JPH11271437A - 目標追尾装置及び目標追尾方法 - Google Patents
目標追尾装置及び目標追尾方法Info
- Publication number
- JPH11271437A JPH11271437A JP10072606A JP7260698A JPH11271437A JP H11271437 A JPH11271437 A JP H11271437A JP 10072606 A JP10072606 A JP 10072606A JP 7260698 A JP7260698 A JP 7260698A JP H11271437 A JPH11271437 A JP H11271437A
- Authority
- JP
- Japan
- Prior art keywords
- target
- data
- observation
- attribute
- tracking target
- 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.)
- Granted
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
(57)【要約】
【課題】 追尾目標の色彩が中間色の場合、その中間色
を示す属性データＺk,id（ｉ）が目標観測装置１から出
力されず、その中間色に近い他の色を示す属性データＺ
k,id（ｉ）に基づいて観測データＺ k,trk （ｉ）を選択
する必要があるため、観測データＺ k,trk （ｉ）の信頼
度が低下し、追尾目標を精度よく追尾することができな
い課題があった。 【解決手段】 運動諸元相関器２４から出力された観測
データＺ k,trk （ｉ）に係る属性データＺk,id（ｉ）
と、属性データ推定器２５から出力された属性データの
推定値Ｘハットk,id（ｉ）の相関を判定し、相関関係が
ある観測データＺ k, trk （ｉ）を選択する。
を示す属性データＺk,id（ｉ）が目標観測装置１から出
力されず、その中間色に近い他の色を示す属性データＺ
k,id（ｉ）に基づいて観測データＺ k,trk （ｉ）を選択
する必要があるため、観測データＺ k,trk （ｉ）の信頼
度が低下し、追尾目標を精度よく追尾することができな
い課題があった。 【解決手段】 運動諸元相関器２４から出力された観測
データＺ k,trk （ｉ）に係る属性データＺk,id（ｉ）
と、属性データ推定器２５から出力された属性データの
推定値Ｘハットk,id（ｉ）の相関を判定し、相関関係が
ある観測データＺ k, trk （ｉ）を選択する。
Description
【０００１】
【発明の属する技術分野】この発明は、追尾目標の位置
及び属性を観測し、その観測結果に基づいて追尾目標を
追尾する目標追尾装置及び目標追尾方法に関するもので
ある。
及び属性を観測し、その観測結果に基づいて追尾目標を
追尾する目標追尾装置及び目標追尾方法に関するもので
ある。
【０００２】
【従来の技術】図１０は例えば特開平５−２８８８４０
号公報に示された従来の目標追尾装置を示す構成図であ
り、図において、１は追尾目標の位置及び属性を観測
し、その追尾目標の位置を示す観測データＺ k,trk
（ｉ）と追尾目標の属性を示す属性データＺk,id（ｉ）
を出力する目標観測装置、２は目標観測装置１から出力
された観測データＺ k,trk （ｉ）及び属性データＺk,id
（ｉ）をそれぞれ運動諸元確率分布算出器３，運動諸元
相関器４，属性データ確率分布算出器５及び追尾目標属
性信頼度算出器６に転送する観測諸元転送装置、３は現
時刻より１サンプリング前に算出された予測値Ｘハット
k,trk （−）に基づいて追尾目標からの運動諸元の確率
分布（追尾目標が存在する可能性のある領域を示す確率
分布）の平均値であるベクトルＺ k,trk （−）を算出す
るとともに、現時刻より１サンプリング前に算出された
予測誤差共分散行列Ｐk （−）と予め設定された観測誤
差共分散行列Ｒk に基づいて追尾目標からの運動諸元の
確率分布の広がりＳk を算出し、そのベクトルＺ k,trk
（−）と確率分布の広がりＳk に基づいて追尾目標から
の運動諸元の確率分布Ａ（ｉ）を求める運動諸元確率分
布算出器、４は運動諸元確率分布算出器３により算出さ
れた確率分布Ａ（ｉ）と予め設定されたパラメータｄか
ら、追尾目標と相関の可能性のある観測データＺ k,trk
（ｉ）を選択する運動諸元相関器である。
号公報に示された従来の目標追尾装置を示す構成図であ
り、図において、１は追尾目標の位置及び属性を観測
し、その追尾目標の位置を示す観測データＺ k,trk
（ｉ）と追尾目標の属性を示す属性データＺk,id（ｉ）
を出力する目標観測装置、２は目標観測装置１から出力
された観測データＺ k,trk （ｉ）及び属性データＺk,id
（ｉ）をそれぞれ運動諸元確率分布算出器３，運動諸元
相関器４，属性データ確率分布算出器５及び追尾目標属
性信頼度算出器６に転送する観測諸元転送装置、３は現
時刻より１サンプリング前に算出された予測値Ｘハット
k,trk （−）に基づいて追尾目標からの運動諸元の確率
分布（追尾目標が存在する可能性のある領域を示す確率
分布）の平均値であるベクトルＺ k,trk （−）を算出す
るとともに、現時刻より１サンプリング前に算出された
予測誤差共分散行列Ｐk （−）と予め設定された観測誤
差共分散行列Ｒk に基づいて追尾目標からの運動諸元の
確率分布の広がりＳk を算出し、そのベクトルＺ k,trk
（−）と確率分布の広がりＳk に基づいて追尾目標から
の運動諸元の確率分布Ａ（ｉ）を求める運動諸元確率分
布算出器、４は運動諸元確率分布算出器３により算出さ
れた確率分布Ａ（ｉ）と予め設定されたパラメータｄか
ら、追尾目標と相関の可能性のある観測データＺ k,trk
（ｉ）を選択する運動諸元相関器である。
【０００３】また、５は１サンプリング前に算出された
属性信頼度Ｐ（Ｊａ｜Ｚk-1 ）又はその初期値Ｐ（Ｊ
ａ）と、目標観測装置１により仮説Ｊａの元で観測され
た属性データＺk,id（ｉ）の信頼度Ｐ（Ｚk,id（ｉ）｜
Ｊａ）に基づいて追尾目標からの属性データの確率分布
Ｂ（ｉ）を算出する属性データ確率分布算出器、６は観
測データの仮説Ｊａの信頼度βk,i と、目標観測装置１
により仮説Ｊａの元で観測された属性データＺ
k,id（ｉ）の信頼度Ｐ（Ｚk,id（ｉ）｜Ｊａ）と、現時
刻より１サンプリング前に算出された追尾目標の属性信
頼度Ｐ（Ｊａ｜Ｚk-1 ）とを入力し、追尾目標の属性信
頼度Ｐ（Ｊａ｜Ｚk-1 ）を算出する追尾目標属性信頼度
算出器、７は追尾目標属性信頼度算出器６により算出さ
れた追尾目標の属性信頼度Ｐ（Ｊａ｜Ｚk-1 ）を１サン
プリング時間だけ遅延する第２の遅延回路、８は属性デ
ータ確率分布算出器５から出力された属性データの確率
分布Ｂ（ｉ）と予め設定されたパラメータＣから、追尾
目標と相関の可能性のある観測データＺ k,trk （ｉ）を
選択する属性相関器である。
属性信頼度Ｐ（Ｊａ｜Ｚk-1 ）又はその初期値Ｐ（Ｊ
ａ）と、目標観測装置１により仮説Ｊａの元で観測され
た属性データＺk,id（ｉ）の信頼度Ｐ（Ｚk,id（ｉ）｜
Ｊａ）に基づいて追尾目標からの属性データの確率分布
Ｂ（ｉ）を算出する属性データ確率分布算出器、６は観
測データの仮説Ｊａの信頼度βk,i と、目標観測装置１
により仮説Ｊａの元で観測された属性データＺ
k,id（ｉ）の信頼度Ｐ（Ｚk,id（ｉ）｜Ｊａ）と、現時
刻より１サンプリング前に算出された追尾目標の属性信
頼度Ｐ（Ｊａ｜Ｚk-1 ）とを入力し、追尾目標の属性信
頼度Ｐ（Ｊａ｜Ｚk-1 ）を算出する追尾目標属性信頼度
算出器、７は追尾目標属性信頼度算出器６により算出さ
れた追尾目標の属性信頼度Ｐ（Ｊａ｜Ｚk-1 ）を１サン
プリング時間だけ遅延する第２の遅延回路、８は属性デ
ータ確率分布算出器５から出力された属性データの確率
分布Ｂ（ｉ）と予め設定されたパラメータＣから、追尾
目標と相関の可能性のある観測データＺ k,trk （ｉ）を
選択する属性相関器である。
【０００４】また、９は運動諸元確率分布算出器３から
出力された運動諸元の確率分布Ａ（ｉ）と、属性データ
確率分布算出器５から出力された属性データの確率分布
Ｂ（ｉ）と、予め設定されたセンサの探知確率ＰD と、
目標予測存在範囲内に存在する確率ＰGKとから、観測デ
ータの仮説の信頼度βk,i を算出する探知データ信頼度
算出器、１０はゲイン行列Ｋk と、観測データの仮説の
信頼度βk,i と、現時刻より１サンプリング前に算出さ
れた予測値Ｘハット k,trk （−）と、現時刻より１サン
プリング前に算出された予測誤差共分散行列Ｐk （−）
と、属性相関器８により選択された観測データＺ k,trk
（ｉ）とから平滑誤差共分散行列Ｐk （＋）を算出する
平滑誤差評価器、１１は平滑誤差評価器１０から出力さ
れた平滑誤差共分散行列Ｐk （＋）と駆動雑音共分散行
列Ｑk-1 から予測誤差共分散行列Ｐk （−）を算出する
予測誤差評価器、１２は予測誤差評価器１１により算出
された予測誤差共分散行列Ｐk （−）を１サンプリング
時間だけ遅延する第３の遅延回路である。
出力された運動諸元の確率分布Ａ（ｉ）と、属性データ
確率分布算出器５から出力された属性データの確率分布
Ｂ（ｉ）と、予め設定されたセンサの探知確率ＰD と、
目標予測存在範囲内に存在する確率ＰGKとから、観測デ
ータの仮説の信頼度βk,i を算出する探知データ信頼度
算出器、１０はゲイン行列Ｋk と、観測データの仮説の
信頼度βk,i と、現時刻より１サンプリング前に算出さ
れた予測値Ｘハット k,trk （−）と、現時刻より１サン
プリング前に算出された予測誤差共分散行列Ｐk （−）
と、属性相関器８により選択された観測データＺ k,trk
（ｉ）とから平滑誤差共分散行列Ｐk （＋）を算出する
平滑誤差評価器、１１は平滑誤差評価器１０から出力さ
れた平滑誤差共分散行列Ｐk （＋）と駆動雑音共分散行
列Ｑk-1 から予測誤差共分散行列Ｐk （−）を算出する
予測誤差評価器、１２は予測誤差評価器１１により算出
された予測誤差共分散行列Ｐk （−）を１サンプリング
時間だけ遅延する第３の遅延回路である。
【０００５】また、１３は１サンプリング前に算出され
た予測誤差共分散行列Ｐk （−）と予め設定された観測
誤差共分散行列Ｒk からゲイン行列Ｋk を算出するゲイ
ン行列算出器、１４はゲイン行列算出器１３から出力さ
れたゲイン行列Ｋk と、探知データ信頼度算出器９から
出力された観測データの仮説の信頼度βk,i と、現時刻
より１サンプリング前に算出された予測値Ｘハット
k,trk （−）と、属性相関器８により選択された観測デ
ータＺ k,trk （ｉ）とから平滑値Ｘハット k,trk （＋）
を算出する平滑器、１５は平滑器１４により算出された
平滑値Ｘハット k,tr k （＋）から予測値Ｘハット k,trk
（−）を算出する予測器、１６は予測器１５により算出
された予測値Ｘハット k,trk （−）を１サンプリング時
間だけ遅延する第１の遅延回路である。
た予測誤差共分散行列Ｐk （−）と予め設定された観測
誤差共分散行列Ｒk からゲイン行列Ｋk を算出するゲイ
ン行列算出器、１４はゲイン行列算出器１３から出力さ
れたゲイン行列Ｋk と、探知データ信頼度算出器９から
出力された観測データの仮説の信頼度βk,i と、現時刻
より１サンプリング前に算出された予測値Ｘハット
k,trk （−）と、属性相関器８により選択された観測デ
ータＺ k,trk （ｉ）とから平滑値Ｘハット k,trk （＋）
を算出する平滑器、１５は平滑器１４により算出された
平滑値Ｘハット k,tr k （＋）から予測値Ｘハット k,trk
（−）を算出する予測器、１６は予測器１５により算出
された予測値Ｘハット k,trk （−）を１サンプリング時
間だけ遅延する第１の遅延回路である。
【０００６】次に動作について説明する。まず、目標観
測装置１は、追尾目標の位置及び属性（例えば、追尾目
標の色彩等）を観測し、その追尾目標の位置を示す観測
データＺ k,trk （ｉ）と追尾目標の属性を示す属性デー
タＺk,id（ｉ）を出力するが（例えば、追尾目標が赤色
と黄色の中間色の場合、赤色又は黄色のうち近い方の色
（例えば、赤色）を示す属性データＺk,id（ｉ）を出力
する）、図１１に示すように、追尾目標の実際の位置が
Ｐ点であっても、観測誤差等の影響で目標観測装置１の
観測結果がＤ２やＤ４点等を示すことがある。また、追
尾目標以外のクラッタ等を追尾目標と判定して、目標観
測装置１の観測結果がＤ５やＤ６点等を示すことがあ
る。
測装置１は、追尾目標の位置及び属性（例えば、追尾目
標の色彩等）を観測し、その追尾目標の位置を示す観測
データＺ k,trk （ｉ）と追尾目標の属性を示す属性デー
タＺk,id（ｉ）を出力するが（例えば、追尾目標が赤色
と黄色の中間色の場合、赤色又は黄色のうち近い方の色
（例えば、赤色）を示す属性データＺk,id（ｉ）を出力
する）、図１１に示すように、追尾目標の実際の位置が
Ｐ点であっても、観測誤差等の影響で目標観測装置１の
観測結果がＤ２やＤ４点等を示すことがある。また、追
尾目標以外のクラッタ等を追尾目標と判定して、目標観
測装置１の観測結果がＤ５やＤ６点等を示すことがあ
る。
【０００７】そこで、追尾目標の追尾精度を高めるため
には、追尾目標と相関関係がある観測データＺ k,trk
（ｉ）を選択する必要があるため、観測諸元転送装置２
が、目標観測装置１から出力された観測データＺ k,trk
（ｉ）及び属性データＺk,id（ｉ）をそれぞれ運動諸元
確率分布算出器３，運動諸元相関器４，属性データ確率
分布算出器５及び追尾目標属性信頼度算出器６に転送す
る。
には、追尾目標と相関関係がある観測データＺ k,trk
（ｉ）を選択する必要があるため、観測諸元転送装置２
が、目標観測装置１から出力された観測データＺ k,trk
（ｉ）及び属性データＺk,id（ｉ）をそれぞれ運動諸元
確率分布算出器３，運動諸元相関器４，属性データ確率
分布算出器５及び追尾目標属性信頼度算出器６に転送す
る。
【０００８】そして、運動諸元確率分布算出器３は、観
測諸元転送装置２から観測データＺ k,trk （ｉ）を受け
ると、現時刻より１サンプリング前に算出された予測値
Ｘハット k,trk （−）に基づいて追尾目標からの運動諸
元の確率分布（追尾目標が存在する可能性のある領域を
示す確率分布）の平均値であるベクトルＺ k,trk （−）
を算出するとともに、現時刻より１サンプリング前に算
出された予測誤差共分散行列Ｐk （−）と予め設定され
た観測誤差共分散行列Ｒk に基づいて追尾目標からの運
動諸元の確率分布の広がりＳk を算出する。そして、運
動諸元確率分布算出器３は、ベクトルＺ k,trk （−）と
確率分布の広がりＳk を算出すると、そのベクトルＺ
k,trk （−）と確率分布の広がりＳkに基づいて追尾目
標からの運動諸元の確率分布Ａ（ｉ）を求める（図１１
を参照）。 Ａ（ｉ）＝ｇ（Ｚ k,trk （−）；Ｚ k （−），Ｓk ）
測諸元転送装置２から観測データＺ k,trk （ｉ）を受け
ると、現時刻より１サンプリング前に算出された予測値
Ｘハット k,trk （−）に基づいて追尾目標からの運動諸
元の確率分布（追尾目標が存在する可能性のある領域を
示す確率分布）の平均値であるベクトルＺ k,trk （−）
を算出するとともに、現時刻より１サンプリング前に算
出された予測誤差共分散行列Ｐk （−）と予め設定され
た観測誤差共分散行列Ｒk に基づいて追尾目標からの運
動諸元の確率分布の広がりＳk を算出する。そして、運
動諸元確率分布算出器３は、ベクトルＺ k,trk （−）と
確率分布の広がりＳk を算出すると、そのベクトルＺ
k,trk （−）と確率分布の広がりＳkに基づいて追尾目
標からの運動諸元の確率分布Ａ（ｉ）を求める（図１１
を参照）。 Ａ（ｉ）＝ｇ（Ｚ k,trk （−）；Ｚ k （−），Ｓk ）
【０００９】このようにして、運動諸元確率分布算出器
３が運動諸元の確率分布を求めると、運動諸元相関器４
は、その運動諸元の確率分布Ａ（ｉ）と予め設定された
パラメータｄから追尾目標と相関の可能性のある観測デ
ータＺ k,trk （ｉ）を選択する（図１１の例では、Ｄ
１，Ｄ２，Ｄ３，Ｄ４の位置を示す観測データＺ k,trk
（ｉ）を選択する）。具体的には、各観測データＺ
k,trk （ｉ）毎に下記の不等式を満たすか否かを判定
し、不等式を満たす観測データＺ k,trk （ｉ）を選択す
る。 （Ｚ k,trk （ｉ）−Ｚ k,trk （−））T Ｓk -1 （Ｚ k,trk （ｉ）−Ｚ k,trk （−））≦ｄ
３が運動諸元の確率分布を求めると、運動諸元相関器４
は、その運動諸元の確率分布Ａ（ｉ）と予め設定された
パラメータｄから追尾目標と相関の可能性のある観測デ
ータＺ k,trk （ｉ）を選択する（図１１の例では、Ｄ
１，Ｄ２，Ｄ３，Ｄ４の位置を示す観測データＺ k,trk
（ｉ）を選択する）。具体的には、各観測データＺ
k,trk （ｉ）毎に下記の不等式を満たすか否かを判定
し、不等式を満たす観測データＺ k,trk （ｉ）を選択す
る。 （Ｚ k,trk （ｉ）−Ｚ k,trk （−））T Ｓk -1 （Ｚ k,trk （ｉ）−Ｚ k,trk （−））≦ｄ
【００１０】また、運動諸元相関器４により選択された
観測データＺ k,trk （ｉ）の中から更に追尾目標と相関
関係の大きい観測データＺ k,trk （ｉ）を選択するた
め、まず、追尾目標属性信頼度算出器６が、観測データ
の仮説Ｊａの信頼度βk,i と、目標観測装置１により仮
説Ｊａの元で観測された属性データＺk,id（ｉ）の信頼
度Ｐ（Ｚk,id（ｉ）｜Ｊａ）と、現時刻より１サンプリ
ング前に算出された追尾目標の属性信頼度Ｐ（Ｊａ｜Ｚ
k-1 ）とに基づいて、追尾目標の属性信頼度Ｐ（Ｊａ｜
Ｚk-1 ）を算出すると、属性データ確率分布算出器５
が、１サンプリング前に算出された属性信頼度Ｐ（Ｊａ
｜Ｚk-1 ）又はその初期値Ｐ（Ｊａ）と、目標観測装置
１により仮説Ｊａの元で観測された属性データＺ
k,id（ｉ）の信頼度Ｐ（Ｚk,id（ｉ）｜Ｊａ）に基づい
て追尾目標からの属性データの確率分布Ｂ（ｉ）を算出
する。
観測データＺ k,trk （ｉ）の中から更に追尾目標と相関
関係の大きい観測データＺ k,trk （ｉ）を選択するた
め、まず、追尾目標属性信頼度算出器６が、観測データ
の仮説Ｊａの信頼度βk,i と、目標観測装置１により仮
説Ｊａの元で観測された属性データＺk,id（ｉ）の信頼
度Ｐ（Ｚk,id（ｉ）｜Ｊａ）と、現時刻より１サンプリ
ング前に算出された追尾目標の属性信頼度Ｐ（Ｊａ｜Ｚ
k-1 ）とに基づいて、追尾目標の属性信頼度Ｐ（Ｊａ｜
Ｚk-1 ）を算出すると、属性データ確率分布算出器５
が、１サンプリング前に算出された属性信頼度Ｐ（Ｊａ
｜Ｚk-1 ）又はその初期値Ｐ（Ｊａ）と、目標観測装置
１により仮説Ｊａの元で観測された属性データＺ
k,id（ｉ）の信頼度Ｐ（Ｚk,id（ｉ）｜Ｊａ）に基づい
て追尾目標からの属性データの確率分布Ｂ（ｉ）を算出
する。
【００１１】このようにして、属性データ確率分布算出
器５が属性データの確率分布を算出すると、属性相関器
８は、その属性データの確率分布Ｂ（ｉ）と予め設定さ
れたパラメータＣから、追尾目標と相関の可能性のある
観測データＺ k,trk （ｉ）を選択する（図１２の例で
は、Ｄ１，Ｄ３の位置を示す観測データＺ k,trk （ｉ）
を選択する）。具体的には、運動諸元相関器４により選
択された各観測データＺ k,trk （ｉ）毎に下記の不等式
を満たすか否かを判定し、不等式を満たす観測データＺ
k,trk（ｉ）を選択する。 Ｂ（ｉ）＝ΣＰ（Ｚk,id（ｉ）｜Ｊａ）Ｐ（Ｊａ｜Ｚ
k-1 ）Ｃ
器５が属性データの確率分布を算出すると、属性相関器
８は、その属性データの確率分布Ｂ（ｉ）と予め設定さ
れたパラメータＣから、追尾目標と相関の可能性のある
観測データＺ k,trk （ｉ）を選択する（図１２の例で
は、Ｄ１，Ｄ３の位置を示す観測データＺ k,trk （ｉ）
を選択する）。具体的には、運動諸元相関器４により選
択された各観測データＺ k,trk （ｉ）毎に下記の不等式
を満たすか否かを判定し、不等式を満たす観測データＺ
k,trk（ｉ）を選択する。 Ｂ（ｉ）＝ΣＰ（Ｚk,id（ｉ）｜Ｊａ）Ｐ（Ｊａ｜Ｚ
k-1 ）Ｃ
【００１２】そして、属性相関器８が追尾目標と相関関
係がある観測データＺ k,trk （ｉ）を選択すると、次
に、その観測データＺ k,trk （ｉ）に基づいて次サンプ
リング時の追尾目標の位置を予測する処理を実行する。
具体的には、まず、探知データ信頼度算出器９が、運動
諸元確率分布算出器３から出力された運動諸元の確率分
布Ａ（ｉ）と、属性データ確率分布算出器５から出力さ
れた属性データの確率分布Ｂ（ｉ）と、予め設定された
センサの探知確率ＰD と、目標予測存在範囲内に存在す
る確率ＰGKとから、観測データの仮説の信頼度βk,i を
算出する。
係がある観測データＺ k,trk （ｉ）を選択すると、次
に、その観測データＺ k,trk （ｉ）に基づいて次サンプ
リング時の追尾目標の位置を予測する処理を実行する。
具体的には、まず、探知データ信頼度算出器９が、運動
諸元確率分布算出器３から出力された運動諸元の確率分
布Ａ（ｉ）と、属性データ確率分布算出器５から出力さ
れた属性データの確率分布Ｂ（ｉ）と、予め設定された
センサの探知確率ＰD と、目標予測存在範囲内に存在す
る確率ＰGKとから、観測データの仮説の信頼度βk,i を
算出する。
【００１３】そして、探知データ信頼度算出器９が観測
データの仮説の信頼度βk,i を算出すると、等速直線運
動モデルを使用する平滑誤差評価器１０が、ゲイン行列
Ｋkと、観測データの仮説の信頼度βk,i と、現時刻よ
り１サンプリング前に算出された予測値Ｘハット k,trk
（−）と、現時刻より１サンプリング前に算出された予
測誤差共分散行列Ｐk （−）と、属性相関器８により選
択された観測データＺ k,trk （ｉ）とから平滑誤差共分
散行列Ｐk （＋）を算出し、等速直線運動モデルを使用
する予測誤差評価器１１が、平滑誤差共分散行列Ｐk
（＋）と駆動雑音共分散行列Ｑk-1 から予測誤差共分散
行列Ｐk （−）を算出し、ゲイン行列算出器１３が、１
サンプリング前に算出された予測誤差共分散行列Ｐk
（−）と予め設定された観測誤差共分散行列Ｒk からゲ
イン行列Ｋk を算出する。
データの仮説の信頼度βk,i を算出すると、等速直線運
動モデルを使用する平滑誤差評価器１０が、ゲイン行列
Ｋkと、観測データの仮説の信頼度βk,i と、現時刻よ
り１サンプリング前に算出された予測値Ｘハット k,trk
（−）と、現時刻より１サンプリング前に算出された予
測誤差共分散行列Ｐk （−）と、属性相関器８により選
択された観測データＺ k,trk （ｉ）とから平滑誤差共分
散行列Ｐk （＋）を算出し、等速直線運動モデルを使用
する予測誤差評価器１１が、平滑誤差共分散行列Ｐk
（＋）と駆動雑音共分散行列Ｑk-1 から予測誤差共分散
行列Ｐk （−）を算出し、ゲイン行列算出器１３が、１
サンプリング前に算出された予測誤差共分散行列Ｐk
（−）と予め設定された観測誤差共分散行列Ｒk からゲ
イン行列Ｋk を算出する。
【００１４】このようにして、ゲイン行列算出器１３が
ゲイン行列Ｋk を算出すると、等速直線運動モデルを使
用する平滑器１４は、ゲイン行列Ｋk と、観測データの
仮説の信頼度βk,i と、現時刻より１サンプリング前に
算出された予測値Ｘハット k, trk （−）と、属性相関器
８により選択された観測データＺ k,trk （ｉ）とから平
滑値Ｘハット k,trk （＋）を算出する。そして、等速直
線運動モデルを使用する予測器１５は、平滑器１４が平
滑値Ｘハット k,trk （＋）を算出すると、その平滑値Ｘ
ハット k,trk （＋）から予測値Ｘハット k,trk （−）を
算出する。これにより、追尾目標の次サンプリング時の
位置は、Ｘハット k,trk （−）であると推定される。
ゲイン行列Ｋk を算出すると、等速直線運動モデルを使
用する平滑器１４は、ゲイン行列Ｋk と、観測データの
仮説の信頼度βk,i と、現時刻より１サンプリング前に
算出された予測値Ｘハット k, trk （−）と、属性相関器
８により選択された観測データＺ k,trk （ｉ）とから平
滑値Ｘハット k,trk （＋）を算出する。そして、等速直
線運動モデルを使用する予測器１５は、平滑器１４が平
滑値Ｘハット k,trk （＋）を算出すると、その平滑値Ｘ
ハット k,trk （＋）から予測値Ｘハット k,trk （−）を
算出する。これにより、追尾目標の次サンプリング時の
位置は、Ｘハット k,trk （−）であると推定される。
【００１５】
【発明が解決しようとする課題】従来の目標追尾装置は
以上のように構成されているので、追尾目標の色彩が原
色に近い色であれば、属性データＺk,id（ｉ）に基づい
て追尾目標と相関関係がある観測データＺ k,trk （ｉ）
を選択することができるが、追尾目標の色彩が中間色の
場合、その中間色を示す属性データＺk,id（ｉ）が目標
観測装置１から出力されず、その中間色に近い他の色を
示す属性データＺk,id（ｉ）に基づいて観測データＺ
k,trk （ｉ）を選択する必要があるため、観測データＺ
k,trk （ｉ）の信頼度が低下し、追尾目標を精度よく追
尾することができない課題があった。
以上のように構成されているので、追尾目標の色彩が原
色に近い色であれば、属性データＺk,id（ｉ）に基づい
て追尾目標と相関関係がある観測データＺ k,trk （ｉ）
を選択することができるが、追尾目標の色彩が中間色の
場合、その中間色を示す属性データＺk,id（ｉ）が目標
観測装置１から出力されず、その中間色に近い他の色を
示す属性データＺk,id（ｉ）に基づいて観測データＺ
k,trk （ｉ）を選択する必要があるため、観測データＺ
k,trk （ｉ）の信頼度が低下し、追尾目標を精度よく追
尾することができない課題があった。
【００１６】この発明は上記のような課題を解決するた
めになされたもので、追尾目標の色彩が中間色の場合で
も、追尾目標を精度よく追尾することができる目標追尾
装置及び目標追尾方法を得ることを目的とする。
めになされたもので、追尾目標の色彩が中間色の場合で
も、追尾目標を精度よく追尾することができる目標追尾
装置及び目標追尾方法を得ることを目的とする。
【００１７】
【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、位置相関手段から出力された観測データに係る
属性データと推定された属性データの相関を判定し、相
関関係がある観測データを選択するようにしたものであ
る。
装置は、位置相関手段から出力された観測データに係る
属性データと推定された属性データの相関を判定し、相
関関係がある観測データを選択するようにしたものであ
る。
【００１８】この発明に係る目標追尾装置は、観測手段
から出力された観測データに係る属性データと推定され
た属性データの相関を判定し、相関関係がある観測デー
タを選択するようにしたものである。
から出力された観測データに係る属性データと推定され
た属性データの相関を判定し、相関関係がある観測デー
タを選択するようにしたものである。
【００１９】この発明に係る目標追尾装置は、観測手段
から出力された現在の属性データと前回の推定結果から
属性データを推定するようにしたものである。
から出力された現在の属性データと前回の推定結果から
属性データを推定するようにしたものである。
【００２０】この発明に係る目標追尾装置は、複数の運
動モデルを用いて追尾目標の位置をそれぞれ予測し、各
予測結果を統合するようにしたものである。
動モデルを用いて追尾目標の位置をそれぞれ予測し、各
予測結果を統合するようにしたものである。
【００２１】この発明に係る目標追尾装置は、追尾目標
の位置を予測する際、運動モデル毎の平滑誤差共分散行
列に基づいて平滑誤差の評価値を演算するようにしたも
のである。
の位置を予測する際、運動モデル毎の平滑誤差共分散行
列に基づいて平滑誤差の評価値を演算するようにしたも
のである。
【００２２】この発明に係る目標追尾装置は、追尾目標
の位置を予測する際、運動モデル毎の予測誤差共分散行
列に基づいて予測誤差の評価値を演算するようにしたも
のである。
の位置を予測する際、運動モデル毎の予測誤差共分散行
列に基づいて予測誤差の評価値を演算するようにしたも
のである。
【００２３】この発明に係る目標追尾方法は、位置相関
ステップで選択された観測データに係る属性データと推
定された属性データの相関を判定し、相関関係がある観
測データを選択するようにしたものである。
ステップで選択された観測データに係る属性データと推
定された属性データの相関を判定し、相関関係がある観
測データを選択するようにしたものである。
【００２４】この発明に係る目標追尾方法は、観測ステ
ップで観測された観測データに係る属性データと推定さ
れた属性データの相関を判定し、相関関係がある観測デ
ータを選択するようにしたものである。
ップで観測された観測データに係る属性データと推定さ
れた属性データの相関を判定し、相関関係がある観測デ
ータを選択するようにしたものである。
【００２５】この発明に係る目標追尾方法は、現在の属
性データと前回の推定結果から属性データを推定するよ
うにしたものである。
性データと前回の推定結果から属性データを推定するよ
うにしたものである。
【００２６】この発明に係る目標追尾方法は、複数の運
動モデルを用いて追尾目標の位置をそれぞれ予測し、各
予測結果を統合するようにしたものである。
動モデルを用いて追尾目標の位置をそれぞれ予測し、各
予測結果を統合するようにしたものである。
【００２７】この発明に係る目標追尾方法は、追尾目標
の位置を予測する際、運動モデル毎の平滑誤差共分散行
列に基づいて平滑誤差の評価値を演算するようにしたも
のである。
の位置を予測する際、運動モデル毎の平滑誤差共分散行
列に基づいて平滑誤差の評価値を演算するようにしたも
のである。
【００２８】この発明に係る目標追尾方法は、追尾目標
の位置を予測する際、運動モデル毎の予測誤差共分散行
列に基づいて予測誤差の評価値を演算するようにしたも
のである。
の位置を予測する際、運動モデル毎の予測誤差共分散行
列に基づいて予測誤差の評価値を演算するようにしたも
のである。
【００２９】
【発明の実施の形態】以下、この発明の実施の一形態を
説明する。 実施の形態１．図１はこの発明の実施の形態１による目
標追尾装置を示す構成図であり、図において、２１は追
尾目標の位置及び属性を観測し、その追尾目標の位置を
示す観測データＺ k,trk （ｉ）と追尾目標の属性を示す
属性データＺk,id（ｉ）を出力する目標観測装置（観測
手段）、２２は目標観測装置２１から出力された観測デ
ータＺ k,trk （ｉ）及び属性データＺk,id（ｉ）をそれ
ぞれ運動諸元確率分布算出器２３，運動諸元相関器２
４，属性データ推定器２５及び探知データ信頼度算出器
２９に転送する観測諸元転送装置である。
説明する。 実施の形態１．図１はこの発明の実施の形態１による目
標追尾装置を示す構成図であり、図において、２１は追
尾目標の位置及び属性を観測し、その追尾目標の位置を
示す観測データＺ k,trk （ｉ）と追尾目標の属性を示す
属性データＺk,id（ｉ）を出力する目標観測装置（観測
手段）、２２は目標観測装置２１から出力された観測デ
ータＺ k,trk （ｉ）及び属性データＺk,id（ｉ）をそれ
ぞれ運動諸元確率分布算出器２３，運動諸元相関器２
４，属性データ推定器２５及び探知データ信頼度算出器
２９に転送する観測諸元転送装置である。
【００３０】また、２３は現時刻より１サンプリング前
に算出された予測値Ｘハット k,trk（−）に基づいて追
尾目標からの運動諸元の確率分布（追尾目標が存在する
可能性のある領域を示す確率分布）の平均値であるベク
トルＺ k,trk （−）を算出するとともに、現時刻より１
サンプリング前に算出された予測誤差共分散行列Ｐ
k（−）と予め設定された観測誤差共分散行列Ｒk に基
づいて追尾目標からの運動諸元の確率分布の広がりＳk
を算出し、そのベクトルＺ k,trk （−）と確率分布の広
がりＳk に基づいて追尾目標からの運動諸元の確率分布
Ａ（ｉ）を求める運動諸元確率分布算出器（位置相関手
段）、２４は運動諸元確率分布算出器２３により算出さ
れた確率分布Ａ（ｉ）と予め設定されたパラメータｄか
ら、追尾目標と相関の可能性のある観測データＺ k,trk
（ｉ）を選択する運動諸元相関器（位置相関手段）であ
る。
に算出された予測値Ｘハット k,trk（−）に基づいて追
尾目標からの運動諸元の確率分布（追尾目標が存在する
可能性のある領域を示す確率分布）の平均値であるベク
トルＺ k,trk （−）を算出するとともに、現時刻より１
サンプリング前に算出された予測誤差共分散行列Ｐ
k（−）と予め設定された観測誤差共分散行列Ｒk に基
づいて追尾目標からの運動諸元の確率分布の広がりＳk
を算出し、そのベクトルＺ k,trk （−）と確率分布の広
がりＳk に基づいて追尾目標からの運動諸元の確率分布
Ａ（ｉ）を求める運動諸元確率分布算出器（位置相関手
段）、２４は運動諸元確率分布算出器２３により算出さ
れた確率分布Ａ（ｉ）と予め設定されたパラメータｄか
ら、追尾目標と相関の可能性のある観測データＺ k,trk
（ｉ）を選択する運動諸元相関器（位置相関手段）であ
る。
【００３１】また、２５は観測データの仮説Ｘk,i の信
頼度βk,i と、現時刻より１サンプリング前に算出した
属性データの推定値Ｘハットk-1,id（ｉ）と、現在の属
性データＺk,id（ｉ）とから、現時刻における属性デー
タの推定値Ｘハットk,id（ｉ）を算出する属性データ推
定器（推定手段）、２６は属性データ推定器２５により
算出された属性データの推定値Ｘハットk,id（ｉ）を１
サンプリング時間だけ遅延する第２の遅延回路、２７は
運動諸元相関器２４により選択された観測データＺ
k,trk （ｉ）のうち、現時刻における属性データの推定
値Ｘハットk,id（ｉ）と予め設定された属性データの観
測誤差分散σ2 id から、追尾目標と相関の可能性のある
観測データＺ k,trk （ｉ）を選択し、また、追尾目標か
らの属性データの確率分布Ｃ（ｉ）を算出する属性相関
器（属性相関手段）である。
頼度βk,i と、現時刻より１サンプリング前に算出した
属性データの推定値Ｘハットk-1,id（ｉ）と、現在の属
性データＺk,id（ｉ）とから、現時刻における属性デー
タの推定値Ｘハットk,id（ｉ）を算出する属性データ推
定器（推定手段）、２６は属性データ推定器２５により
算出された属性データの推定値Ｘハットk,id（ｉ）を１
サンプリング時間だけ遅延する第２の遅延回路、２７は
運動諸元相関器２４により選択された観測データＺ
k,trk （ｉ）のうち、現時刻における属性データの推定
値Ｘハットk,id（ｉ）と予め設定された属性データの観
測誤差分散σ2 id から、追尾目標と相関の可能性のある
観測データＺ k,trk （ｉ）を選択し、また、追尾目標か
らの属性データの確率分布Ｃ（ｉ）を算出する属性相関
器（属性相関手段）である。
【００３２】また、２８は属性相関器２７により選択さ
れた観測データＺ k,trk （ｉ）に基づいて追尾目標の位
置を予測する予測装置（予測手段）、２９は運動諸元確
率分布算出器２３から出力された運動諸元の確率分布Ａ
（ｉ）と、属性相関器２７から出力された属性データの
確率分布Ｃ（ｉ）と、予め設定されたセンサの探知確率
ＰD と、目標予測存在範囲内に存在する確率ＰGKとか
ら、観測データの仮説の信頼度βk,i を算出する探知デ
ータ信頼度算出器、３０はゲイン行列Ｋk と、観測デー
タの仮説の信頼度βk,i と、現時刻より１サンプリング
前に算出された予測値Ｘハット k,trk （−）と、現時刻
より１サンプリング前に算出された予測誤差共分散行列
Ｐk （−）と、属性相関器２７により選択されたｍk 個
の観測データＺ k,trk （ｉ）とから平滑誤差共分散行列
Ｐk （＋）を算出する平滑誤差評価器、３１は平滑誤差
評価器３０から出力された平滑誤差共分散行列Ｐk
（＋）と駆動雑音共分散行列Ｑk-1 から予測誤差共分散
行列Ｐk （−）を算出する予測誤差評価器、３２は予測
誤差評価器３１により算出された予測誤差共分散行列Ｐ
k（−）を１サンプリング時間だけ遅延する第３の遅延
回路である。
れた観測データＺ k,trk （ｉ）に基づいて追尾目標の位
置を予測する予測装置（予測手段）、２９は運動諸元確
率分布算出器２３から出力された運動諸元の確率分布Ａ
（ｉ）と、属性相関器２７から出力された属性データの
確率分布Ｃ（ｉ）と、予め設定されたセンサの探知確率
ＰD と、目標予測存在範囲内に存在する確率ＰGKとか
ら、観測データの仮説の信頼度βk,i を算出する探知デ
ータ信頼度算出器、３０はゲイン行列Ｋk と、観測デー
タの仮説の信頼度βk,i と、現時刻より１サンプリング
前に算出された予測値Ｘハット k,trk （−）と、現時刻
より１サンプリング前に算出された予測誤差共分散行列
Ｐk （−）と、属性相関器２７により選択されたｍk 個
の観測データＺ k,trk （ｉ）とから平滑誤差共分散行列
Ｐk （＋）を算出する平滑誤差評価器、３１は平滑誤差
評価器３０から出力された平滑誤差共分散行列Ｐk
（＋）と駆動雑音共分散行列Ｑk-1 から予測誤差共分散
行列Ｐk （−）を算出する予測誤差評価器、３２は予測
誤差評価器３１により算出された予測誤差共分散行列Ｐ
k（−）を１サンプリング時間だけ遅延する第３の遅延
回路である。
【００３３】さらに、３３は１サンプリング前に算出さ
れた予測誤差共分散行列Ｐk （−）と予め設定された観
測誤差共分散行列Ｒk からゲイン行列Ｋk を算出するゲ
イン行列算出器、３４はゲイン行列算出器３３から出力
されたゲイン行列Ｋk と、探知データ信頼度算出器２９
から出力された観測データの仮説の信頼度βk,i と、現
時刻より１サンプリング前に算出された予測値Ｘハット
k,trk （−）と、属性相関器２７により選択されたｍk
個の観測データＺ k,trk （ｉ）とから平滑値Ｘハット
k,trk （＋）を算出する平滑器、３５は平滑器３４によ
り算出された平滑値Ｘハット k,trk （＋）から予測値Ｘ
ハット k,trk （−）を算出する予測器、３６は予測器３
５により算出された予測値Ｘハット k,trk （−）を１サ
ンプリング時間だけ遅延する第１の遅延回路である。な
お、図２はこの発明の実施の形態１による目標追尾方法
を示すフローチャートである。
れた予測誤差共分散行列Ｐk （−）と予め設定された観
測誤差共分散行列Ｒk からゲイン行列Ｋk を算出するゲ
イン行列算出器、３４はゲイン行列算出器３３から出力
されたゲイン行列Ｋk と、探知データ信頼度算出器２９
から出力された観測データの仮説の信頼度βk,i と、現
時刻より１サンプリング前に算出された予測値Ｘハット
k,trk （−）と、属性相関器２７により選択されたｍk
個の観測データＺ k,trk （ｉ）とから平滑値Ｘハット
k,trk （＋）を算出する平滑器、３５は平滑器３４によ
り算出された平滑値Ｘハット k,trk （＋）から予測値Ｘ
ハット k,trk （−）を算出する予測器、３６は予測器３
５により算出された予測値Ｘハット k,trk （−）を１サ
ンプリング時間だけ遅延する第１の遅延回路である。な
お、図２はこの発明の実施の形態１による目標追尾方法
を示すフローチャートである。
【００３４】次に動作について説明する。具体的な動作
を説明する前に、実施の形態１による目標追尾装置の原
理を説明する。まず、追尾目標の真値を表す状態ベクト
ルを式（１）のように定義する。ただし、ベクトルを表
す記号にはアンダーラインを付する。式（１）におい
て、追尾目標の真値を表す状態ベクトルは、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Ｘ
k,trk （ｉ）と、属性データの真値を表す状態ベクトル
Ｘk,id（ｉ）を成分とするベクトルＸ k 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。
を説明する前に、実施の形態１による目標追尾装置の原
理を説明する。まず、追尾目標の真値を表す状態ベクト
ルを式（１）のように定義する。ただし、ベクトルを表
す記号にはアンダーラインを付する。式（１）におい
て、追尾目標の真値を表す状態ベクトルは、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Ｘ
k,trk （ｉ）と、属性データの真値を表す状態ベクトル
Ｘk,id（ｉ）を成分とするベクトルＸ k 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。
【００３５】
【数１】
【００３６】ここで、ベクトルＸ k,trk （ｉ）はサンプ
リング時刻ｔk における追尾目標の運動諸元の真値を表
す状態ベクトルであり、直交座標における追尾目標の位
置ベクトルを式（３）、直交座標における追尾目標の速
度ベクトルを式（４）とした場合には、式（５）で表さ
れる。ここで、ベクトルＡT はベクトルＡの転置ベクト
ルを表す。
リング時刻ｔk における追尾目標の運動諸元の真値を表
す状態ベクトルであり、直交座標における追尾目標の位
置ベクトルを式（３）、直交座標における追尾目標の速
度ベクトルを式（４）とした場合には、式（５）で表さ
れる。ここで、ベクトルＡT はベクトルＡの転置ベクト
ルを表す。
【００３７】
【数２】
【００３８】また、Φk-1 はサンプリング時刻ｔk-1 か
らサンプリング時刻ｔk に推移する状態ベクトルＸ
k,trk （ｉ）の推移行列で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。
らサンプリング時刻ｔk に推移する状態ベクトルＸ
k,trk （ｉ）の推移行列で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。
【００３９】
【数３】
【００４０】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）
ωk-1 とみれば、サンプリング時刻ｔk における駆動雑
音ベクトルωk-1 は加速度ベクトルに相当し、Ｅを平均
を表す記号として、平均０ベクトルの３次元正規分布白
色雑音で、式（８）及び式（９）とする。
と仮定したことによる打ち切り誤差項をΓ1 （ｋ−１）
ωk-1 とみれば、サンプリング時刻ｔk における駆動雑
音ベクトルωk-1 は加速度ベクトルに相当し、Ｅを平均
を表す記号として、平均０ベクトルの３次元正規分布白
色雑音で、式（８）及び式（９）とする。
【００４１】
【数４】
【００４２】ここで、０は零ベクトル、Ｑｋ はサンプ
リング時刻ｔk における駆動雑音共分散行列である。Γ
1 （ｋ）はサンプリング時刻ｔk における駆動雑音ベク
トルの変換行列で、式（１０）で表される。
リング時刻ｔk における駆動雑音共分散行列である。Γ
1 （ｋ）はサンプリング時刻ｔk における駆動雑音ベク
トルの変換行列で、式（１０）で表される。
【００４３】
【数５】
【００４４】次に観測モデルを以下のように定義する。
サンプル時刻ｔk における位置を示す観測データと、属
性を示す属性データの組みを式（１１）とする。ここ
で、ベクトルＺ k,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。
サンプル時刻ｔk における位置を示す観測データと、属
性を示す属性データの組みを式（１１）とする。ここ
で、ベクトルＺ k,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。
【００４５】
【数６】
【００４６】追尾目標の観測位置に関する観測モデルを
式（１２）のように定義する。ここで、Ｈはサンプリン
グ時刻ｔk における観測行列である。また、ベクトルν
k 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あって、平均ベクトル０の
３次元正規白色雑音であり、Ｅを平均を表す記号として
式（１３），（１４）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（１２）のように定義する。ここで、Ｈはサンプリン
グ時刻ｔk における観測行列である。また、ベクトルν
k 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あって、平均ベクトル０の
３次元正規白色雑音であり、Ｅを平均を表す記号として
式（１３），（１４）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。
【００４７】
【数７】
【００４８】追尾目標からの属性データに関する観測モ
デルを式（１５）のように定義する。
デルを式（１５）のように定義する。
【００４９】
【数８】
【００５０】ここで、ν2,k はサンプリング時刻ｔk に
おける属性観測データに対応した観測雑音で、平均０、
分散σidの正規白色雑音である。
おける属性観測データに対応した観測雑音で、平均０、
分散σidの正規白色雑音である。
【００５１】追尾対象目標以外からの観測データは空間
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観測データが目標予測存
在範囲内に存在する総数は、平均βk FT ＶGK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観測データが目標予測存
在範囲内に存在する総数は、平均βk FT ＶGKのポアソン
分布に従うとする。
【００５２】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観測データの総数
をｍk 、観測データを式（１６）で表す。ここで、ベク
トルＺ k,i はｉ番目の観測ベクトルであり、その全体を
式（１７）で表す。また、サンプリング時刻ｔ1 からｔ
k までの観測ベクトルの全体を式（１８）で、観測ベク
トルの総数を式（１９）で定義する。
相関をとるべき目標予測存在範囲内の観測データの総数
をｍk 、観測データを式（１６）で表す。ここで、ベク
トルＺ k,i はｉ番目の観測ベクトルであり、その全体を
式（１７）で表す。また、サンプリング時刻ｔ1 からｔ
k までの観測ベクトルの全体を式（１８）で、観測ベク
トルの総数を式（１９）で定義する。
【００５３】
【数９】
【００５４】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Ｚ k,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、式（２０）のようになる。
率分布について示す。観測ベクトルＺ k,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、式（２０）のようになる。
【００５５】
【数１０】
【００５６】ここで、式（２１）は追尾対象目標からの
属性データの確率分布であり、式（２２）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。
属性データの確率分布であり、式（２２）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。
【００５７】
【数１１】
【００５８】追尾対象目標からの運動諸元の確率分布
は、式（２３）に示す条件付き確率密度関数で表される
とする。ここで、式（２３）の右辺は平均ベクトルＺ k
（−）、共分散行列Ｓk の３次元正規分布のＺ k,trk
（ｉ）における確率密度である。即ち、追尾対象目標か
らの観測データは式（２４）で与えられる目標予測位置
ベクトルＺ k,trk （−）を平均とし、式（２５）で与え
られる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Ｘハット k,trk （−）は予測値
で、式（２６）で表され、Ｐk （−）は予測誤差共分散
行列で、式（２７）で表される。
は、式（２３）に示す条件付き確率密度関数で表される
とする。ここで、式（２３）の右辺は平均ベクトルＺ k
（−）、共分散行列Ｓk の３次元正規分布のＺ k,trk
（ｉ）における確率密度である。即ち、追尾対象目標か
らの観測データは式（２４）で与えられる目標予測位置
ベクトルＺ k,trk （−）を平均とし、式（２５）で与え
られる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Ｘハット k,trk （−）は予測値
で、式（２６）で表され、Ｐk （−）は予測誤差共分散
行列で、式（２７）で表される。
【００５９】一方、追尾対象目標からの属性データの確
率分布は、式（２８）に示す条件付き確率密度関数で表
されるとする。ここで、式（２８）の右辺は平均Ｘハッ
トk- 1,id、分散σ2 id の正規分布のＺk,id（ｉ）におけ
る確率密度である。即ち、追尾対象目標からの観測デー
タは式（２４）で与えられる１サンプリング前の属性デ
ータの推定値Ｘハットk-1,id（ｉ）を平均とし、σidを
分散とする正規分布に従うとする。
率分布は、式（２８）に示す条件付き確率密度関数で表
されるとする。ここで、式（２８）の右辺は平均Ｘハッ
トk- 1,id、分散σ2 id の正規分布のＺk,id（ｉ）におけ
る確率密度である。即ち、追尾対象目標からの観測デー
タは式（２４）で与えられる１サンプリング前の属性デ
ータの推定値Ｘハットk-1,id（ｉ）を平均とし、σidを
分散とする正規分布に従うとする。
【００６０】
【数１２】
【００６１】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Ｚ k,trk
（ｉ）がｄをパラメータとして式（２９）を満たすと
き、観測データベクトルＺ k,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Ｚ k,trk
（ｉ）がｄをパラメータとして式（２９）を満たすと
き、観測データベクトルＺ k,trk （ｉ）は追尾目標と相
関があると判定する。
【００６２】
【数１３】
【００６３】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（２９）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り、図におい
て、Ｐは追尾目標からの観測が予測される点である式
（２４）の目標予測位置ベクトルＺ k,trk （−）、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（２５）のより線形代数学により
算出され、Ｄ１〜Ｄ６は観測データである。
次元が２次元の場合について式（２９）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り、図におい
て、Ｐは追尾目標からの観測が予測される点である式
（２４）の目標予測位置ベクトルＺ k,trk （−）、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（２５）のより線形代数学により
算出され、Ｄ１〜Ｄ６は観測データである。
【００６４】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（３０）に示すようにＰGKと書
く。ここで、ＧK は式（３１）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（３０）に示すようにＰGKと書
く。ここで、ＧK は式（３１）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ｄの値に
よって一意的に決まる。
【００６５】
【数１４】
【００６６】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Ｚk,id（ｉ）がＭ
をパラメータとして式（３２）を満たすとき、観測デー
タベクトルＺk,i は式（２９）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。
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Ｚk,id（ｉ）がＭ
をパラメータとして式（３２）を満たすとき、観測デー
タベクトルＺk,i は式（２９）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。
【００６７】
【数１５】
【００６８】追尾対象目標の属性データが相関をとるべ
き範囲内に存在する確率を式（３３）に示すようにＰLK
と書く。ここで、ＬK は式（３４）で表される属性デー
タの範囲の領域である。なお、確率論によりＬK はＭの
値によって一意的に決まる。図４は、簡単な２次元の例
として式（３２）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
において、観測データＤ２及びＤ４は式（２９）を満た
し、目標予測存在範囲に存在しているが、式（３２）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。
き範囲内に存在する確率を式（３３）に示すようにＰLK
と書く。ここで、ＬK は式（３４）で表される属性デー
タの範囲の領域である。なお、確率論によりＬK はＭの
値によって一意的に決まる。図４は、簡単な２次元の例
として式（３２）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
において、観測データＤ２及びＤ４は式（２９）を満た
し、目標予測存在範囲に存在しているが、式（３２）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。
【００６９】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 が追尾目標からの観測ベクトル
であるとの仮説をＸk,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、
追尾目標より観測ベクトルが得られないとの仮説をＸ
k,0 と書く。サンプリング時刻ｔk までの情報Ｚk によ
る仮説Ｘk,i の信頼度をβk,i と書く。ここで、確率論
より式（３５）が成立する。
測データベクトルＺk,i が追尾目標からの観測ベクトル
であるとの仮説をＸk,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、
追尾目標より観測ベクトルが得られないとの仮説をＸ
k,0 と書く。サンプリング時刻ｔk までの情報Ｚk によ
る仮説Ｘk,i の信頼度をβk,i と書く。ここで、確率論
より式（３５）が成立する。
【００７０】
【数１６】
【００７１】以下に観測データにおける位置等の運動諸
元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Ｘk,0 が正しいとの信頼
度βk,0 は、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Ｘk,0 の観測データが得られる
信頼度に、得られたｍk 個の観測データ全てが追尾目標
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Ｘk,i が正
しいとの信頼度βk,i は、サンプリング時刻ｔk におい
て観測データが得られない時点において仮説Ｘk,i 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Ｚk,i が追尾目標からの観測データで、ｍk −１個
の観測データが追尾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。
元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Ｘk,0 が正しいとの信頼
度βk,0 は、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Ｘk,0 の観測データが得られる
信頼度に、得られたｍk 個の観測データ全てが追尾目標
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Ｘk,i が正
しいとの信頼度βk,i は、サンプリング時刻ｔk におい
て観測データが得られない時点において仮説Ｘk,i 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Ｚk,i が追尾目標からの観測データで、ｍk −１個
の観測データが追尾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。
【００７２】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Ｘk,0 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観測データが得られな
い確率１−Ｐd ＰGKに、追尾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（３６）により求まる。ここで、目標が探知さ
れる確率をＰd とすれば、追尾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Ｐd ＰGKであり、また、
目標予測存在範囲内の追尾目標以外からの観測データの
総数は、平均βk FT ＶGKのポアソン分布に従い求められ
ている。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Ｘk,i 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目標が探知される確率
Ｐd ＰGKに、属性データが予測範囲内に存在する確率Ｐ
LKと、追尾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（３
７）により求まる。
れない時点において仮説Ｘk,0 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観測データが得られな
い確率１−Ｐd ＰGKに、追尾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（３６）により求まる。ここで、目標が探知さ
れる確率をＰd とすれば、追尾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Ｐd ＰGKであり、また、
目標予測存在範囲内の追尾目標以外からの観測データの
総数は、平均βk FT ＶGKのポアソン分布に従い求められ
ている。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Ｘk,i 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目標が探知される確率
Ｐd ＰGKに、属性データが予測範囲内に存在する確率Ｐ
LKと、追尾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（３
７）により求まる。
【００７３】
【数１７】
【００７４】次に、サンプリング時刻ｔk で観測データ
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。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を一様とすると、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より式（３８）で与えら
れる。また、得られた１つの観測データが追尾目標から
の観測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（３０）のＰGK及び式（２３）の
追尾目標からの運動諸元の確率分布により式（３９）で
与えられる。サンプリング時刻ｔk において仮説Ｘk,0
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、即ち、サン
プリングｔk-1までの情報Ｚk-1 及び仮説Ｘk,0 に基づ
く全観測データＺk の信頼度は、式（２８）より式（４
０）で与えられる。また、サンプリング時刻ｔk におい
て仮説Ｘk,i に基づき得られる全観測データ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、即ち、サンプリング時刻ｔ
k-1 までの情報Ｚk-1 及び仮説Ｘk,i に基づく全観測デ
ータＺk の信頼度は、式（３８）及び（３９）より式
（４１）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。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を一様とすると、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より式（３８）で与えら
れる。また、得られた１つの観測データが追尾目標から
の観測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（３０）のＰGK及び式（２３）の
追尾目標からの運動諸元の確率分布により式（３９）で
与えられる。サンプリング時刻ｔk において仮説Ｘk,0
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、即ち、サン
プリングｔk-1までの情報Ｚk-1 及び仮説Ｘk,0 に基づ
く全観測データＺk の信頼度は、式（２８）より式（４
０）で与えられる。また、サンプリング時刻ｔk におい
て仮説Ｘk,i に基づき得られる全観測データ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、即ち、サンプリング時刻ｔ
k-1 までの情報Ｚk-1 及び仮説Ｘk,i に基づく全観測デ
ータＺk の信頼度は、式（３８）及び（３９）より式
（４１）で与えられる。
【００７５】
【数１８】
【００７６】従って、サンプリング時刻ｔk までの情報
Ｚk に基づく仮説Ｘk,0 の信頼度βk,0 は式（３６）と
式（４０）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
Ｘk,i の信頼度βk,i は式（３７）と式（４１）を乗算
した値に比例すると考えてよく、式（３４）を使用して
正規化を行い、式（４２）〜（４４）を得る。
Ｚk に基づく仮説Ｘk,0 の信頼度βk,0 は式（３６）と
式（４０）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
Ｘk,i の信頼度βk,i は式（３７）と式（４１）を乗算
した値に比例すると考えてよく、式（３４）を使用して
正規化を行い、式（４２）〜（４４）を得る。
【００７７】
【数１９】
【００７８】次に、サンプル時刻ｔk における追尾目標
の属性データの推定方法について示す。サンプル時刻ｔ
k において、属性データＺk,id（ｉ）が得られた時点で
の属性データの推定値は最小自乗フィルターにて以下の
式で算出できる。ここで、属性データの観測データとし
て、観測データを信頼度で重み付け平均した値を使用す
る。
の属性データの推定方法について示す。サンプル時刻ｔ
k において、属性データＺk,id（ｉ）が得られた時点で
の属性データの推定値は最小自乗フィルターにて以下の
式で算出できる。ここで、属性データの観測データとし
て、観測データを信頼度で重み付け平均した値を使用す
る。
【００７９】
【数２０】
【００８０】以下に平滑及び予測処理の方法について示
す。即ち、通常のカルマンフィルタ理論により式（４
６）〜式（５２）となる。ここで、ベクトルＸハット
k,trk （＋）は式（５１）のように定義されている平滑
ベクトルで、Ｐk （＋）は式（５２）のように定義され
ている平滑誤差共分散行列、Ｋk はカルマンゲイン行列
である。
す。即ち、通常のカルマンフィルタ理論により式（４
６）〜式（５２）となる。ここで、ベクトルＸハット
k,trk （＋）は式（５１）のように定義されている平滑
ベクトルで、Ｐk （＋）は式（５２）のように定義され
ている平滑誤差共分散行列、Ｋk はカルマンゲイン行列
である。
【００８１】
【数２１】
【００８２】全ての観測デ−タの仮説の基での目標位
置、速度の平滑ベクトルは、各仮説の基で求めた平滑ベ
クトルを各仮説の信頼度を用いて統合することによって
算出される。式（５１）に示す平滑ベクトルは式（５
３）のように展開され、各仮説に式（４８）を適用した
場合の平滑ベクトルをＸハット k,i （＋）とすると、式
（５３）は式（５４）及び式（５５）のようになる。各
仮説の平滑ベクトルは、仮説Ｘk,0 の場合には追尾目標
から観測値が得られない仮説なので、メモリ−トラック
となって式（５６）のようになり、仮説Ｘk, i の場合に
は観測デ−タベクトルＺk,i が１つ得られた仮説なので
式（４８）の通常のカルマンフィルタ理論を使用して式
（５７）のようになる。したがって、式（５４）に式
（５６）及び式（５７）を代入して式（５８）が得られ
る。
置、速度の平滑ベクトルは、各仮説の基で求めた平滑ベ
クトルを各仮説の信頼度を用いて統合することによって
算出される。式（５１）に示す平滑ベクトルは式（５
３）のように展開され、各仮説に式（４８）を適用した
場合の平滑ベクトルをＸハット k,i （＋）とすると、式
（５３）は式（５４）及び式（５５）のようになる。各
仮説の平滑ベクトルは、仮説Ｘk,0 の場合には追尾目標
から観測値が得られない仮説なので、メモリ−トラック
となって式（５６）のようになり、仮説Ｘk, i の場合に
は観測デ−タベクトルＺk,i が１つ得られた仮説なので
式（４８）の通常のカルマンフィルタ理論を使用して式
（５７）のようになる。したがって、式（５４）に式
（５６）及び式（５７）を代入して式（５８）が得られ
る。
【００８３】
【数２２】
【００８４】上記、全ての観測デ−タの仮説の基での目
標位置、速度の平滑ベクトルの平滑誤差共分散行列は以
下のように算出される。条件付き共分散行列の理論に式
（５９）が得られる。また、式（３４）、式（５３）、
式（５５）より式（６０）が得られる。ここで、Ｐk ’
（＋）は各仮説に対する平滑誤差共分散行列で、式（６
１）のように定義され、式（５７）が通常のカルマンフ
ィルタ理論により求まることにより式（６２）のように
なる。式（５９）に式（６０）及び式（５６）〜式（５
８）を代入して整理すると式（６３）〜式（６５）が得
られる。
標位置、速度の平滑ベクトルの平滑誤差共分散行列は以
下のように算出される。条件付き共分散行列の理論に式
（５９）が得られる。また、式（３４）、式（５３）、
式（５５）より式（６０）が得られる。ここで、Ｐk ’
（＋）は各仮説に対する平滑誤差共分散行列で、式（６
１）のように定義され、式（５７）が通常のカルマンフ
ィルタ理論により求まることにより式（６２）のように
なる。式（５９）に式（６０）及び式（５６）〜式（５
８）を代入して整理すると式（６３）〜式（６５）が得
られる。
【００８５】
【数２３】
【００８６】上記、全ての観測デ−タの仮説の基での目
標位置、速度の平滑ベクトルの予測誤差共分散行列は、
式（４６）及び式（４７）に表される通常のカルマンフ
ィルタ理論による式で算出される。
標位置、速度の平滑ベクトルの予測誤差共分散行列は、
式（４６）及び式（４７）に表される通常のカルマンフ
ィルタ理論による式で算出される。
【００８７】次に、図１の目標追尾装置の具体的な動作
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、目標の位置、速度の平
滑値及び平滑誤差共分散行列の初期値は予め定まってい
るものとする。
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、目標の位置、速度の平
滑値及び平滑誤差共分散行列の初期値は予め定まってい
るものとする。
【００８８】まず、目標観測装置２１は、追尾目標の位
置及び属性（例えば、追尾目標の色彩等）を観測し（ス
テップＳＴ１）、その追尾目標の位置を示す観測データ
Ｚ k, trk （ｉ）と追尾目標の属性を示す属性データＺ
k,id（ｉ）を出力するが（追尾目標が赤色と黄色の中間
色の場合でも、その中間色を示す属性データＺ
k,id（ｉ）を出力する）、図３に示すように、追尾目標
の実際の位置がＰ点であっても、観測誤差等の影響で目
標観測装置２１の観測結果がＤ２やＤ４点等を示すこと
がある。また、追尾目標以外のクラッタ等を追尾目標と
判定して、目標観測装置２１の観測結果がＤ５やＤ６点
等を示すことがある。
置及び属性（例えば、追尾目標の色彩等）を観測し（ス
テップＳＴ１）、その追尾目標の位置を示す観測データ
Ｚ k, trk （ｉ）と追尾目標の属性を示す属性データＺ
k,id（ｉ）を出力するが（追尾目標が赤色と黄色の中間
色の場合でも、その中間色を示す属性データＺ
k,id（ｉ）を出力する）、図３に示すように、追尾目標
の実際の位置がＰ点であっても、観測誤差等の影響で目
標観測装置２１の観測結果がＤ２やＤ４点等を示すこと
がある。また、追尾目標以外のクラッタ等を追尾目標と
判定して、目標観測装置２１の観測結果がＤ５やＤ６点
等を示すことがある。
【００８９】そこで、追尾目標の追尾精度を高めるため
には、追尾目標と相関関係がある観測データＺ k,trk
（ｉ）を選択する必要があるため、観測諸元転送装置２
２が、目標観測装置２１から出力された観測データＺ
k,trk （ｉ）及び属性データＺk, id（ｉ）をそれぞれ運
動諸元確率分布算出器２３，運動諸元相関器２４，属性
データ推定器２５及び探知データ信頼度算出器２９に転
送する。
には、追尾目標と相関関係がある観測データＺ k,trk
（ｉ）を選択する必要があるため、観測諸元転送装置２
２が、目標観測装置２１から出力された観測データＺ
k,trk （ｉ）及び属性データＺk, id（ｉ）をそれぞれ運
動諸元確率分布算出器２３，運動諸元相関器２４，属性
データ推定器２５及び探知データ信頼度算出器２９に転
送する。
【００９０】そして、運動諸元確率分布算出器２３は、
観測諸元転送装置２２から観測データＺ k,trk （ｉ）を
受けると、式（２４）を用いて、現時刻より１サンプリ
ング前に算出された予測値Ｘハット k,trk （−）に基づ
いて追尾目標からの運動諸元の確率分布（追尾目標が存
在する可能性のある領域を示す確率分布）の平均値であ
るベクトルＺ k,trk （−）を算出するとともに、式（２
５）を用いて、現時刻より１サンプリング前に算出され
た予測誤差共分散行列Ｐk （−）と予め設定された観測
誤差共分散行列Ｒk に基づいて追尾目標からの運動諸元
の確率分布の広がりＳk を算出する。そして、運動諸元
確率分布算出器２３は、式（２３）を用いて、ベクトル
Ｚ k, trk （−）と確率分布の広がりＳk を算出すると、
図３に示すように、そのベクトルＺ k,trk （−）と確率
分布の広がりＳk に基づいて追尾目標からの運動諸元の
確率分布Ａ（ｉ）を求める（ステップＳＴ２）。
観測諸元転送装置２２から観測データＺ k,trk （ｉ）を
受けると、式（２４）を用いて、現時刻より１サンプリ
ング前に算出された予測値Ｘハット k,trk （−）に基づ
いて追尾目標からの運動諸元の確率分布（追尾目標が存
在する可能性のある領域を示す確率分布）の平均値であ
るベクトルＺ k,trk （−）を算出するとともに、式（２
５）を用いて、現時刻より１サンプリング前に算出され
た予測誤差共分散行列Ｐk （−）と予め設定された観測
誤差共分散行列Ｒk に基づいて追尾目標からの運動諸元
の確率分布の広がりＳk を算出する。そして、運動諸元
確率分布算出器２３は、式（２３）を用いて、ベクトル
Ｚ k, trk （−）と確率分布の広がりＳk を算出すると、
図３に示すように、そのベクトルＺ k,trk （−）と確率
分布の広がりＳk に基づいて追尾目標からの運動諸元の
確率分布Ａ（ｉ）を求める（ステップＳＴ２）。
【００９１】このようにして、運動諸元確率分布算出器
２３が運動諸元の確率分布Ａ（ｉ）を求めると、運動諸
元相関器２４は、その運動諸元の確率分布Ａ（ｉ）と予
め設定されたパラメータｄから、追尾目標と相関の可能
性のある観測データＺ ｋ，ｔｒｋ（ｉ）を選択する（ス
テップＳＴ３）。具体的には、各観測データＺ
ｋ，ｔｒｋ （ｉ）毎に式（２９）の不等式が成立する
か否かを判定し、不等式が成立する観測データＺ k,trk
（ｉ）を選択する。図３の例では、Ｄ１，Ｄ２，Ｄ３，
Ｄ４の位置を示す観測データＺ k,trk （ｉ）を選択す
る。
２３が運動諸元の確率分布Ａ（ｉ）を求めると、運動諸
元相関器２４は、その運動諸元の確率分布Ａ（ｉ）と予
め設定されたパラメータｄから、追尾目標と相関の可能
性のある観測データＺ ｋ，ｔｒｋ（ｉ）を選択する（ス
テップＳＴ３）。具体的には、各観測データＺ
ｋ，ｔｒｋ （ｉ）毎に式（２９）の不等式が成立する
か否かを判定し、不等式が成立する観測データＺ k,trk
（ｉ）を選択する。図３の例では、Ｄ１，Ｄ２，Ｄ３，
Ｄ４の位置を示す観測データＺ k,trk （ｉ）を選択す
る。
【００９２】また、運動諸元相関器２４により選択され
た観測データＺ k,trk （ｉ）の中から更に追尾目標と相
関関係の大きい観測データＺ k,trk （ｉ）を選択するた
め、属性データ推定器２５が、観測データの仮説Ｘk,i
の信頼度βk,i と、現時刻より１サンプリング前に算出
した属性データの推定値Ｘハットk-1,id（ｉ）と、現在
の属性データの属性データＺk,id（ｉ）とから、式（４
５）を用いて、現時刻における属性データの推定値Ｘハ
ットk,id（ｉ）を算出する（ステップＳＴ４）。
た観測データＺ k,trk （ｉ）の中から更に追尾目標と相
関関係の大きい観測データＺ k,trk （ｉ）を選択するた
め、属性データ推定器２５が、観測データの仮説Ｘk,i
の信頼度βk,i と、現時刻より１サンプリング前に算出
した属性データの推定値Ｘハットk-1,id（ｉ）と、現在
の属性データの属性データＺk,id（ｉ）とから、式（４
５）を用いて、現時刻における属性データの推定値Ｘハ
ットk,id（ｉ）を算出する（ステップＳＴ４）。
【００９３】このようにして、属性データ推定器２５が
属性データの推定値Ｘハットk,id（ｉ）を算出すると、
属性相関器２７は、運動諸元相関器２４により選択され
た観測データＺ k,trk （ｉ）のうち、現時刻における属
性データの推定値Ｘハットk, id（ｉ）と予め設定された
属性データの観測誤差分散σ2 id から、追尾目標と相関
の可能性のある観測データＺ k,trk （ｉ）を選択する
（ステップＳＴ５）。具体的には、式（３２）の不等式
が成立するか否かを判定し、不等式が成立する観測デー
タＺ k,trk （ｉ）をｍk 個選択するが（式（１６），
（１７）を参照）、図４の例では、Ｄ１，Ｄ３の位置を
示す観測データＺ k,trk （ｉ）が選択される。また、属
性相関器２７は、追尾目標と相関の可能性のある観測デ
ータＺ k,trk（ｉ）を選択すると、式（２８）を用いて
追尾目標からの属性データの確率分布Ｃ（ｉ）を算出す
る。
属性データの推定値Ｘハットk,id（ｉ）を算出すると、
属性相関器２７は、運動諸元相関器２４により選択され
た観測データＺ k,trk （ｉ）のうち、現時刻における属
性データの推定値Ｘハットk, id（ｉ）と予め設定された
属性データの観測誤差分散σ2 id から、追尾目標と相関
の可能性のある観測データＺ k,trk （ｉ）を選択する
（ステップＳＴ５）。具体的には、式（３２）の不等式
が成立するか否かを判定し、不等式が成立する観測デー
タＺ k,trk （ｉ）をｍk 個選択するが（式（１６），
（１７）を参照）、図４の例では、Ｄ１，Ｄ３の位置を
示す観測データＺ k,trk （ｉ）が選択される。また、属
性相関器２７は、追尾目標と相関の可能性のある観測デ
ータＺ k,trk（ｉ）を選択すると、式（２８）を用いて
追尾目標からの属性データの確率分布Ｃ（ｉ）を算出す
る。
【００９４】そして、探知データ信頼度算出器２９は、
属性相関器２７から属性データの確率分布Ｃ（ｉ）が出
力されると、運動諸元確率分布算出器２３から出力され
た運動諸元の確率分布Ａ（ｉ）と、属性相関器２７から
出力された属性データの確率分布確率分布Ｃ（ｉ）と、
予め設定されたセンサの探知確率ＰD と、目標予測存在
範囲内に存在する確率ＰGKとから、式（４２）〜（４
５）を用いて、観測データの仮説の信頼度βk,i を算出
する。
属性相関器２７から属性データの確率分布Ｃ（ｉ）が出
力されると、運動諸元確率分布算出器２３から出力され
た運動諸元の確率分布Ａ（ｉ）と、属性相関器２７から
出力された属性データの確率分布確率分布Ｃ（ｉ）と、
予め設定されたセンサの探知確率ＰD と、目標予測存在
範囲内に存在する確率ＰGKとから、式（４２）〜（４
５）を用いて、観測データの仮説の信頼度βk,i を算出
する。
【００９５】そして、探知データ信頼度算出器２９が観
測データの仮説の信頼度βk,i を算出すると、等速直線
運動モデルを使用する平滑誤差評価器３０が、ゲイン行
列Ｋk と、観測データの仮説の信頼度βk,i と、現時刻
より１サンプリング前に算出された予測値Ｘハット
k,trk （−）と、現時刻より１サンプリング前に算出さ
れた予測誤差共分散行列Ｐk （−）と、属性相関器２７
により選択されたｍk 個の観測データＺ k,trk （ｉ）と
から、式（６３）〜（６５）を用いて、平滑誤差共分散
行列Ｐk （＋）を算出し、等速直線運動モデルを使用す
る予測誤差評価器３１が、平滑誤差共分散行列Ｐk
（＋）と駆動雑音共分散行列Ｑk-1 から、式（４７）を
用いて、予測誤差共分散行列Ｐk （−）を算出し、ゲイ
ン行列算出器３３が、１サンプリング前に算出された予
測誤差共分散行列Ｐk （−）と予め設定された観測誤差
共分散行列Ｒk から、式（５０）を用いて、ゲイン行列
Ｋk を算出する。
測データの仮説の信頼度βk,i を算出すると、等速直線
運動モデルを使用する平滑誤差評価器３０が、ゲイン行
列Ｋk と、観測データの仮説の信頼度βk,i と、現時刻
より１サンプリング前に算出された予測値Ｘハット
k,trk （−）と、現時刻より１サンプリング前に算出さ
れた予測誤差共分散行列Ｐk （−）と、属性相関器２７
により選択されたｍk 個の観測データＺ k,trk （ｉ）と
から、式（６３）〜（６５）を用いて、平滑誤差共分散
行列Ｐk （＋）を算出し、等速直線運動モデルを使用す
る予測誤差評価器３１が、平滑誤差共分散行列Ｐk
（＋）と駆動雑音共分散行列Ｑk-1 から、式（４７）を
用いて、予測誤差共分散行列Ｐk （−）を算出し、ゲイ
ン行列算出器３３が、１サンプリング前に算出された予
測誤差共分散行列Ｐk （−）と予め設定された観測誤差
共分散行列Ｒk から、式（５０）を用いて、ゲイン行列
Ｋk を算出する。
【００９６】このようにして、ゲイン行列算出器３３が
ゲイン行列Ｋk を算出すると、等速直線運動モデルを使
用する平滑器３４は、ゲイン行列Ｋk と、観測データの
仮説の信頼度βk,i と、現時刻より１サンプリング前に
算出された予測値Ｘハット k, trk （−）と、属性相関器
２７により選択されたｍk 個の観測データＺ k,trk
（ｉ）とから、式（５８）を用いて、平滑値Ｘハット
k,trk （＋）を算出する。そして、等速直線運動モデル
を使用する予測器３５は、平滑器３４が平滑値Ｘハット
k,trk （＋）を算出すると、その平滑値Ｘハット k,trk
（＋）から、式（４６）を用いて、予測値Ｘハット
k,trk （−）を算出する（ステップＳＴ６）。これによ
り、追尾目標の次サンプリング時の位置は、Ｘハット
k,trk （−）であると推定される。
ゲイン行列Ｋk を算出すると、等速直線運動モデルを使
用する平滑器３４は、ゲイン行列Ｋk と、観測データの
仮説の信頼度βk,i と、現時刻より１サンプリング前に
算出された予測値Ｘハット k, trk （−）と、属性相関器
２７により選択されたｍk 個の観測データＺ k,trk
（ｉ）とから、式（５８）を用いて、平滑値Ｘハット
k,trk （＋）を算出する。そして、等速直線運動モデル
を使用する予測器３５は、平滑器３４が平滑値Ｘハット
k,trk （＋）を算出すると、その平滑値Ｘハット k,trk
（＋）から、式（４６）を用いて、予測値Ｘハット
k,trk （−）を算出する（ステップＳＴ６）。これによ
り、追尾目標の次サンプリング時の位置は、Ｘハット
k,trk （−）であると推定される。
【００９７】以上で明らかなように、この実施の形態１
によれば、運動諸元相関器２４から出力された観測デー
タＺ k,trk （ｉ）に係る属性データＺk,id（ｉ）と、属
性データ推定器２５から出力された属性データの推定値
Ｘハットk,id（ｉ）の相関を判定し、相関関係がある観
測データＺ k,trk （ｉ）を選択するように構成したの
で、追尾目標の色彩が中間色の場合でも、追尾目標を精
度よく追尾することができる効果を奏する。
によれば、運動諸元相関器２４から出力された観測デー
タＺ k,trk （ｉ）に係る属性データＺk,id（ｉ）と、属
性データ推定器２５から出力された属性データの推定値
Ｘハットk,id（ｉ）の相関を判定し、相関関係がある観
測データＺ k,trk （ｉ）を選択するように構成したの
で、追尾目標の色彩が中間色の場合でも、追尾目標を精
度よく追尾することができる効果を奏する。
【００９８】実施の形態２．上記実施の形態１では、運
動諸元相関器２４が相関のある観測データＺ
k,trk（ｉ）を選択したのち、属性相関器２７が相関の
ある観測データＺ k,trk （ｉ）を選択するものについて
示したが、属性相関器２７が相関のある観測データＺ k,
trk （ｉ）を選択したのち、運動諸元相関器２４が相関
のある観測データＺ k,tr k （ｉ）を選択するようにして
もよく、上記実施の形態１と同様の効果を奏することが
できる。
動諸元相関器２４が相関のある観測データＺ
k,trk（ｉ）を選択したのち、属性相関器２７が相関の
ある観測データＺ k,trk （ｉ）を選択するものについて
示したが、属性相関器２７が相関のある観測データＺ k,
trk （ｉ）を選択したのち、運動諸元相関器２４が相関
のある観測データＺ k,tr k （ｉ）を選択するようにして
もよく、上記実施の形態１と同様の効果を奏することが
できる。
【００９９】実施の形態３．図５はこの発明の実施の形
態３による目標追尾装置を示す構成図であり、図におい
て、図１と同一符号は同一または相当部分を示すので説
明を省略する。４１は現時点より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共分散行列Ｐ
a k+1（−）と観測雑音共分散行列Ｒk から各運動モデル
に対する観測ベクトルの合致度である観測誤差の評価値
ｇを算出する運動モデル毎の観測誤差評価器、４２は現
時点より１サンプリング前に算出した各運動モデルに対
する信頼度βb k-1と、予め設定された推移確率Ｐabと、
観測誤差の評価値ｇとから、観測データと各運動モデル
の信頼度βa,b k,iをそれぞれ算出する信頼度算出器、４
３は信頼度算出器４２により算出された信頼度βa,b k,i
を１サンプリング時間だけ遅延する第６の遅延回路であ
る。
態３による目標追尾装置を示す構成図であり、図におい
て、図１と同一符号は同一または相当部分を示すので説
明を省略する。４１は現時点より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共分散行列Ｐ
a k+1（−）と観測雑音共分散行列Ｒk から各運動モデル
に対する観測ベクトルの合致度である観測誤差の評価値
ｇを算出する運動モデル毎の観測誤差評価器、４２は現
時点より１サンプリング前に算出した各運動モデルに対
する信頼度βb k-1と、予め設定された推移確率Ｐabと、
観測誤差の評価値ｇとから、観測データと各運動モデル
の信頼度βa,b k,iをそれぞれ算出する信頼度算出器、４
３は信頼度算出器４２により算出された信頼度βa,b k,i
を１サンプリング時間だけ遅延する第６の遅延回路であ
る。
【０１００】また、４４は現時点より１サンプリング前
に算出した平滑値Ｘハット k,trk （−）と、信頼度β
a,b k,iと、予め設定された定数加速度ベクトルαa と、
ゲイン行列Ｋk とから平滑値Ｘハット k,trk （＋）を算
出する複数運動モデル統合型平滑器、４５は複数運動モ
デル統合型平滑器４４により算出された平滑値Ｘハット
k,trk （＋）を１サンプリング時間だけ遅延する第４の
遅延回路、４６は現時点より１サンプリング前に算出し
た運動モデル毎の平滑誤差共分散行列Ｐa k（−）とゲイ
ン行列Ｋk とから、運動モデル毎の平滑値Ｘハット a
k,trk（＋）の平滑誤差の評価値である運動モデル毎の
平滑誤差共分散行列Ｐa k（＋）を算出する運動モデル毎
の平滑誤差評価器、４７は運動モデル毎の平滑誤差共分
散行列Ｐa k（＋）と駆動雑音共分散行列Ｑk とから、サ
ンプリング時刻ｔk+1 における運動モデル毎の予測値Ｘ
ハット a k+1,trk（＋）の予測誤差の評価値である運動モ
デル毎の予測誤差共分散行列Ｐa k+1（＋）を算出する運
動モデル毎の予測誤差評価器である。
に算出した平滑値Ｘハット k,trk （−）と、信頼度β
a,b k,iと、予め設定された定数加速度ベクトルαa と、
ゲイン行列Ｋk とから平滑値Ｘハット k,trk （＋）を算
出する複数運動モデル統合型平滑器、４５は複数運動モ
デル統合型平滑器４４により算出された平滑値Ｘハット
k,trk （＋）を１サンプリング時間だけ遅延する第４の
遅延回路、４６は現時点より１サンプリング前に算出し
た運動モデル毎の平滑誤差共分散行列Ｐa k（−）とゲイ
ン行列Ｋk とから、運動モデル毎の平滑値Ｘハット a
k,trk（＋）の平滑誤差の評価値である運動モデル毎の
平滑誤差共分散行列Ｐa k（＋）を算出する運動モデル毎
の平滑誤差評価器、４７は運動モデル毎の平滑誤差共分
散行列Ｐa k（＋）と駆動雑音共分散行列Ｑk とから、サ
ンプリング時刻ｔk+1 における運動モデル毎の予測値Ｘ
ハット a k+1,trk（＋）の予測誤差の評価値である運動モ
デル毎の予測誤差共分散行列Ｐa k+1（＋）を算出する運
動モデル毎の予測誤差評価器である。
【０１０１】さらに、４８は平滑値Ｘハット k,trk
（＋）から現時点より１サンプリング後の運動モデル毎
の予測値Ｘハット a k+1,trk（−）を算出する運動モデル
毎の予測器、４９は運動モデル毎の予測器４８により算
出された運動モデル毎の予測値Ｘハット a k+1,trk（＋）
を１サンプリング時間だけ遅延する第５の遅延回路、５
０は平滑値Ｘハット k,trk （＋）と、信頼度β
a,b k,iと、予め設定された推移確率Ｐabとから現時点よ
り１サンプリング後の予測値Ｘハット k+1,trk （−）を
算出する複数運動モデル統合型予測器、５１は運動モデ
ル毎の予測誤差評価器４７により算出された運動モデル
毎の予測誤差共分散行列Ｐa k+1（＋）を１サンプリング
時間だけ遅延する第７の遅延回路である。
（＋）から現時点より１サンプリング後の運動モデル毎
の予測値Ｘハット a k+1,trk（−）を算出する運動モデル
毎の予測器、４９は運動モデル毎の予測器４８により算
出された運動モデル毎の予測値Ｘハット a k+1,trk（＋）
を１サンプリング時間だけ遅延する第５の遅延回路、５
０は平滑値Ｘハット k,trk （＋）と、信頼度β
a,b k,iと、予め設定された推移確率Ｐabとから現時点よ
り１サンプリング後の予測値Ｘハット k+1,trk （−）を
算出する複数運動モデル統合型予測器、５１は運動モデ
ル毎の予測誤差評価器４７により算出された運動モデル
毎の予測誤差共分散行列Ｐa k+1（＋）を１サンプリング
時間だけ遅延する第７の遅延回路である。
【０１０２】次に動作について説明する。具体的な動作
を説明する前に、実施の形態１による目標追尾装置の原
理を説明する。まず、追尾目標の真値を表す状態ベクト
ルを式（６６）のように定義する。式（６６）におい
て、追尾目標の真値を表す状態ベクトルは、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Ｘ
k,trk （ｉ）と、属性データの真値を表す状態ベクトル
Ｘk,id（ｉ）を成分とするベクトルＸ k 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。
を説明する前に、実施の形態１による目標追尾装置の原
理を説明する。まず、追尾目標の真値を表す状態ベクト
ルを式（６６）のように定義する。式（６６）におい
て、追尾目標の真値を表す状態ベクトルは、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Ｘ
k,trk （ｉ）と、属性データの真値を表す状態ベクトル
Ｘk,id（ｉ）を成分とするベクトルＸ k 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。
【０１０３】
【数２４】
【０１０４】ここで、ベクトルＸ k,trk （ｉ）はサンプ
リング時刻ｔk における追尾目標の運動諸元の真値を表
す状態ベクトルであり、直交座標における追尾目標の位
置ベクトルを式（６８）、直交座標における追尾目標の
速度ベクトルを式（６９）とした場合には、式（７０）
で表される。
リング時刻ｔk における追尾目標の運動諸元の真値を表
す状態ベクトルであり、直交座標における追尾目標の位
置ベクトルを式（６８）、直交座標における追尾目標の
速度ベクトルを式（６９）とした場合には、式（７０）
で表される。
【０１０５】
【数２５】
【０１０６】また、Φk-1 はサンプリング時刻ｔk-1 か
らサンプリング時刻ｔk に推移する状態ベクトルＸ
k,trk （ｉ）の推移行列で目標が等速直線運動を行うと
仮定した場合、式（７１）で表される。ここで、I は式
（７２）に示す単位行列を表し、０I は３行３列の零行
列である。
らサンプリング時刻ｔk に推移する状態ベクトルＸ
k,trk （ｉ）の推移行列で目標が等速直線運動を行うと
仮定した場合、式（７１）で表される。ここで、I は式
（７２）に示す単位行列を表し、０I は３行３列の零行
列である。
【０１０７】
【数２６】
【０１０８】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）
ωk-1 とみれば、サンプリング時刻ｔk における駆動雑
音ベクトルωk-1 は加速度ベクトルに相当し、Ｅを平均
を表す記号として、平均０ベクトルの３次元正規分布白
色雑音で、式（７３）及び式（７４）とする。
と仮定したことによる打ち切り誤差項をΓ1 （ｋ−１）
ωk-1 とみれば、サンプリング時刻ｔk における駆動雑
音ベクトルωk-1 は加速度ベクトルに相当し、Ｅを平均
を表す記号として、平均０ベクトルの３次元正規分布白
色雑音で、式（７３）及び式（７４）とする。
【０１０９】
【数２７】
【０１１０】ここで、０は零ベクトル、Ｑｋ はサンプ
リング時刻ｔk における駆動雑音共分散行列である。Γ
1 （ｋ）はサンプリング時刻ｔk における駆動雑音ベク
トルの変換行列で、式（７５）で表される。
リング時刻ｔk における駆動雑音共分散行列である。Γ
1 （ｋ）はサンプリング時刻ｔk における駆動雑音ベク
トルの変換行列で、式（７５）で表される。
【０１１１】
【数２８】
【０１１２】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ｕ k は式
（７６）であり、サンプリング時刻ｔk における定数加
速度ベクトルｕ k の変換行列Γ（ｋ）は式（７７）で表
される。
個の運動モデルを構成する定数加速度ベクトルｕ k は式
（７６）であり、サンプリング時刻ｔk における定数加
速度ベクトルｕ k の変換行列Γ（ｋ）は式（７７）で表
される。
【０１１３】
【数２９】
【０１１４】図６は水平面に平行な面内で定数加速度ベ
クトルを説明する説明図である。図６において、Ｏは目
標観測装置２１を原点とする座標Ｏ−ｘy の原点、Ｘは
東方向をｘ軸の正とする座標Ｏ−ｘy のｘ軸、Ｙは北方
向をｙ軸の正とする座標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軸の正方向の定
数加速度ベクトル、Ａ３はｙ軸の負方向の定数加速度ベ
クトル、Ａ４はｘ軸の負方向の定数加速度ベクトルであ
る。今、図６における定数加速度ベクトルの大きさを１
０ｇ（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（７６）は、式（７８）のようにサンプリング
時刻ｔk に無関係に書ける。
クトルを説明する説明図である。図６において、Ｏは目
標観測装置２１を原点とする座標Ｏ−ｘy の原点、Ｘは
東方向をｘ軸の正とする座標Ｏ−ｘy のｘ軸、Ｙは北方
向をｙ軸の正とする座標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軸の正方向の定
数加速度ベクトル、Ａ３はｙ軸の負方向の定数加速度ベ
クトル、Ａ４はｘ軸の負方向の定数加速度ベクトルであ
る。今、図６における定数加速度ベクトルの大きさを１
０ｇ（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（７６）は、式（７８）のようにサンプリング
時刻ｔk に無関係に書ける。
【０１１５】
【数３０】
【０１１６】次に、サンプリング時刻ｔk において、式
（７９）が真であるとの運動モデルの仮説を式（８０）
のように書く。
（７９）が真であるとの運動モデルの仮説を式（８０）
のように書く。
【０１１７】
【数３１】
【０１１８】次に観測モデルを以下のように定義する。
サンプル時刻ｔk における位置を示す観測データと、属
性を示す属性データの組みを式（８１）とする。ここ
で、ベクトルＺ k,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。
サンプル時刻ｔk における位置を示す観測データと、属
性を示す属性データの組みを式（８１）とする。ここ
で、ベクトルＺ k,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。
【０１１９】
【数３２】
【０１２０】追尾目標の観測位置に関する観測モデルを
式（８２）のように定義する。ここで、Ｈはサンプリン
グ時刻ｔk における観測行列である。また、ベクトルν
k 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あって、平均ベクトル０の
３次元正規白色雑音であり、Ｅを平均を表す記号として
式（８３），（８４）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（８２）のように定義する。ここで、Ｈはサンプリン
グ時刻ｔk における観測行列である。また、ベクトルν
k 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あって、平均ベクトル０の
３次元正規白色雑音であり、Ｅを平均を表す記号として
式（８３），（８４）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。
【０１２１】
【数３３】
【０１２２】追尾目標からの属性データに関する観測モ
デルを式（８５）のように定義する。
デルを式（８５）のように定義する。
【０１２３】
【数３４】
【０１２４】ここで、ν2,k はサンプリング時刻ｔk に
おける属性観測データに対応した観測雑音で、平均０、
分散σidの正規白色雑音である。
おける属性観測データに対応した観測雑音で、平均０、
分散σidの正規白色雑音である。
【０１２５】追尾対象目標以外からの観測データは空間
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観測データが目標予測存
在範囲内に存在する総数は、平均βk FT ＶGK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観測データが目標予測存
在範囲内に存在する総数は、平均βk FT ＶGKのポアソン
分布に従うとする。
【０１２６】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観測データの総数
をｍk 、観測データを式（８６）で表す。ここで、ベク
トルＺ k,i はｉ番目の観測ベクトルであり、その全体を
式（８７）で表す。また、サンプリング時刻ｔ1 からｔ
k までの観測ベクトルの全体を式（８８）で、観測ベク
トルの総数を式（８９）で定義する。
相関をとるべき目標予測存在範囲内の観測データの総数
をｍk 、観測データを式（８６）で表す。ここで、ベク
トルＺ k,i はｉ番目の観測ベクトルであり、その全体を
式（８７）で表す。また、サンプリング時刻ｔ1 からｔ
k までの観測ベクトルの全体を式（８８）で、観測ベク
トルの総数を式（８９）で定義する。
【０１２７】
【数３５】
【０１２８】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Ｚ k,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、式（９０）のようになる。
率分布について示す。観測ベクトルＺ k,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、式（９０）のようになる。
【０１２９】
【数３６】
【０１３０】ここで、式（９１）は追尾対象目標からの
属性データの確率分布であり、式（９２）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。
属性データの確率分布であり、式（９２）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。
【０１３１】
【数３７】
【０１３２】追尾対象目標からの運動諸元の確率分布
は、式（９３）に示す条件付き確率密度関数で表される
とする。ここで、式（９３）の右辺は平均ベクトルＺ
k,trk （−）、共分散行列Ｓk の３次元正規分布のＺ
k,trk （ｉ）における確率密度である。即ち、追尾対象
目標からの観測データは式（９４）で与えられる目標予
測位置ベクトルＺ k （−）を平均とし、式（９５）で与
えられる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Ｘハット k,trk （−）は予測
値で、式（９６）で表され、Ｐk （−）は予測誤差共分
散行列で、式（９７）で表される。一方、追尾対象目標
からの属性データの確率分布は、式（９８）に示す条件
付き確率密度関数で表されるとする。ここで、式（９
８）の右辺は平均Ｘハットk- 1,id、分散σ2 id の正規分
布のＺk,id（ｉ）における確率密度である。即ち、追尾
対象目標からの観測データは式（９４）で与えられる１
サンプリング前の属性データの推定値Ｘハット
k-1,id（ｉ）を平均とし、σidを分散とする正規分布に
従うとする。
は、式（９３）に示す条件付き確率密度関数で表される
とする。ここで、式（９３）の右辺は平均ベクトルＺ
k,trk （−）、共分散行列Ｓk の３次元正規分布のＺ
k,trk （ｉ）における確率密度である。即ち、追尾対象
目標からの観測データは式（９４）で与えられる目標予
測位置ベクトルＺ k （−）を平均とし、式（９５）で与
えられる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Ｘハット k,trk （−）は予測
値で、式（９６）で表され、Ｐk （−）は予測誤差共分
散行列で、式（９７）で表される。一方、追尾対象目標
からの属性データの確率分布は、式（９８）に示す条件
付き確率密度関数で表されるとする。ここで、式（９
８）の右辺は平均Ｘハットk- 1,id、分散σ2 id の正規分
布のＺk,id（ｉ）における確率密度である。即ち、追尾
対象目標からの観測データは式（９４）で与えられる１
サンプリング前の属性データの推定値Ｘハット
k-1,id（ｉ）を平均とし、σidを分散とする正規分布に
従うとする。
【０１３３】
【数３８】
【０１３４】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Ｚ k,trk
（ｉ）がｄをパラメータとして式（９９）を満たすと
き、観測データベクトルＺ k,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Ｚ k,trk
（ｉ）がｄをパラメータとして式（９９）を満たすと
き、観測データベクトルＺ k,trk （ｉ）は追尾目標と相
関があると判定する。
【０１３５】
【数３９】
【０１３６】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（９９）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り、図におい
て、Ｐは追尾目標からの観測が予測される点である式
（９４）の目標予測位置ベクトルＺ k （−）、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（９５）のより線形代数学により算出
され、Ｄ１〜Ｄ６は観測データである。
次元が２次元の場合について式（９９）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り、図におい
て、Ｐは追尾目標からの観測が予測される点である式
（９４）の目標予測位置ベクトルＺ k （−）、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（９５）のより線形代数学により算出
され、Ｄ１〜Ｄ６は観測データである。
【０１３７】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（１００）に示すようにＰGKと
書く。ここで、ＧK は式（１０１）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（１００）に示すようにＰGKと
書く。ここで、ＧK は式（１０１）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ｄの
値によって一意的に決まる。
【０１３８】
【数４０】
【０１３９】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Ｚk,id（ｉ）がＭ
をパラメータとして式（１０２）を満たすとき、観測デ
ータベクトルＺk,i は式（９９）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。
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Ｚk,id（ｉ）がＭ
をパラメータとして式（１０２）を満たすとき、観測デ
ータベクトルＺk,i は式（９９）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。
【０１４０】
【数４１】
【０１４１】追尾対象目標の属性データが相関をとるべ
き範囲内に存在する確率を式（１０３）に示すようにＰ
LKと書く。ここで、ＬK は式（１０４）で表される属性
データの範囲の領域である。なお、確率論によりＬK は
Ｍの値によって一意的に決まる。図４は、簡単な２次元
の例として式（１０２）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。図において、観測データＤ２及びＤ４は式（９９）
を満たし、目標予測存在範囲に存在しているが、式（１
０２）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。
き範囲内に存在する確率を式（１０３）に示すようにＰ
LKと書く。ここで、ＬK は式（１０４）で表される属性
データの範囲の領域である。なお、確率論によりＬK は
Ｍの値によって一意的に決まる。図４は、簡単な２次元
の例として式（１０２）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。図において、観測データＤ２及びＤ４は式（９９）
を満たし、目標予測存在範囲に存在しているが、式（１
０２）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。
【０１４２】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 の元での目標の運動諸元に関
する状態ベクトルＸk,trk の予測ベクトルＸハット a
k,trk（−）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（１０５）及び式
（１０６）で与えられる。また、状態ベクトルＸk,trk
の平滑ベクトルＸハット k,trk （＋）は式（１０７）で
与えられる。
られた場合に、仮説Ψk,a の元での目標の運動諸元に関
する状態ベクトルＸk,trk の予測ベクトルＸハット a
k,trk（−）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（１０５）及び式
（１０６）で与えられる。また、状態ベクトルＸk,trk
の平滑ベクトルＸハット k,trk （＋）は式（１０７）で
与えられる。
【０１４３】
【数４２】
【０１４４】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（１０８）〜（１１０）で与
えられる。
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（１０８）〜（１１０）で与
えられる。
【０１４５】
【数４３】
【０１４６】ここで、Ｘハット a k,trk（＋）は、仮説Ψ
k,a の元でのＸk,trk 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 の元での平滑誤
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、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に
より、式（１１１）で与えられる。
k,a の元でのＸk,trk 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 の元での平滑誤
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、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に
より、式（１１１）で与えられる。
【０１４７】
【数４４】
【０１４８】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Ｘハット 0, trk （＋）、Ｐ0
（＋）は別途定まっているとする。式（１０６）よりＰ
a k（−）は仮説Ψk,a によらない値なので、式（１０
９）よりＫk 、式（１１０）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Ｘハット 0, trk （＋）、Ｐ0
（＋）は別途定まっているとする。式（１０６）よりＰ
a k（−）は仮説Ψk,a によらない値なので、式（１０
９）よりＫk 、式（１１０）よりＰa k（＋）も同様に仮
説Ψk,a によらない値となる。
【０１４９】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 が追尾目標からの観測ベクトル
であるとの仮説をＸk,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、
追尾目標より観測ベクトルが得られないとの仮説をＸ
k,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Ｘk,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（１１２）とする。同様に
して、目標相関の仮説Ｘk,i が真である確率を式（１１
３）、運動モデルの仮説Ψk,a が真である確率を式（１
１４）、目標相関の仮説Ｘk,i 及び運動モデルの仮説Ψ
k,a が真である確率を式（１１５）と定義する。ここ
で、確率論より式（１１６）が成立する。
測データベクトルＺk,i が追尾目標からの観測ベクトル
であるとの仮説をＸk,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、
追尾目標より観測ベクトルが得られないとの仮説をＸ
k,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Ｘk,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（１１２）とする。同様に
して、目標相関の仮説Ｘk,i が真である確率を式（１１
３）、運動モデルの仮説Ψk,a が真である確率を式（１
１４）、目標相関の仮説Ｘk,i 及び運動モデルの仮説Ψ
k,a が真である確率を式（１１５）と定義する。ここ
で、確率論より式（１１６）が成立する。
【０１５０】
【数４５】
【０１５１】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Ｘk,0 及びΨk,a が正しいと
の信頼度βa k,0は、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Ｘk,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 個の観測デ
ータ全てが追尾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Ｘk,i 及びΨk,a が正しいとの信頼度β
a k,0は、サンプリング時刻ｔk において観測データが得
れない時点において、仮説Ｘk,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 が追尾目標からの観測データで、ｍk −１個の観測
データが追尾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Ｘk,0 及びΨk,a が正しいと
の信頼度βa k,0は、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Ｘk,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 個の観測デ
ータ全てが追尾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Ｘk,i 及びΨk,a が正しいとの信頼度β
a k,0は、サンプリング時刻ｔk において観測データが得
れない時点において、仮説Ｘk,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 が追尾目標からの観測データで、ｍk −１個の観測
データが追尾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。
【０１５２】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Ｘk,0 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観測データ
が得られない確率１−Ｐd ＰGKに運動モデルの推移確率
Ｐabと、追尾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（１１
７）により求まる。ここで、Ｐd は目標が探知される確
率である。従って、追尾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Ｐd ＰGKであり、また、目標予
測存在範囲内の追尾目標以外からの観測データの総数
は、平均βk FT ＶGKのポアソン分布に従い求められてい
る。また、運動モデルの推移にマルコフ性を仮定する
と、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。このとき、運動モデルの推移確率は式（１１８）と
書く。一方、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Ｘk, 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目標が
探知される確率Ｐd ＰGKに、属性データが予測範囲内に
存在する確率ＰLKと、追尾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（１１９）により求まる。
れない時点において仮説Ｘk,0 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観測データ
が得られない確率１−Ｐd ＰGKに運動モデルの推移確率
Ｐabと、追尾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（１１
７）により求まる。ここで、Ｐd は目標が探知される確
率である。従って、追尾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Ｐd ＰGKであり、また、目標予
測存在範囲内の追尾目標以外からの観測データの総数
は、平均βk FT ＶGKのポアソン分布に従い求められてい
る。また、運動モデルの推移にマルコフ性を仮定する
と、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。このとき、運動モデルの推移確率は式（１１８）と
書く。一方、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Ｘk, 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目標が
探知される確率Ｐd ＰGKに、属性データが予測範囲内に
存在する確率ＰLKと、追尾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（１１９）により求まる。
【０１５３】
【数４６】
【０１５４】次に、サンプリング時刻ｔk で観測データ
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。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を一様とすると、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より式（１２０）で与え
られる。また、得られた１つの観測データが追尾目標か
らの観測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（１００）のＰGK及び式（９
３）の追尾目標からの運動諸元の確率分布により式（１
２１）で与えられる。サンプリング時刻ｔk において仮
説Ｘk,0 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、即
ち、サンプリングｔk- 1 までの情報Ｚk-1 及び仮説Ｘ
k,0 に基づく全観測データＺk の信頼度は、式（１２
０）より式（１２２）で与えられる。また、サンプリン
グ時刻ｔk において仮説Ｘk,i に基づき得られる全観測
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、即ち、サン
プリング時刻ｔk-1 までの情報Ｚk-1 と仮説Ｘk,i 及び
Ψk,a に基づく全観測データＺk の信頼度は、式（１２
０）及び式（１２１）より式（１２３）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。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を一様とすると、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より式（１２０）で与え
られる。また、得られた１つの観測データが追尾目標か
らの観測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（１００）のＰGK及び式（９
３）の追尾目標からの運動諸元の確率分布により式（１
２１）で与えられる。サンプリング時刻ｔk において仮
説Ｘk,0 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、即
ち、サンプリングｔk- 1 までの情報Ｚk-1 及び仮説Ｘ
k,0 に基づく全観測データＺk の信頼度は、式（１２
０）より式（１２２）で与えられる。また、サンプリン
グ時刻ｔk において仮説Ｘk,i に基づき得られる全観測
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、即ち、サン
プリング時刻ｔk-1 までの情報Ｚk-1 と仮説Ｘk,i 及び
Ψk,a に基づく全観測データＺk の信頼度は、式（１２
０）及び式（１２１）より式（１２３）で与えられる。
【０１５５】
【数４７】
【０１５６】従って、サンプリング時刻ｔk までの情報
Ｚk に基づく仮説Ｘk,0 、Ψk,a 及びΨk-1,b の信頼度
βa,b k,0は式（１１７）と式（１１２）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Ｘk,i 、Ψk,a 及びΨk-1,b
の信頼度βa,b k,iは式（１１９）と式（１２３）を乗算
した値に比例すると考えてよく、式（１１６）を使用し
て正規化を行い、式（１２６）〜（１２８）を得る。
Ｚk に基づく仮説Ｘk,0 、Ψk,a 及びΨk-1,b の信頼度
βa,b k,0は式（１１７）と式（１１２）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Ｘk,i 、Ψk,a 及びΨk-1,b
の信頼度βa,b k,iは式（１１９）と式（１２３）を乗算
した値に比例すると考えてよく、式（１１６）を使用し
て正規化を行い、式（１２６）〜（１２８）を得る。
【０１５７】
【数４８】
【０１５８】次に、サンプル時刻ｔk における追尾目標
の属性データの推定方法について示す。サンプル時刻ｔ
k において、属性データＺk,id（ｉ）が得られた時点で
の属性データの推定値は最小自乗フィルターにて以下の
式で算出できる。ここで、属性データの観測データとし
て、観測データを信頼度で重み付け平均した値を使用す
る。
の属性データの推定方法について示す。サンプル時刻ｔ
k において、属性データＺk,id（ｉ）が得られた時点で
の属性データの推定値は最小自乗フィルターにて以下の
式で算出できる。ここで、属性データの観測データとし
て、観測データを信頼度で重み付け平均した値を使用す
る。
【０１５９】
【数４９】
【０１６０】以下に平滑及び予測処理の方法について示
す。即ち、通常のカルマンフィルタ理論を適用し、式
（１０７）、式（１０８）及び式（１３１）〜式（１３
３）である。また、ベイズの定理を使用すると式（１３
７）である。以上、サンプル時刻ｔk の平滑処理につい
て述べた。
す。即ち、通常のカルマンフィルタ理論を適用し、式
（１０７）、式（１０８）及び式（１３１）〜式（１３
３）である。また、ベイズの定理を使用すると式（１３
７）である。以上、サンプル時刻ｔk の平滑処理につい
て述べた。
【０１６１】
【数５０】
【０１６２】サンプル時刻ｔk におけるＸk,trk の予測
ベクトルは式（１３７）、式（１０５）及び式（１０
６）より式（１３８）で与えられる。なお、先に述べた
ように仮説Ψk,a の元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（１４０）であ
る。
ベクトルは式（１３７）、式（１０５）及び式（１０
６）より式（１３８）で与えられる。なお、先に述べた
ように仮説Ψk,a の元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（１４０）であ
る。
【０１６３】
【数５１】
【０１６４】次に、図５の目標追尾装置の具体的な動作
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、初期値は予め定まって
いるものとする。
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、初期値は予め定まって
いるものとする。
【０１６５】まず、目標観測装置２１は、追尾目標の位
置及び属性（例えば、追尾目標の色彩等）を観測し、そ
の追尾目標の位置を示す観測データＺ k,trk （ｉ）と追
尾目標の属性を示す属性データＺk,id（ｉ）を出力する
が（追尾目標が赤色と黄色の中間色の場合でも、その中
間色を示す属性データＺk,id（ｉ）を出力する）、図３
に示すように、追尾目標の実際の位置がＰ点であって
も、観測誤差等の影響で目標観測装置２１の観測結果が
Ｄ２やＤ４点等を示すことがある。また、追尾目標以外
のクラッタ等を追尾目標と判定して、目標観測装置２１
の観測結果がＤ５やＤ６点等を示すことがある。
置及び属性（例えば、追尾目標の色彩等）を観測し、そ
の追尾目標の位置を示す観測データＺ k,trk （ｉ）と追
尾目標の属性を示す属性データＺk,id（ｉ）を出力する
が（追尾目標が赤色と黄色の中間色の場合でも、その中
間色を示す属性データＺk,id（ｉ）を出力する）、図３
に示すように、追尾目標の実際の位置がＰ点であって
も、観測誤差等の影響で目標観測装置２１の観測結果が
Ｄ２やＤ４点等を示すことがある。また、追尾目標以外
のクラッタ等を追尾目標と判定して、目標観測装置２１
の観測結果がＤ５やＤ６点等を示すことがある。
【０１６６】そこで、追尾目標の追尾精度を高めるため
には、追尾目標と相関関係がある観測データＺ k,trk
（ｉ）を選択する必要があるため、観測諸元転送装置２
２が、目標観測装置２１から出力された観測データＺ
k,trk （ｉ）及び属性データＺk, id（ｉ）をそれぞれ運
動諸元相関器２４及び属性データ推定器２５に転送す
る。
には、追尾目標と相関関係がある観測データＺ k,trk
（ｉ）を選択する必要があるため、観測諸元転送装置２
２が、目標観測装置２１から出力された観測データＺ
k,trk （ｉ）及び属性データＺk, id（ｉ）をそれぞれ運
動諸元相関器２４及び属性データ推定器２５に転送す
る。
【０１６７】そして、運動諸元確率分布算出器２３は、
式（９４）を用いて、現時点より１サンプリング後の予
測値Ｘハット k+1,trk （−）に基づいて追尾目標からの
運動諸元の確率分布の平均値であるベクトルＺ k,trk
（−）を算出するとともに、現時点より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共分散行列Ｐa k
+1（−）を予測誤差共分散行列Ｐk+1 （−）とみなし、
その予測誤差共分散行列Ｐk+1 （−）と予め設定された
観測雑音共分散行列Ｒk （式（８４）を参照）とから、
式（９５）を用いて、追尾目標からの運動諸元の確率分
布の広がりＳk を算出する。そして、運動諸元確率分布
算出器２３は、式（９３）を用いて、ベクトルＺ k, trk
（−）と確率分布の広がりＳk を算出すると、図３に示
すように、そのベクトルＺ k,trk （−）と確率分布の広
がりＳk に基づいて追尾目標からの運動諸元の確率分布
Ａ（ｉ）を求める。
式（９４）を用いて、現時点より１サンプリング後の予
測値Ｘハット k+1,trk （−）に基づいて追尾目標からの
運動諸元の確率分布の平均値であるベクトルＺ k,trk
（−）を算出するとともに、現時点より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共分散行列Ｐa k
+1（−）を予測誤差共分散行列Ｐk+1 （−）とみなし、
その予測誤差共分散行列Ｐk+1 （−）と予め設定された
観測雑音共分散行列Ｒk （式（８４）を参照）とから、
式（９５）を用いて、追尾目標からの運動諸元の確率分
布の広がりＳk を算出する。そして、運動諸元確率分布
算出器２３は、式（９３）を用いて、ベクトルＺ k, trk
（−）と確率分布の広がりＳk を算出すると、図３に示
すように、そのベクトルＺ k,trk （−）と確率分布の広
がりＳk に基づいて追尾目標からの運動諸元の確率分布
Ａ（ｉ）を求める。
【０１６８】このようにして、運動諸元確率分布算出器
２３が運動諸元の確率分布Ａ（ｉ）を求めると、運動諸
元相関器２４は、その運動諸元の確率分布Ａ（ｉ）と予
め設定されたパラメータｄから、追尾目標と相関の可能
性のある観測データＺ k,trk（ｉ）を選択する。具体的
には、各観測データＺ k,trk （ｉ）毎に式（９９）の不
等式が成立するか否かを判定し、不等式が成立する観測
データＺ k,trk （ｉ）を選択する。図３の例では、Ｄ
１，Ｄ２，Ｄ３，Ｄ４の位置を示す観測データＺ k,trk
（ｉ）を選択する。
２３が運動諸元の確率分布Ａ（ｉ）を求めると、運動諸
元相関器２４は、その運動諸元の確率分布Ａ（ｉ）と予
め設定されたパラメータｄから、追尾目標と相関の可能
性のある観測データＺ k,trk（ｉ）を選択する。具体的
には、各観測データＺ k,trk （ｉ）毎に式（９９）の不
等式が成立するか否かを判定し、不等式が成立する観測
データＺ k,trk （ｉ）を選択する。図３の例では、Ｄ
１，Ｄ２，Ｄ３，Ｄ４の位置を示す観測データＺ k,trk
（ｉ）を選択する。
【０１６９】また、運動諸元相関器２４により選択され
た観測データＺ k,trk （ｉ）の中から更に追尾目標と相
関関係の大きい観測データＺ k,trk （ｉ）を選択するた
め、属性データ推定器２５が、観測データの仮説Ｘk,i
の信頼度βk,i と、現時刻より１サンプリング前に算出
した属性データの推定値Ｘハットk-1,id（ｉ）と、現在
の属性データの属性データＺk,id（ｉ）とから、式（１
３２）を用いて、現時刻における属性データの推定値Ｘ
ハットk,id（ｉ）を算出する。
た観測データＺ k,trk （ｉ）の中から更に追尾目標と相
関関係の大きい観測データＺ k,trk （ｉ）を選択するた
め、属性データ推定器２５が、観測データの仮説Ｘk,i
の信頼度βk,i と、現時刻より１サンプリング前に算出
した属性データの推定値Ｘハットk-1,id（ｉ）と、現在
の属性データの属性データＺk,id（ｉ）とから、式（１
３２）を用いて、現時刻における属性データの推定値Ｘ
ハットk,id（ｉ）を算出する。
【０１７０】このようにして、属性データ推定器２５が
属性データの推定値Ｘハットk,id（ｉ）を算出すると、
属性相関器２７は、運動諸元相関器２４により選択され
た観測データＺ k,trk （ｉ）のうち、現時刻における属
性データの推定値Ｘハットk, id（ｉ）と予め設定された
属性データの観測誤差分散σ2 id から、追尾目標と相関
の可能性のある観測データＺ k,trk （ｉ）を選択する。
具体的には、式（１０２）の不等式が成立するか否かを
判定し、不等式が成立する観測データＺ k,trk （ｉ）を
ｍk 個選択するが（式（８６），（８７）を参照）、図
４の例では、Ｄ１，Ｄ３の位置を示す観測データＺ
k,trk （ｉ）が選択される。
属性データの推定値Ｘハットk,id（ｉ）を算出すると、
属性相関器２７は、運動諸元相関器２４により選択され
た観測データＺ k,trk （ｉ）のうち、現時刻における属
性データの推定値Ｘハットk, id（ｉ）と予め設定された
属性データの観測誤差分散σ2 id から、追尾目標と相関
の可能性のある観測データＺ k,trk （ｉ）を選択する。
具体的には、式（１０２）の不等式が成立するか否かを
判定し、不等式が成立する観測データＺ k,trk （ｉ）を
ｍk 個選択するが（式（８６），（８７）を参照）、図
４の例では、Ｄ１，Ｄ３の位置を示す観測データＺ
k,trk （ｉ）が選択される。
【０１７１】そして、運動モデル毎の観測誤差評価器４
１は、現時点より１サンプリング前に算出された運動モ
デル毎の予測値Ｘハット a k,trk（−）から目標位置予測
ベクトルＺa k,trk（−）を算出し、その目標位置予測ベ
クトルＺa k,trk（−）と、現時点より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共分散行列Ｐa k +1
（−）と、予め設定された観測雑音共分散行列Ｒk とか
ら、式（９４）を用いて、各運動モデルに対する観測ベ
クトルの合致度である観測誤差の評価値ｇを算出する
（式（１２８）を参照）。
１は、現時点より１サンプリング前に算出された運動モ
デル毎の予測値Ｘハット a k,trk（−）から目標位置予測
ベクトルＺa k,trk（−）を算出し、その目標位置予測ベ
クトルＺa k,trk（−）と、現時点より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共分散行列Ｐa k +1
（−）と、予め設定された観測雑音共分散行列Ｒk とか
ら、式（９４）を用いて、各運動モデルに対する観測ベ
クトルの合致度である観測誤差の評価値ｇを算出する
（式（１２８）を参照）。
【０１７２】そして、信頼度算出器４２は、運動モデル
毎の観測誤差評価器４１が観測誤差の評価値ｇを算出す
ると、現時点より１サンプリング前に算出した各運動モ
デルに対する信頼度βb k-1と、予め設定された推移確率
Ｐabと、観測誤差の評価値ｇとから、式（１２６）を用
いて、観測データと各運動モデルの信頼度βa,b k,iをそ
れぞれ算出する。そして、複数運動モデル統合型平滑器
４４は、信頼度算出器４２が観測データと各運動モデル
の信頼度βa,b k,iをそれぞれ算出すると、現時点より１
サンプリング前に算出した平滑値Ｘハット k,trk （−）
と、信頼度βa,b k,iと、予め設定された定数加速度ベク
トルαa と（式（７９）を参照）、ゲイン行列Ｋk とか
ら、式（１３３）を用いて、平滑値Ｘハット k,trk
（＋）を算出する。
毎の観測誤差評価器４１が観測誤差の評価値ｇを算出す
ると、現時点より１サンプリング前に算出した各運動モ
デルに対する信頼度βb k-1と、予め設定された推移確率
Ｐabと、観測誤差の評価値ｇとから、式（１２６）を用
いて、観測データと各運動モデルの信頼度βa,b k,iをそ
れぞれ算出する。そして、複数運動モデル統合型平滑器
４４は、信頼度算出器４２が観測データと各運動モデル
の信頼度βa,b k,iをそれぞれ算出すると、現時点より１
サンプリング前に算出した平滑値Ｘハット k,trk （−）
と、信頼度βa,b k,iと、予め設定された定数加速度ベク
トルαa と（式（７９）を参照）、ゲイン行列Ｋk とか
ら、式（１３３）を用いて、平滑値Ｘハット k,trk
（＋）を算出する。
【０１７３】このようにして、複数運動モデル統合型平
滑器４４が平滑値Ｘハット k,trk （＋）を算出すると、
運動モデル毎の予測器４８は、平滑値Ｘハット k,trk
（＋）から、式（１０５）を用いて、現時点より１サン
プリング後の運動モデル毎の予測値Ｘハット
a k+1,trk（−）を算出し、動モデル毎の予測値Ｘハット
a k+1,trk（−）を第５の遅延回路４９を介して運動モデ
ル毎の観測誤差評価器４１に出力する。
滑器４４が平滑値Ｘハット k,trk （＋）を算出すると、
運動モデル毎の予測器４８は、平滑値Ｘハット k,trk
（＋）から、式（１０５）を用いて、現時点より１サン
プリング後の運動モデル毎の予測値Ｘハット
a k+1,trk（−）を算出し、動モデル毎の予測値Ｘハット
a k+1,trk（−）を第５の遅延回路４９を介して運動モデ
ル毎の観測誤差評価器４１に出力する。
【０１７４】一方、複数運動モデル統合型予測器５０
は、平滑値Ｘハット k,trk （＋）と、信頼度β
a,b k,iと、予め設定された推移確率Ｐabとから、式（１
３８）を用いて、現時点より１サンプリング後の予測値
Ｘハット k+1,trk （−）を算出する。これにより、追尾
目標の次サンプリング時の位置は、Ｘハット k+1,trk
（−）であると推定される。
は、平滑値Ｘハット k,trk （＋）と、信頼度β
a,b k,iと、予め設定された推移確率Ｐabとから、式（１
３８）を用いて、現時点より１サンプリング後の予測値
Ｘハット k+1,trk （−）を算出する。これにより、追尾
目標の次サンプリング時の位置は、Ｘハット k+1,trk
（−）であると推定される。
【０１７５】なお、運動モデル毎の平滑誤差評価器４６
は、現時点より１サンプリング前に算出した運動モデル
毎の平滑誤差共分散行列Ｐa k（−）とゲイン行列Ｋk と
から、式（１１０）を用いて、運動モデル毎の平滑値Ｘ
ハット a k,trk（＋）の平滑誤差の評価値である運動モデ
ル毎の平滑誤差共分散行列Ｐa k（＋）を算出し、運動モ
デル毎の予測誤差評価器４７は、運動モデル毎の平滑誤
差共分散行列Ｐa k（＋）を平滑誤差共分散行列Ｐk
（＋）とみなし、その平滑誤差共分散行列Ｐk （＋）
と、駆動雑音共分散行列Ｑk とから、式（１０６）を用
いて、サンプリング時刻ｔk+1 における運動モデル毎の
予測値Ｘハット a k+1,trk（＋）の予測誤差の評価値であ
る運動モデル毎の予測誤差共分散行列Ｐa k+1（＋）を算
出し、運動モデル毎の予測誤差共分散行列Ｐa k+1（＋）
を第３の遅延回路３２を介して運動モデル毎の観測誤差
評価器４１に出力する。
は、現時点より１サンプリング前に算出した運動モデル
毎の平滑誤差共分散行列Ｐa k（−）とゲイン行列Ｋk と
から、式（１１０）を用いて、運動モデル毎の平滑値Ｘ
ハット a k,trk（＋）の平滑誤差の評価値である運動モデ
ル毎の平滑誤差共分散行列Ｐa k（＋）を算出し、運動モ
デル毎の予測誤差評価器４７は、運動モデル毎の平滑誤
差共分散行列Ｐa k（＋）を平滑誤差共分散行列Ｐk
（＋）とみなし、その平滑誤差共分散行列Ｐk （＋）
と、駆動雑音共分散行列Ｑk とから、式（１０６）を用
いて、サンプリング時刻ｔk+1 における運動モデル毎の
予測値Ｘハット a k+1,trk（＋）の予測誤差の評価値であ
る運動モデル毎の予測誤差共分散行列Ｐa k+1（＋）を算
出し、運動モデル毎の予測誤差共分散行列Ｐa k+1（＋）
を第３の遅延回路３２を介して運動モデル毎の観測誤差
評価器４１に出力する。
【０１７６】以上で明らかなように、この実施の形態３
によれば、複数の運動モデルを用いて追尾目標の位置を
それぞれ予測し、各予測結果を統合するように構成した
ので、実施の形態１と同様の効果を奏するとともに、追
尾目標が等速直線運動以外の運動をしたときも、追尾目
標を精度よく追尾することができる効果を奏する。
によれば、複数の運動モデルを用いて追尾目標の位置を
それぞれ予測し、各予測結果を統合するように構成した
ので、実施の形態１と同様の効果を奏するとともに、追
尾目標が等速直線運動以外の運動をしたときも、追尾目
標を精度よく追尾することができる効果を奏する。
【０１７７】実施の形態４．図７はこの発明の実施の形
態４による目標追尾装置を示す構成図であり、図におい
て、図５と同一符号は同一または相当部分を示すので説
明を省略する。６１は信頼度算出器４２により算出され
た各運動モデルの信頼度βa kと、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３３により算
出されたゲイン行列Ｋk と、予め設定された定数加速度
ベクトルαa と、運動モデル毎の平滑誤差評価器４６に
より算出された運動モデル毎の平滑誤差共分散行列Ｐa k
（＋）とから、平滑誤差の評価である平滑誤差共分散行
列Ｐk （＋）を算出する複数運動モデル統合型平滑誤差
評価器である。
態４による目標追尾装置を示す構成図であり、図におい
て、図５と同一符号は同一または相当部分を示すので説
明を省略する。６１は信頼度算出器４２により算出され
た各運動モデルの信頼度βa kと、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３３により算
出されたゲイン行列Ｋk と、予め設定された定数加速度
ベクトルαa と、運動モデル毎の平滑誤差評価器４６に
より算出された運動モデル毎の平滑誤差共分散行列Ｐa k
（＋）とから、平滑誤差の評価である平滑誤差共分散行
列Ｐk （＋）を算出する複数運動モデル統合型平滑誤差
評価器である。
【０１７８】次に動作について説明する。上記実施の形
態３では、運動モデル毎の予測誤差評価器４７が、運動
モデル毎の平滑誤差共分散行列Ｐa k（＋）を平滑誤差共
分散行列Ｐk （＋）とみなし、その平滑誤差共分散行列
Ｐk （＋）に基づいて運動モデル毎の予測誤差共分散行
列Ｐa k+1（＋）を算出するものについて示したが、追尾
目標の加速度運動によって追尾目標の運動ベクトルが一
意的に定まらないことにより平滑誤差が大きくなること
がある。
態３では、運動モデル毎の予測誤差評価器４７が、運動
モデル毎の平滑誤差共分散行列Ｐa k（＋）を平滑誤差共
分散行列Ｐk （＋）とみなし、その平滑誤差共分散行列
Ｐk （＋）に基づいて運動モデル毎の予測誤差共分散行
列Ｐa k+1（＋）を算出するものについて示したが、追尾
目標の加速度運動によって追尾目標の運動ベクトルが一
意的に定まらないことにより平滑誤差が大きくなること
がある。
【０１７９】そこで、この実施の形態４では、追尾目標
の加速度運動によって追尾目標の運動ベクトルが一意的
に定まらないことにより、平滑誤差共分散行列を増加さ
せる諸元を算出して、その諸元を複数の運動モデル毎の
平滑誤差共分散行列に加算する。即ち、複数運動モデル
統合型平滑誤差評価器６１が、信頼度算出器４２により
算出された各運動モデルの信頼度βa kと、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Ｋk と、予
め設定された定数加速度ベクトルαa と、運動モデル毎
の平滑誤差共分散行列Ｐa k（＋）とから、式（１５１）
の右辺第２項〜第４項を算出する。
の加速度運動によって追尾目標の運動ベクトルが一意的
に定まらないことにより、平滑誤差共分散行列を増加さ
せる諸元を算出して、その諸元を複数の運動モデル毎の
平滑誤差共分散行列に加算する。即ち、複数運動モデル
統合型平滑誤差評価器６１が、信頼度算出器４２により
算出された各運動モデルの信頼度βa kと、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Ｋk と、予
め設定された定数加速度ベクトルαa と、運動モデル毎
の平滑誤差共分散行列Ｐa k（＋）とから、式（１５１）
の右辺第２項〜第４項を算出する。
【０１８０】そして、複数運動モデル統合型平滑誤差評
価器６１は、その算出結果を運動モデル毎の平滑誤差共
分散行列Ｐa k（＋）に加算して、平滑誤差の評価である
平滑誤差共分散行列Ｐk （＋）を算出し、その平滑誤差
共分散行列Ｐk （＋）を運動モデル毎の予測誤差評価器
４７に出力する。これにより、運動ベクトルが一意的に
定まらない場合でも、平滑誤差の評価である平滑誤差共
分散行列Ｐk （＋）を精度よく算出することができる効
果を奏する。
価器６１は、その算出結果を運動モデル毎の平滑誤差共
分散行列Ｐa k（＋）に加算して、平滑誤差の評価である
平滑誤差共分散行列Ｐk （＋）を算出し、その平滑誤差
共分散行列Ｐk （＋）を運動モデル毎の予測誤差評価器
４７に出力する。これにより、運動ベクトルが一意的に
定まらない場合でも、平滑誤差の評価である平滑誤差共
分散行列Ｐk （＋）を精度よく算出することができる効
果を奏する。
【０１８１】
【数５２】
【数５３】
【数５４】
【数５５】
【０１８２】実施の形態５．図８はこの発明の実施の形
態５による目標追尾装置を示す構成図であり、図におい
て、図５と同一符号は同一または相当部分を示すので説
明を省略する。６２は信頼度算出器４２により算出され
た各運動モデルの信頼度βa kと、予め設定された推移確
率Ｐabと、予め設定された定数加速度ベクトルαa と、
運動モデル毎の予測誤差評価器４７により算出された運
動モデル毎の予測誤差共分散行列Ｐa k+1（−）とから、
予測誤差の評価である予測誤差共分散行列Ｐk+1 （−）
を算出する複数運動モデル統合型予測誤差評価器であ
る。
態５による目標追尾装置を示す構成図であり、図におい
て、図５と同一符号は同一または相当部分を示すので説
明を省略する。６２は信頼度算出器４２により算出され
た各運動モデルの信頼度βa kと、予め設定された推移確
率Ｐabと、予め設定された定数加速度ベクトルαa と、
運動モデル毎の予測誤差評価器４７により算出された運
動モデル毎の予測誤差共分散行列Ｐa k+1（−）とから、
予測誤差の評価である予測誤差共分散行列Ｐk+1 （−）
を算出する複数運動モデル統合型予測誤差評価器であ
る。
【０１８３】次に動作について説明する。上記実施の形
態３では、運動諸元確率分散算出器２３が、運動モデル
毎の予測誤差共分散行列Ｐa k+1（−）を予測誤差共分散
行列Ｐk+1 （−）とみなし、その予測誤差共分散行列Ｐ
k+1 （−）に基づいて運動諸元の確率分布の広がりＳk
を算出するものについて示したが、追尾目標の加速度運
動によって追尾目標の運動ベクトルが一意的に定まらな
いことにより予測誤差が大きくなることがある。
態３では、運動諸元確率分散算出器２３が、運動モデル
毎の予測誤差共分散行列Ｐa k+1（−）を予測誤差共分散
行列Ｐk+1 （−）とみなし、その予測誤差共分散行列Ｐ
k+1 （−）に基づいて運動諸元の確率分布の広がりＳk
を算出するものについて示したが、追尾目標の加速度運
動によって追尾目標の運動ベクトルが一意的に定まらな
いことにより予測誤差が大きくなることがある。
【０１８４】そこで、この実施の形態５では、追尾目標
の加速度運動によって追尾目標の運動ベクトルが一意的
に定まらないことにより、予測誤差共分散行列を増加さ
せる諸元を算出して、その諸元を複数の運動モデル毎の
予測誤差共分散行列に加算する。即ち、複数運動モデル
統合型予測誤差評価器６２が、信頼度算出器４２により
算出された各運動モデルの信頼度βa kと、予め設定され
た推移確率Ｐabと、予め設定された定数加速度ベクトル
αa とから、式（１６９）の右辺第２項を算出する。
の加速度運動によって追尾目標の運動ベクトルが一意的
に定まらないことにより、予測誤差共分散行列を増加さ
せる諸元を算出して、その諸元を複数の運動モデル毎の
予測誤差共分散行列に加算する。即ち、複数運動モデル
統合型予測誤差評価器６２が、信頼度算出器４２により
算出された各運動モデルの信頼度βa kと、予め設定され
た推移確率Ｐabと、予め設定された定数加速度ベクトル
αa とから、式（１６９）の右辺第２項を算出する。
【０１８５】そして、複数運動モデル統合型予測誤差評
価器６２は、その算出結果を運動モデル毎の予測誤差評
価器４７により算出された運動モデル毎の予測誤差共分
散行列Ｐa k+1（−）に加算して、予測誤差の評価である
予測誤差共分散行列Ｐk+1 （＋）を算出し、その予測誤
差共分散行列Ｐk+1 （＋）を第７の遅延回路５１を介し
て運動諸元確率分布算出器２３に出力する。これによ
り、運動ベクトルが一意的に定まらない場合でも、予測
誤差の評価である予測誤差共分散行列Ｐk+1 （＋）を精
度よく算出することができる効果を奏する。
価器６２は、その算出結果を運動モデル毎の予測誤差評
価器４７により算出された運動モデル毎の予測誤差共分
散行列Ｐa k+1（−）に加算して、予測誤差の評価である
予測誤差共分散行列Ｐk+1 （＋）を算出し、その予測誤
差共分散行列Ｐk+1 （＋）を第７の遅延回路５１を介し
て運動諸元確率分布算出器２３に出力する。これによ
り、運動ベクトルが一意的に定まらない場合でも、予測
誤差の評価である予測誤差共分散行列Ｐk+1 （＋）を精
度よく算出することができる効果を奏する。
【０１８６】
【数５６】
【数５７】
【数５８】
【数５９】
【数６０】
【０１８７】実施の形態６．上記実施の形態４では、複
数運動モデル統合型平滑誤差評価器６１を設け、上記実
施の形態５では、複数運動モデル統合型予測誤差評価器
６２を設けたものについて示したが、図９に示すよう
に、複数運動モデル統合型平滑誤差評価器６１と複数運
動モデル統合型予測誤差評価器６２の双方を設けるよう
にしてもよい。
数運動モデル統合型平滑誤差評価器６１を設け、上記実
施の形態５では、複数運動モデル統合型予測誤差評価器
６２を設けたものについて示したが、図９に示すよう
に、複数運動モデル統合型平滑誤差評価器６１と複数運
動モデル統合型予測誤差評価器６２の双方を設けるよう
にしてもよい。
【０１８８】
【発明の効果】以上のように、この発明によれば、位置
相関手段から出力された観測データに係る属性データと
推定された属性データの相関を判定し、相関関係がある
観測データを選択するように構成したので、追尾目標の
色彩が中間色の場合でも、追尾目標を精度よく追尾する
ことができる効果がある。
相関手段から出力された観測データに係る属性データと
推定された属性データの相関を判定し、相関関係がある
観測データを選択するように構成したので、追尾目標の
色彩が中間色の場合でも、追尾目標を精度よく追尾する
ことができる効果がある。
【０１８９】この発明によれば、観測手段から出力され
た観測データに係る属性データと推定された属性データ
の相関を判定し、相関関係がある観測データを選択する
ように構成したので、追尾目標の色彩が中間色の場合で
も、追尾目標を精度よく追尾することができる効果があ
る。
た観測データに係る属性データと推定された属性データ
の相関を判定し、相関関係がある観測データを選択する
ように構成したので、追尾目標の色彩が中間色の場合で
も、追尾目標を精度よく追尾することができる効果があ
る。
【０１９０】この発明によれば、観測手段から出力され
た現在の属性データと前回の推定結果から属性データを
推定するように構成したので、追尾目標の色彩が中間色
の場合でも、相関関係がある観測データを選択すること
ができる効果がある。
た現在の属性データと前回の推定結果から属性データを
推定するように構成したので、追尾目標の色彩が中間色
の場合でも、相関関係がある観測データを選択すること
ができる効果がある。
【０１９１】この発明によれば、複数の運動モデルを用
いて追尾目標の位置をそれぞれ予測し、各予測結果を統
合するように構成したので、追尾目標が等速直線運動以
外の運動をしたときも、追尾目標を精度よく追尾するこ
とができる効果がある。
いて追尾目標の位置をそれぞれ予測し、各予測結果を統
合するように構成したので、追尾目標が等速直線運動以
外の運動をしたときも、追尾目標を精度よく追尾するこ
とができる効果がある。
【０１９２】この発明によれば、追尾目標の位置を予測
する際、運動モデル毎の平滑誤差共分散行列に基づいて
平滑誤差の評価値を演算するように構成したので、運動
ベクトルが一意的に定まらない場合でも、平滑誤差の評
価値を精度よく算出することができる効果がある。
する際、運動モデル毎の平滑誤差共分散行列に基づいて
平滑誤差の評価値を演算するように構成したので、運動
ベクトルが一意的に定まらない場合でも、平滑誤差の評
価値を精度よく算出することができる効果がある。
【０１９３】この発明によれば、追尾目標の位置を予測
する際、運動モデル毎の予測誤差共分散行列に基づいて
予測誤差の評価値を演算するように構成したので、運動
ベクトルが一意的に定まらない場合でも、予測誤差の評
価値を精度よく算出することができる効果がある。
する際、運動モデル毎の予測誤差共分散行列に基づいて
予測誤差の評価値を演算するように構成したので、運動
ベクトルが一意的に定まらない場合でも、予測誤差の評
価値を精度よく算出することができる効果がある。
【０１９４】この発明によれば、位置相関ステップで選
択された観測データに係る属性データと推定された属性
データの相関を判定し、相関関係がある観測データを選
択するように構成したので、追尾目標の色彩が中間色の
場合でも、追尾目標を精度よく追尾することができる効
果がある。
択された観測データに係る属性データと推定された属性
データの相関を判定し、相関関係がある観測データを選
択するように構成したので、追尾目標の色彩が中間色の
場合でも、追尾目標を精度よく追尾することができる効
果がある。
【０１９５】この発明によれば、観測ステップで観測さ
れた観測データに係る属性データと推定された属性デー
タの相関を判定し、相関関係がある観測データを選択す
るように構成したので、追尾目標の色彩が中間色の場合
でも、追尾目標を精度よく追尾することができる効果が
ある。
れた観測データに係る属性データと推定された属性デー
タの相関を判定し、相関関係がある観測データを選択す
るように構成したので、追尾目標の色彩が中間色の場合
でも、追尾目標を精度よく追尾することができる効果が
ある。
【０１９６】この発明によれば、現在の属性データと前
回の推定結果から属性データを推定するように構成した
ので、追尾目標の色彩が中間色の場合でも、相関関係が
ある観測データを選択することができる効果がある。
回の推定結果から属性データを推定するように構成した
ので、追尾目標の色彩が中間色の場合でも、相関関係が
ある観測データを選択することができる効果がある。
【０１９７】この発明によれば、複数の運動モデルを用
いて追尾目標の位置をそれぞれ予測し、各予測結果を統
合するように構成したので、追尾目標が等速直線運動以
外の運動をしたときも、追尾目標を精度よく追尾するこ
とができる効果がある。
いて追尾目標の位置をそれぞれ予測し、各予測結果を統
合するように構成したので、追尾目標が等速直線運動以
外の運動をしたときも、追尾目標を精度よく追尾するこ
とができる効果がある。
【０１９８】この発明によれば、追尾目標の位置を予測
する際、運動モデル毎の平滑誤差共分散行列に基づいて
平滑誤差の評価値を演算するように構成したので、運動
ベクトルが一意的に定まらない場合でも、平滑誤差の評
価値を精度よく算出することができる効果がある。
する際、運動モデル毎の平滑誤差共分散行列に基づいて
平滑誤差の評価値を演算するように構成したので、運動
ベクトルが一意的に定まらない場合でも、平滑誤差の評
価値を精度よく算出することができる効果がある。
【０１９９】この発明によれば、追尾目標の位置を予測
する際、運動モデル毎の予測誤差共分散行列に基づいて
予測誤差の評価値を演算するように構成したので、運動
ベクトルが一意的に定まらない場合でも、予測誤差の評
価値を精度よく算出することができる効果がある。
する際、運動モデル毎の予測誤差共分散行列に基づいて
予測誤差の評価値を演算するように構成したので、運動
ベクトルが一意的に定まらない場合でも、予測誤差の評
価値を精度よく算出することができる効果がある。
【図１】 この発明の実施の形態１による目標追尾装置
を示す構成図である。
を示す構成図である。
【図２】 この発明の実施の形態１による目標追尾方法
を示すフローチャートである。
を示すフローチャートである。
【図３】 追尾目標と相関の可能性のある観測データを
説明する説明図である。
説明する説明図である。
【図４】 追尾目標と相関の可能性のある観測データを
説明する説明図である。
説明する説明図である。
【図５】 この発明の実施の形態３による目標追尾装置
を示す構成図である。
を示す構成図である。
【図６】 定数加速度ベクトルを説明する説明図であ
る。
る。
【図７】 この発明の実施の形態４による目標追尾装置
を示す構成図である。
を示す構成図である。
【図８】 この発明の実施の形態５による目標追尾装置
を示す構成図である。
を示す構成図である。
【図９】 この発明の実施の形態６による目標追尾装置
を示す構成図である。
を示す構成図である。
【図１０】 従来の目標追尾装置を示す構成図である。
【図１１】 追尾目標と相関の可能性のある観測データ
を説明する説明図である。
を説明する説明図である。
【図１２】 追尾目標と相関の可能性のある観測データ
を説明する説明図である。
を説明する説明図である。
２１ 目標観測装置（観測手段）、２３ 運動諸元確率
分布算出器（位置相関手段）、２４ 運動諸元相関器
（位置相関手段）、２５ 属性データ推定器（推定手
段）、２７ 属性相関器（属性相関手段）、２８ 予測
装置（予測手段）。
分布算出器（位置相関手段）、２４ 運動諸元相関器
（位置相関手段）、２５ 属性データ推定器（推定手
段）、２７ 属性相関器（属性相関手段）、２８ 予測
装置（予測手段）。
Claims (12)
- 【請求項１】 追尾目標の位置及び属性を観測し、その
追尾目標の位置を示す観測データと追尾目標の属性を示
す属性データを出力する観測手段と、上記観測手段から
観測データが出力されると、追尾目標が存在する可能性
のある領域を示す確率分布を参照し、その観測データに
係る追尾目標がその領域内に存在する場合には、その観
測データを出力する位置相関手段と、上記位置相関手段
から出力された観測データに係る属性データと推定され
た属性データの相関を判定し、相関関係がある場合に
は、その観測データを出力する属性相関手段と、上記属
性相関手段から出力された観測データに基づいて追尾目
標の位置を予測する予測手段とを備えた目標追尾装置。 - 【請求項２】 追尾目標の位置及び属性を観測し、その
追尾目標の位置を示す観測データと追尾目標の属性を示
す属性データを出力する観測手段と、上記観測手段から
出力された観測データに係る属性データと推定された属
性データの相関を判定し、相関関係がある場合には、そ
の観測データを出力する属性相関手段と、上記属性相関
手段から観測データが出力されると、追尾目標が存在す
る可能性のある領域を示す確率分布を参照し、その観測
データに係る追尾目標がその領域内に存在する場合に
は、その観測データを出力する位置相関手段と、上記位
置相関手段から出力された観測データに基づいて追尾目
標の位置を予測する予測手段とを備えた目標追尾装置。 - 【請求項３】 観測手段から出力された現在の属性デー
タと前回の推定結果から属性データを推定する推定手段
を設けたことを特徴とする請求項１または請求項２記載
の目標追尾装置。 - 【請求項４】 予測手段は、複数の運動モデルを用いて
追尾目標の位置をそれぞれ予測し、各予測結果を統合す
ることを特徴とする請求項１から請求項３のうちのいず
れか１項記載の目標追尾装置。 - 【請求項５】 予測手段は、追尾目標の位置を予測する
際、運動モデル毎の平滑誤差共分散行列に基づいて平滑
誤差の評価値を演算することを特徴とする請求項４記載
の目標追尾装置。 - 【請求項６】 予測手段は、追尾目標の位置を予測する
際、運動モデル毎の予測誤差共分散行列に基づいて予測
誤差の評価値を演算することを特徴とする請求項４記載
の目標追尾装置。 - 【請求項７】 追尾目標の位置及び属性を観測し、その
追尾目標の位置を示す観測データと追尾目標の属性を示
す属性データを出力する観測ステップと、追尾目標が存
在する可能性のある領域を示す確率分布を参照し、その
観測データに係る追尾目標がその領域内に存在する場合
には、その観測データを出力する位置相関ステップと、
その観測データに係る属性データと推定された属性デー
タの相関を判定し、相関関係がある場合には、その観測
データを出力する属性相関ステップと、その観測データ
に基づいて追尾目標の位置を予測する予測ステップとを
備えた目標追尾方法。 - 【請求項８】 追尾目標の位置及び属性を観測し、その
追尾目標の位置を示す観測データと追尾目標の属性を示
す属性データを出力する観測ステップと、その観測デー
タに係る属性データと推定された属性データの相関を判
定し、相関関係がある場合には、その観測データを出力
する属性相関ステップと、追尾目標が存在する可能性の
ある領域を示す確率分布を参照し、その観測データに係
る追尾目標がその領域内に存在する場合には、その観測
データを出力する位置相関ステップと、その観測データ
に基づいて追尾目標の位置を予測する予測ステップとを
備えた目標追尾方法。 - 【請求項９】 現在の属性データと前回の推定結果から
属性データを推定することを特徴とする請求項７または
請求項８記載の目標追尾方法。 - 【請求項１０】 予測ステップは、複数の運動モデルを
用いて追尾目標の位置をそれぞれ予測し、各予測結果を
統合することを特徴とする請求項７から請求項９のうち
のいずれか１項記載の目標追尾方法。 - 【請求項１１】 予測ステップは、追尾目標の位置を予
測する際、運動モデル毎の平滑誤差共分散行列に基づい
て平滑誤差の評価値を演算することを特徴とする請求項
１０記載の目標追尾方法。 - 【請求項１２】 予測ステップは、追尾目標の位置を予
測する際、運動モデル毎の予測誤差共分散行列に基づい
て予測誤差の評価値を演算することを特徴とする請求項
１０記載の目標追尾方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP07260698A JP3457174B2 (ja) | 1998-03-20 | 1998-03-20 | 目標追尾装置及び目標追尾方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP07260698A JP3457174B2 (ja) | 1998-03-20 | 1998-03-20 | 目標追尾装置及び目標追尾方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH11271437A true JPH11271437A (ja) | 1999-10-08 |
| JP3457174B2 JP3457174B2 (ja) | 2003-10-14 |
Family
ID=13494231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP07260698A Expired - Fee Related JP3457174B2 (ja) | 1998-03-20 | 1998-03-20 | 目標追尾装置及び目標追尾方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3457174B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019012575A1 (ja) * | 2017-07-10 | 2019-01-17 | 三菱電機株式会社 | 目標追尾装置 |
-
1998
- 1998-03-20 JP JP07260698A patent/JP3457174B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019012575A1 (ja) * | 2017-07-10 | 2019-01-17 | 三菱電機株式会社 | 目標追尾装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3457174B2 (ja) | 2003-10-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111829505A (zh) | 多传感器航迹质量外推航迹融合方法 | |
| JP2004251660A (ja) | 目標追尾装置 | |
| US8213265B2 (en) | Method of object tracking in 3D space based on particle filter using acoustic sensors | |
| JP2893176B2 (ja) | 多目標追尾装置 | |
| JPH11271437A (ja) | 目標追尾装置及び目標追尾方法 | |
| JPH0797136B2 (ja) | 多目標追尾方法及びその装置 | |
| JP3411485B2 (ja) | 目標追尾装置 | |
| JP3926602B2 (ja) | 目標追尾装置及び方法 | |
| JPH05297947A (ja) | 多目標追尾装置 | |
| JP2001228245A (ja) | 目標追尾装置および目標追尾方法 | |
| JPH05288840A (ja) | 多目標追尾装置 | |
| JPH0797135B2 (ja) | 多目標追尾方法及びその装置 | |
| JP3440010B2 (ja) | 目標追尾装置 | |
| JP2985608B2 (ja) | 多目標追尾装置 | |
| JP3432737B2 (ja) | 追尾装置 | |
| JP3302870B2 (ja) | センサのバイアス誤差推定装置 | |
| JP2004037262A (ja) | 目標追尾装置 | |
| JP3323415B2 (ja) | 目標追尾装置及びその目標追尾方法 | |
| JP2843910B2 (ja) | 多目標追尾装置 | |
| JP3859908B2 (ja) | 目標追尾装置 | |
| JP3044296B2 (ja) | 目標相関装置 | |
| JPH0228705A (ja) | 目標追尾方式 | |
| JP2001289944A (ja) | 航跡追尾方法およびその装置 | |
| JP3218181B2 (ja) | センサのバイアス誤差推定装置 | |
| JP2002286838A (ja) | 目標追尾装置及び目標追尾方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070801 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080801 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080801 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090801 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090801 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100801 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110801 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110801 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120801 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120801 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130801 Year of fee payment: 10 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |