤度と、前記第２尤度と、前記第１観測データの信頼度を示す第１信頼度データと、前記第２観測データの信頼度を示す第２信頼度データと、に基づいて、合成尤度を取得する合成尤度取得ステップと、
   前記合成尤度と前記予測確率分布データとから、現時刻ｔにおける観測対象の内部状態の確率分布である事後確率分布データを取得する事後確率分布取得ステップと、
   １または複数のセンサーにより検出された所定の物理量に基づいて、１または複数のセンサー検出値を取得するセンサーステップと、
   前記第１信頼度データを取得する第１信頼度取得ステップと、
   前記第２信頼度データを取得する第２信頼度取得ステップと、
   を備え、
   前記第１観測取得ステップでは、第１観測データの検出精度に関するデータである第１検出精度データを取得し、
   前記第２観測取得ステップでは、第２観測データの検出精度に関するデータである第２検出精度データを取得し、
   前記第１信頼度取得ステップでは、前記第１検出精度データに基づいて、前記第１信頼度データを取得し、
   前記第２信頼度取得ステップでは、前記第２検出精度データに基づいて、前記第２信頼度データを取得し、
   前記第１信頼度取得ステップでは、前記センサーステップにより取得された前記センサー検出値と、前記第１検出精度データとに基づいて、前記第１信頼度データを取得し、
   前記第２信頼度取得ステップでは、前記センサーステップにより取得された前記センサー検出値と、前記第２検出精度データとに基づいて、前記第２信頼度データを取得する、
   状態推定方法をコンピュータに実行させるプログラム。
8. 観測対象の内部状態を推定する集積回路であって、
   観測可能な事象から得られる第１観測データを、任意の時間間隔で取得する第１観測取得部と、
   観測可能な事象から得られる第２観測データを、任意の時間間隔で取得する第２観測取得部と、
   前時刻ｔ−１に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻ｔにおける事前確率分布データとし、当該時刻ｔにおける事前確率分布データに対して予測処理を行い、現時刻ｔにおける観測対象の内部状態の確率分布である予測確率分布データを取得する事前確率分布予測部と、
   前記第１観測データに基づいて、第１尤度を取得する第１尤度取得部と、
   前記第２観測データに基づいて、第２尤度を取得する第２尤度取得部と、
   前記第１尤度と、前記第２尤度と、前記第１観測データの信頼度を示す第１信頼度データと、前記第２観測データの信頼度を示す第２信頼度データと、に基づいて、合成尤度を取得する尤度合成部と、
   前記合成尤度と前記予測確率分布データとから、現時刻ｔにおける観測対象の内部状態の確率分布である事後確率分布データを取得する事後確率分布取得部と、
   １または複数のセンサーにより検出された所定の物理量に基づいて、１または複数のセンサー検出値を取得するセンサー部と、
   前記第１信頼度データを取得する第１信頼度取得部と、
   前記第２信頼度データを取得する第２信頼度取得部と、
   を備え、
   前記第１観測取得部は、第１観測データの検出精度に関するデータである第１検出精度データを取得し、
   前記第２観測取得部は、第２観測データの検出精度に関するデータである第２検出精度データを取得し、
   前記第１信頼度取得部は、前記第１検出精度データに基づいて、前記第１信頼度データを取得し、
   前記第２信頼度取得部は、前記第２検出精度データに基づいて、前記第２信頼度データを取得し、
   前記尤度合成部は、
   前記センサー部により取得された前記センサー検出値に基づいて、前記第１信頼度データを修正することで修正第１信頼度データを取得し、
   前記センサー部により取得された前記センサー検出値に基づいて、前記第２信頼度データを修正することで修正第２信頼度データを取得し、
   前記修正第１信頼度データおよび前記修正第２信頼度データに基づいて、前記合成尤度を取得する、
   集積回路。
9. 観測対象の内部状態を推定する集積回路であって、
   観測可能な事象から得られる第１観測データを、任意の時間間隔で取得する第１観測取得部と、
   観測可能な事象から得られる第２観測データを、任意の時間間隔で取得する第２観測取得部と、
   前時刻ｔ−１に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻ｔにおける事前確率分布データとし、当該時刻ｔにおける事前確率分布データに対して予測処理を行い、現時刻ｔにおける観測対象の内部状態の確率分布である予測確率分布データを取得する事前確率分布予測部と、
   前記第１観測データに基づいて、第１尤度を取得する第１尤度取得部と、
   前記第２観測データに基づいて、第２尤度を取得する第２尤度取得部と、
   前記第１尤度と、前記第２尤度と、前記第１観測データの信頼度を示す第１信頼度データと、前記第２観測データの信頼度を示す第２信頼度データと、に基づいて、合成尤度を取得する尤度合成部と、
   前記合成尤度と前記予測確率分布データとから、現時刻ｔにおける観測対象の内部状態の確率分布である事後確率分布データを取得する事後確率分布取得部と、
   １または複数のセンサーにより検出された所定の物理量に基づいて、１または複数のセンサー検出値を取得するセンサー部と、
   前記第１信頼度データを取得する第１信頼度取得部と、
   前記第２信頼度データを取得する第２信頼度取得部と、
   を備え、
   前記第１観測取得部は、第１観測データの検出精度に関するデータである第１検出精度データを取得し、
   前記第２観測取得部は、第２観測データの検出精度に関するデータである第２検出精度データを取得し、
   前記第１信頼度取得部は、前記第１検出精度データに基づいて、前記第１信頼度データを取得し、
   前記第２信頼度取得部は、前記第２検出精度データに基づいて、前記第２信頼度データを取得し、
   前記第１信頼度取得部は、前記センサー部により取得された前記センサー検出値と、前記第１検出精度データとに基づいて、前記第１信頼度データを取得し、
   前記第２信頼度取得部は、前記センサー部により取得された前記センサー検出値と、前記第２検出精度データとに基づいて、前記第２信頼度データを取得する、
   集積回路。