JP3657801B2 - Target tracking device - Google Patents
Target tracking device Download PDFInfo
- Publication number
- JP3657801B2 JP3657801B2 JP03308499A JP3308499A JP3657801B2 JP 3657801 B2 JP3657801 B2 JP 3657801B2 JP 03308499 A JP03308499 A JP 03308499A JP 3308499 A JP3308499 A JP 3308499A JP 3657801 B2 JP3657801 B2 JP 3657801B2
- Authority
- JP
- Japan
- Prior art keywords
- cluster
- hypothesis
- target
- observation vector
- wake
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Description
【０００１】
【発明の属する技術分野】
この発明は、レーダ等のセンサを介して得る観測ベクトルから、複数の目標の航跡を推定する目標追尾装置に関し、特に新目標の発生頻度を抑えることにより真の仮説の信頼度を上げ、追尾性能の向上に関する。
【０００２】
【従来の技術】
従来のこの種の目標追尾装置として、特開平８−２７１６１７号公報に示されたものがあり、図５は上記文献に示された目標追尾アルゴリズムを備えた目標追尾装置の全体構成図である。
【０００３】
図５を参照して従来の目標追尾アルゴリズムを備えた目標追尾装置について説明する。
１は、センサである目標観測装置を介して当目標追尾装置に入力した観測ベクトル全体から目標存在予測範囲である各航跡ゲートに含まれる観測ベクトルを選択する観測ベクトル選択部である。
２は、当目標追尾装置内全体のクラスタの状態を示すシステム内クラスタ表である。
３は、上記の選択された観測ベクトルと上記システム内クラスタ表に示された既存のクラスタの関係から、クラスタを新設または統合し、またクラスタ内観測ベクトル表を作成し、クラスタ内の仮説の状況を示すデータ群の更新をするクラスタ新設・統合部である。
４は、クラスタ内に含まれる観測ベクトルの全体を示すクラスタ内観測ベクトル表である。
５は、上記クラスタ内観測ベクトル表と上記クラスタ内の仮説の状況を示すデータ群を入力とし、クラスタ内のゲート内判定行列を算出するゲート内判定行列算出部である。
６は、上記クラスタ内観測ベクトルと航跡の関係を示すクラスタ内ゲート内判定行列である。
７は、上記クラスタ内ゲート内判定行列を入力とし、クラスタ内の航跡相関行列を算出する航跡相関行列算出部である。
８は、クラスタ内で仮説の更新性を示すクラスタ内航跡相関行列である。
９は、上記クラスタ内航跡相関行列と上記クラスタ内の仮説の状況を示すデータ群を入力し、現時刻に入力した観測ベクトルに対応して仮説の生成と更新をする仮説更新部である。
１０は、クラスタ内の仮説の状況を示すデータ群である。
１１は、クラスタ内にある全ての仮説を示したクラスタ内仮説表である。
１２は、各仮説ごとに仮説内にある全ての航跡を示した仮説内航跡表である。
１３は、クラスタ内にある全ての航跡に対して航跡を構成する観測ベクトルを示したクラスタ内航跡−観測ベクトル表である。
１４は、クラスタ内にある全ての航跡に対して次の観測ベクトル入力時刻における目標存在予測範囲である各航跡ゲートを算出するゲート算出部である。
１５は、クラスタ内に複数の仮説が存在する場合それらに含まれる航跡の中から確立した航跡を抽出する航跡決定部である。
１６は、当目標追尾装置である。
１７は、空間中の目標を観測して観測ベクトルなど観測情報を当目標追尾装置に送るセンサである目標観測装置である。
１８は、ディスプレイ上に航跡等を表示し目標の状態を使用者に示す目標表示装置である。
１９は、クラスタ内の仮説の状況を示すデータ群を入力し仮説の信頼度や数などを評価し仮説数を削除する仮説縮小部である。
【０００４】
図６は、図５の従来の目標追尾装置の動作を説明するフローチャートである。
【０００５】
図６において、先ず、センサである目標観測装置１７を介して入力した観測ベクトル全体から目標存在予測範囲である各航跡ゲートに含まれる観測ベクトルを選択する。（ＳＴ１）
次いで、選択された観測ベクトルと既存のクラスタ内の航跡の関係から、クラスタの新設または統合、クラスタ内観測ベクトル表の作成、システム内クラスタ表の更新、クラスタ内の仮説の状況を示すデータ群の更新をする。（ＳＴ２）
次いで、上記クラスタ内観測ベクトル表と上記クラスタ内の仮説の状況を示すデータ群を入力とし、クラスタ内のゲート内判定行列を算出する。（ＳＴ３）
次いで、上記クラスタ内ゲート内判定行列を入力とし、クラスタ内の航跡相関行列を算出する。（ＳＴ４）
次いで、上記クラスタ内の航跡相関行列と、上記クラスタ内の仮説の状況を示すデータ群を入力し、現時刻に入力した観測ベクトルに対応して仮説の生成と更新をする。（ＳＴ５）
次いで、クラスタ内の仮説の状況を示すデータ群を入力し、仮説の信頼度や数などを評価し仮説数を削除する。（ＳＴ６）
次いで、クラスタ内にある全ての航跡に対して次の観測ベクトル入力時の目標存在予測範囲である各航跡ゲートを算出する。（ＳＴ７）
目標の追尾処理が終了するまで、ＳＴ１〜ＳＴ７を繰り返す。
【０００６】
【発明が解決しようとする課題】
従来の目標追尾装置では、仮説の信頼度を算出するために用いる新航跡の発生頻度について、先に示した文献、特開平８−２７１６１７号公報で引用の、D.B.Reid,“An Algorithm for Tracking Multiple Targets”,IEEE Trans.Automatic Control,AC-24,p843-854(1979)において、式（１）のように定めている。
【０００７】
【数１】
ここで、βTTは、目標が空間に一様分布し、かつ目標の個数はポアソン分布に従うとした場合の単位容積あたりの平均目標個数、fNTは目標が存在していると目標追尾装置が既に認識している確率、またPDは目標検出確率である。
【０００９】
しかし、式（１）では、 fNT の算出根拠は明らかされておらず、また観測ベクトルが得られるサンプリング間隔が一定の場合という条件が存在していた。
【００１０】
また、目標追尾において、目標を継続して追尾し、サンプリング時刻が進めば、その目標を捕捉する機会は増加するので、新目標の発生頻度は減る方が現実的であるのに、従来の新目標の発生頻度は、サンプリング時刻によらず一定の値に設定されるという問題があった。
【００１１】
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あり、請求項１に係る発明は、サンプリング時刻毎に、目標追尾の状況に応じて新目標の発生頻度を算出して誤航跡（新目標）の発生頻度を抑えることにより真の仮説の信頼度を上げ、追尾性能を向上した目標追尾装置を得ることを目的としている。
【００１２】
また、請求項２に係る発明は、新目標の発生の可能性が高い状況の場合は、新目標発生頻度を初期値に戻し、その他の場合は、サンプリング時刻毎に新目標の発生頻度を算出して誤航跡（新目標）の発生頻度を抑えることにより真の仮説の信頼度を上げ、追尾性能を向上した目標追尾装置を得ることを目的としている。
【００１３】
【課題を解決するための手段】
上記の目的を達成するために、請求項１に係る発明の目標追尾装置は、複数の目標の航跡を推定する目標追尾装置において、センサを介して入力した観測ベクトル全体から目標存在予測範囲である各航跡ゲートに含まれる観測ベクトルを選択する観測ベクトル選択手段と、選択された観測ベクトルと既存のクラスタ内の航跡の関係から、クラスタの新設または統合、クラスタ内観測ベクトル表の作成、システム内クラスタ表の更新、クラスタ内の仮説の状況を示すデータ群の更新をするクラスタ新設・統合手段と、上記クラスタ内観測ベクトル表と上記クラスタ内の仮説の状況を示すデータ群を入力とし、クラスタ内のゲート内判定行列を算出するゲート内判定行列算出手段と、上記クラスタ内のゲート内判定行列を入力とし、クラスタ内の航跡相関行列を算出する航跡相関行列算出手段と、上記システム内クラスタ表からクラスタ更新情報と、下記仮説更新手段からそのクラスタ内の仮説更新結果を入力し、航跡を含む仮説の信頼度を基に、サンプリング時刻毎に新目標の発生頻度を算出する新目標発生頻度算出手段と、上記クラスタ内の航跡相関行列と、上記クラスタ内の仮説の状況を示すデータ群と、上記の新目標の発生頻度を入力し、現時刻に入力した観測ベクトルに対応して仮説の生成と更新をする仮説更新手段と、クラスタ内の仮説の状況を示すデータ群を入力し仮説の信頼度や数などを評価し仮説数を削除する仮説縮小手段と、各クラスタ内にある全ての航跡に対し次の観測ベクトルの入力時の目標存在予測範囲である上記の各航跡ゲートを算出するゲート算出手段と、クラスタ内に複数の仮説が存在する場合それらに含まれる航跡の中から確立した航跡を抽出する航跡決定手段と、を備えたことを特徴とする。
【００１４】
また、請求項２に係る発明の目標追尾装置は、複数の目標の航跡を推定する目標追尾装置において、センサを介して当目標追尾装置に入力した観測ベクトル全体から目標存在予測範囲である各航跡ゲートに含まれる観測ベクトルを選択する観測ベクトル選択手段と、選択された観測ベクトルと既存のクラスタ内の航跡の関係から、クラスタの新設または統合、クラスタ内観測ベクトル表の作成、システム内クラスタ表の更新、クラスタ内の仮説の状況を示すデータ群の更新をするクラスタ新設・統合手段と、上記クラスタ内観測ベクトル表と上記クラスタ内の仮説の状況を示すデータ群を入力とし、クラスタ内のゲート内判定行列を算出するゲート内判定行列算出手段と、上記クラスタ内のゲート内判定行列を入力とし、クラスタ内の航跡相関行列を算出する航跡相関行列算出手段と、上記当目標追尾装置のセンサと覆域が重なる他の目標追尾装置等のセンサを介して入力する観測ベクトル等の観測情報と、上記当目標追尾装置のセンサを介して入力する観測ベクトルや当目標追尾装置内に存在する観測情報との相関をとる観測情報相関手段と、上記システム内クラスタ表からクラスタ更新情報と、仮説更新手段からそのクラスタ内の仮説更新結果を入力し、航跡を含む仮説の信頼度を基に、サンプリング時刻毎に新目標の発生頻度を算出し、さらに上記観測情報相関手段より得る観測情報を用いて、新目標の発生頻度を初期化する新目標発生頻度算出手段と、上記クラスタ内の航跡相間行列と、上記クラスタ内の仮説の状況を示すデータ群と、上記新目標の発生頻度を入力し、現時刻に入力した観測ベクトルに対応して仮説の生成と更新をする仮説更新手段と、クラスタ内の仮説の状況を示すデータ群を入力し仮説の信頼度や数などを評価し仮説数を削除する仮説縮小手段と、各クラスタ内にある全ての航跡に対し次の観測ベクトルの入力時の目標存在予測範囲である上記の各航跡ゲートを算出するゲート算出手段と、クラスタ内に複数の仮説が存在する場合それらに含まれる航跡の中から確立した航跡を抽出する航跡決定手段と、を備えたことを特徴とする。
【００１５】
【発明の実施の形態】
実施の形態１．
図１は、この発明の目標追尾装置の実施の形態１を示す全体構成図である。
図１において、１〜８，１０〜１９は、従来例と同様であり説明を省く。
【００１６】
２１は、図１に示すシステム内クラスタ表２からクラスタの更新情報と、仮説更新部９ａからそのクラスタ内の仮説更新結果を入力し、動作の説明で例示するようにサンプリング時刻毎に新目標の発生頻度を算出する新目標発生頻度算出部である。
９ａは、クラスタ内航跡相関行列と、上記クラスタ内の仮説の状況を示すデータ群と、新目標発生頻度とを用いて、現時刻に入力した観測ベクトルに対応して仮説の生成と更新をする仮説更新部である。
【００１７】
図２は、図１の目標追尾装置の動作を説明するフローチャートである。
図２において、ＳＴ１〜ＳＴ４， ＳＴ６， ＳＴ７のステップは、従来例と同様であり詳細説明は省く。
ＳＴ８は、システム内クラスタ表２からクラスタの更新情報と、仮説更新部９ａからそのクラスタの仮説更新結果を用いて、具体的な算出例に示すように新目標の発生頻度を算出するステップである。
ＳＴ５ａは、クラスタ内の航跡相関行列と、上記クラスタ内の仮説の状況を示すデータ群と、新目標の発生頻度を用いて、現時刻に入力した観測ベクトルに対応して仮説の生成と更新をするステップである。
【００１８】
先ず、センサである目標観測装置を介して入力した観測ベクトル全体から目標存在予測範囲である各航跡ゲートに含まれる観測ベクトルを選択する。（ＳＴ１）
次いで、選択された観測ベクトルと既存のクラスタ内の航跡の関係から、クラスタの新設または統合、クラスタ内観測ベクトル表の作成、システム内クラスタ表の更新、クラスタ内の仮説の状況を示すデータ群の更新をする。（ＳＴ２）
次いで、上記クラスタ内観測ベクトル表と上記クラスタ内の仮説の状況を示すデータ群を入力とし、クラスタ内のゲート内判定行列を算出する。（ＳＴ３）
次いで、上記クラスタ内ゲート内判定行列を入力とし、クラスタ内の航跡相関行列を算出する。（ＳＴ４）
次いで、システム内クラスタ表からクラスタの更新情報と、仮説更新部からそのクラスタ内の仮説更新結果を用いて、新目標の発生頻度を算出する。（ＳＴ８）
次いで、上記クラスタ内の航跡相関行列と、上記クラスタ内の仮説の状況を示すデータ群と、上記の新目標の発生頻度を用いて、現時刻に入力した観測ベクトルに対応して仮説の生成と更新をする。（ＳＴ５ａ）
次いで、クラスタ内の仮説の状況を示すデータ群を入力し、仮説の信頼度や数などを評価し仮説数を削除する。（ＳＴ６）
次いで、クラスタ内にある全ての航跡に対して次の観測ベクトル入力時の目標存在予測範囲である各航跡ゲートを算出する。（ＳＴ７）
目標の追尾処理が終了するまで、上記フローを繰返す。
【００１９】
以下に、 ＳＴ８における、新目標の発生頻度を算出する具体的な算出例を示す。
まず、サンプリング時刻tkにおいて、Ik個の仮説があるとき、仮説をXk,i(i=1,2,...,Ik)と表記する。
【００２０】
仮説Xk,iが少なくとも１つの航跡を含む航跡であることを、式（２）で表す。
【００２１】
【数２】
時刻tkにおける仮説Xk,iの信頼度βk,iが算出されると、目標が存在するのが正しいとする仮説が真である確率は、式（３）で算出される。
【００２３】
【数３】
また、時刻tk+1において、観測ベクトルが得られない状態で目標が存在していると当目標追尾装置が認識している事前確率fNT,k+1を、式（４）で定義する。
【００２５】
【数４】
まず、初探知の観測ベクトル（即ち、どの既存のクラスタにも含まれない）の場合は、式（１）において、目標が既に存在していると当目標追尾装置が認識している確率：ｆNT=0として新目標の発生頻度を得る。
【００２７】
【数５】
次に、初探知の観測ベクトルでなく、目標を継続して追尾している場合の観測ベクトルの場合、（通常のクラスタ内処理における）新目標の発生頻度の算出例を示す。
【００２９】
時刻t1において、目標が存在していると当目標追尾装置が認識している個数の平均は、式（６）で定められる。
【００３０】
【数６】
すると、時刻t2における新航跡が存在する頻度β2 TTは、式(７)となる。
【００３２】
【数７】
式（７）を用いて、時刻t2における新目標の発生頻度β2 NTは、式（８）となる。
【００３４】
【数８】
式（６）から式（８）を用いて、式（９）を得る。
【００３６】
【数９】
以下、式（４）を用いて、この手順をサンプリング時刻毎に繰り返して、時刻tkにおける新目標の発生頻度βk NTは、式（１０）となる。
【００３８】
【数１０】
以上のように、実施の形態１によれば、サンプリング時刻毎に、目標追尾の状況に応じて、即ち、初探知の観測ベクトルの場合、または初探知の観測ベクトルでない観測ベクトルの場合に応じて、新目標の発生頻度を算出することにより誤航跡（新目標）の発生頻度を抑えて真の仮説の信頼度を上げ、追尾性能を向上させることができる。
【００４０】
実施の形態２．
図３は、この発明の目標追尾装置の実施の形態２を示す全体構成図である。
図３において、１〜８，１０〜１９は、従来例と同様であり説明を省く。
【００４１】
２２は、当目標追尾装置のセンサ１７と覆域が重なる、他の目標追尾装置のセンサ２３を介して入力する観測ベクトル等の観測情報と、当目標追尾装置のセンサ１７を介して入力する観測ベクトルや当目標追尾装置内に存在する航跡等との相関をとり、当目標追尾装置のセンサ１７で観測できなかった観測ベクトルや、その観測ベクトルが得られた領域等の観測情報を出力する観測情報相関部である。
【００４２】
２１ａは、下記の観測情報相関部２２から得る観測情報を参照して、新目標の発生の可能性が高い状況の場合は、新目標発生頻度を初期値に戻し、その他の場合は、実施の形態１で説明した新目標発生頻度算出部２１と同様に、サンプリング時刻毎に新目標の発生頻度を算出して誤航跡（新目標）の発生頻度を抑える、新目標発生頻度算出部である。
９ａは、クラスタ内航跡相関行列と、上記クラスタ内の仮説の状況を示すデータ群と、新目標発生頻度を入力し、現時刻に入力した観測ベクトルに対応して仮説の生成と更新をする仮説更新部である。
【００４３】
図４は図３の目標追尾装置の動作を説明するフローチャートである。
図４において、 ＳＴ１〜ＳＴ４，ＳＴ６，ＳＴ７のステップは、従来例と同様であり、詳細説明を省く。
ＳＴ９は、上記の観測情報相関部２２の処理結果より、当目標追尾装置のセンサ１７と覆域が重なる、他の目標追尾装置のセンサ２３を介して入力する観測ベクトルが、当目標追尾装置のセンサ１７では観測されなかったとき、その観測ベクトルがクラスタ内の航跡ゲート内に存在するかを調べるステップである。
ＹＥＳの場合、即ちクラスタ内にその観測ベクトルが存在する場合は、新目標の発生の可能性が高いため、新目標の発生頻度を初期値に設定し直す。（ ＳＴ１０）
一方、ＮＯの場合、即ちクラスタ内にその観測ベクトルが存在しない場合は、実施の形態１におけるＳＴ８と同様に、サンプリング時刻毎に新目標の発生頻度算出式により、新目標の発生頻度を算出する。（ＳＴ８）
ＳＴ５ａは、実施の形態１と同様に、クラスタ内の航跡相関行列と、上記クラスタ内の仮説の状況を示すデータ群と、新目標の発生頻度を入力し、現時刻に入力した観測ベクトルに対応して仮説の生成と更新をするステップである。
【００４４】
図４において、
先ず、センサである目標観測装置１７を介して入力した観測ベクトル全体から目標存在予測範囲である各航跡ゲートに含まれる観測ベクトルを選択する。（ＳＴ１）
次いで、選択された観測ベクトルと既存のクラスタ内の航跡の関係から、クラスタの新設または統合、クラスタ内観測ベクトル表の作成、システム内クラスタ表の更新、クラスタ内の仮説の状況を示すデータ群の更新をする。（ＳＴ２）
次いで、上記クラスタ内観測ベクトル表と上記クラスタ内の仮説の状況を示すデータ群を入力とし、クラスタ内のゲート内判定行列を算出する。（ＳＴ３）
次いで、上記クラスタ内ゲート内判定行列を入力とし、クラスタ内の航跡相関行列を算出する。（ＳＴ４）
次いで、観測情報相関部２２の処理結果より、当目標追尾装置のセンサ１７と覆域が重なる、他の目標追尾装置のセンサ２３から入力した観測ベクトルが、当目標追尾装置のセンサ１７では観測されなかったとき、その観測ベクトルがクラスタ内の航跡ゲート内に存在するかを調べる。（ＳＴ９）
ＳＴ９が、ＹＥＳの場合、即ちクラスタ内の航跡ゲート内にその観測ベクトルが存在する場合は、新目標の発生の可能性が高いため、新目標の発生頻度を初期値に設定し直す。（ＳＴ１０）
一方、ＳＴ９で、ＮＯの場合、即ちクラスタ内にその観測ベクトルが存在しない場合は、サンプリング時刻毎に新目標の発生頻度算出式により新目標の発生頻度を算出する。（ＳＴ８）
次いで、上記クラスタ内の航跡相関行列と、上記クラスタ内の仮説の状況を示すデータ群と、新目標の発生頻度を入力し、現時刻に入力した観測ベクトルに対応して仮説の生成と更新をする。（ＳＴ５ａ）
次いで、クラスタ内の仮説の状況を示すデータ群を入力し、仮説の信頼度や数などを評価し仮説数を削除する。（ＳＴ６）
次いで、クラスタ内にある全ての航跡に対して次の観測ベクトル入力時の目標存在予測範囲である各航跡ゲートを算出する。（ＳＴ７）
目標の追尾処理が終了するまで、上記フローを繰り返す。
【００４５】
以上のように、実施の形態２によれば、観測情報相関部からの当目標追尾装置以外の他のセンサの観測情報を参照して、新目標の発生の可能性が高い場合は、新目標発生頻度を初期値に戻し、その他の場合は、サンプリング時刻毎に新目標の発生頻度を算出して誤航跡（新目標）の発生頻度を抑えることにより、真の仮説の信頼度を上げ追尾性能を向上させることができる。
【００４６】
【発明の効果】
以上のように、請求項１の発明によれば、新目標発生頻度算出手段を設け、サンプリング時刻毎に、目標追尾の状況に応じて新目標の発生頻度を算出することにより、誤航跡（新目標）の発生頻度を抑えて真の仮説の信頼度を上げ、追尾性能を向上した目標追尾装置を得ることができる。
【００４７】
また、 請求項２の発明によれば、当目標追尾装置以外の他のセンサからの観測情報を参照する観測情報相関部と新目標発生頻度算出手段を設け、新目標の発生の可能性が高い状況の場合は、新目標発生頻度を初期値に戻し、その他の場合は、サンプリング時刻毎に新目標の発生頻度を算出して誤航跡（新目標）の発生頻度を抑えることにより真の仮説の信頼度を上げ、追尾性能を向上した目標追尾装置を得ることができる。
【図面の簡単な説明】
【図１】 この発明の目標追尾装置の実施の形態１を示す構成ブロック図である。
【図２】 図１の動作を説明するフローチャートである。
【図３】 この発明の目標追尾装置の実施の形態２を示す構成ブロック図である。
【図４】 図３の動作を説明するフローチャートである。
【図５】 従来の目標追尾装置を示す構成ブロック図である。
【図６】 図５の動作を説明するフローチャートである。
【符号の説明】
１ 観測ベクトル選択部、３ クラスタ新設・統合部、５ ゲート内判行列算出部、７ 航跡相関行列算出部、９，９ａ 仮説更新部、１４ ゲート算出部、１５ 航跡決定部、１６ 当目標追尾装置、１７ 目標観測装置（当目標追尾装置の）、２１，２１ａ 新目標発生頻度算出部、２２ 観測情報相関部、２３ 目標観測装置（他の目標追尾装置の）。[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a target tracking device that estimates the wakes of a plurality of targets from observation vectors obtained through sensors such as radar, and in particular, increases the reliability of the true hypothesis by suppressing the frequency of new targets, and the tracking performance Related to improvement.
[0002]
[Prior art]
A conventional target tracking device of this type is disclosed in Japanese Patent Application Laid-Open No. 8-271617, and FIG. 5 is an overall configuration diagram of the target tracking device including the target tracking algorithm described in the above document.
[0003]
Referring to FIG. 5 will be described target tracking apparatus provided with a conventional target tracking algorithm.
2 is an in-system cluster table showing the state of the entire cluster in the target tracking device.
3. From the relationship between the selected observation vector and the existing cluster shown in the intra-system cluster table, a new cluster is created or integrated, and an intra-cluster observation vector table is created, and the hypothesis status in the cluster This is a cluster establishment / integration unit that updates a data group indicating
4 is an intra-cluster observation vector table showing the entire observation vectors included in the cluster.
Reference numeral 5 denotes an in-gate determination matrix calculation unit that receives the intra-cluster observation vector table and a data group indicating the hypothesis status in the cluster as inputs, and calculates an in-gate determination matrix in the cluster.
Reference numeral 6 denotes an intra-cluster gate determination matrix indicating the relationship between the intra-cluster observation vector and the wake.
Reference numeral 9 denotes a hypothesis updating unit that receives the intra-cluster track correlation matrix and a data group indicating the status of hypotheses in the cluster, and generates and updates hypotheses corresponding to the observation vector input at the current time.
13 is an intra-cluster wake-observation vector table showing observation vectors constituting a wake for all wakes in the cluster.
A
[0004]
FIG. 6 is a flowchart for explaining the operation of the conventional target tracking device of FIG.
[0005]
In FIG. 6, first, an observation vector included in each wake gate that is the target presence prediction range is selected from the entire observation vector input via the
Next, based on the relationship between the selected observation vector and the wake in the existing cluster, the creation or integration of clusters, the creation of an intra-cluster observation vector table, the update of the intra-system cluster table, and the status of hypotheses within the cluster Update. (ST2)
Next, using the intra-cluster observation vector table and a data group indicating the hypothesis status within the cluster as inputs, an intra-gate determination matrix within the cluster is calculated. (ST3)
Next, the intra-cluster gate determination matrix is used as an input to calculate a wake correlation matrix within the cluster. (ST4)
Next, the wake correlation matrix in the cluster and the data group indicating the status of the hypothesis in the cluster are input, and the hypothesis is generated and updated corresponding to the observation vector input at the current time. (ST5)
Next, a data group indicating the status of hypotheses in the cluster is input, the reliability and number of hypotheses are evaluated, and the number of hypotheses is deleted. (ST6)
Next, each wake gate, which is the target presence prediction range when the next observation vector is input, is calculated for all wakes in the cluster. (ST7)
ST1 to ST7 are repeated until the target tracking process is completed.
[0006]
[Problems to be solved by the invention]
In the conventional target tracking device, DBReid, “An Algorithm for Tracking Multiple Targets” cited in the above-mentioned document, Japanese Patent Application Laid-Open No. 8-271617, regarding the occurrence frequency of a new track used for calculating the reliability of the hypothesis. ”, IEEE Trans. Automatic Control, AC-24, p843-854 (1979).
[0007]
[Expression 1]
Here, β TT is the average target number per unit volume when the targets are uniformly distributed in the space and the number of targets follows a Poisson distribution, and f NT is the target tracking device when the target exists. The probability that has already been recognized, and PD is the target detection probability.
[0009]
However, in Equation (1), the basis for calculating f NT is not clear, and there is a condition that the sampling interval at which the observation vector is obtained is constant.
[0010]
In addition, in the target tracking, if the target is continuously tracked and the sampling time is advanced, the chance of capturing the target increases, so it is more realistic to reduce the frequency of new target generation. There has been a problem that the occurrence frequency of the target is set to a constant value regardless of the sampling time.
[0011]
The present invention has been made to solve the above-described problems, and the invention according to
[0012]
The invention according to
[0013]
[Means for Solving the Problems]
In order to achieve the above object, a target tracking device according to a first aspect of the present invention is a target tracking device that estimates the track of a plurality of targets, and is a target presence prediction range from the entire observation vector input via a sensor. Observation vector selection means for selecting observation vectors included in each wake gate, and establishment or integration of clusters, creation of intra-cluster observation vector tables, intra-system clusters based on the relationship between selected observation vectors and existing wakes in clusters Cluster update / integration means for updating the table, updating the data group indicating the hypothesis status in the cluster, and the intra-cluster observation vector table and the data group indicating the hypothesis status in the cluster as inputs. An in-gate decision matrix calculating means for calculating an in-gate decision matrix and an in-gate decision matrix in the cluster are input, and And track correlation matrix calculating means for calculating a trace correlation matrix, and the cluster update information from the cluster table above system, enter the hypothesis update result in the cluster from the following hypothesis updating unit, based on the reliability of the hypothesis including track A new target occurrence frequency calculating means for calculating a new target occurrence frequency at each sampling time , a wake correlation matrix in the cluster, a data group indicating a hypothesis status in the cluster, and an occurrence frequency of the new target Input hypothesis update means for generating and updating hypotheses corresponding to the observation vector input at the current time, and input a group of data indicating the hypothesis status in the cluster to evaluate the reliability and number of hypotheses. Hypothesis reduction means for deleting the number of hypotheses, and gate calculation means for calculating each wake gate, which is the target existence prediction range when the next observation vector is input, for all wakes in each cluster Characterized in that and a track determining means for extracting a track established from among the track they contain when there are multiple hypotheses in the cluster.
[0014]
According to a second aspect of the present invention, there is provided a target tracking device that estimates a track of a plurality of targets, and each track that is a target presence prediction range from the entire observation vector input to the target tracking device via a sensor. From the observation vector selection means to select the observation vector included in the gate, and the relationship between the selected observation vector and the track in the existing cluster, new or integration of clusters, creation of intra-cluster observation vector table, in-system cluster table Update, update the data group indicating the status of the hypothesis in the cluster, and the cluster observation vector table and the data group indicating the status of the hypothesis in the cluster. The intra-gate determination matrix calculation means for calculating the determination matrix and the intra-gate determination matrix in the cluster are input, and the wake phase in the cluster is input. Wake correlation matrix calculating means for calculating a matrix, observation information such as an observation vector input via a sensor such as another target tracking device whose coverage area overlaps the sensor of the target tracking device, and the target tracking device Observation information correlating means that correlates observation vectors input via sensors and observation information existing in the target tracking device, cluster update information from the cluster table in the system, and hypotheses in the cluster from the hypothesis update means Enter the update result , calculate the frequency of new targets at each sampling time based on the reliability of the hypothesis including the wake, and use the observation information obtained from the observation information correlation means to determine the frequency of the new targets. enter the new target frequency calculating means for initializing a wake phase between the matrix in the cluster, and the data group indicating the status of the hypotheses within the cluster, the frequency of occurrence of the new target, the current Hypothesis update means for generating and updating hypotheses corresponding to the observation vector input at the same time, and data groups indicating the hypothesis status in the cluster are input, the reliability and number of hypotheses are evaluated, and the number of hypotheses is deleted Hypothesis reduction means, gate calculation means for calculating each wake gate that is the target existence prediction range when the next observation vector is input for all wakes in each cluster, and multiple hypotheses exist in the cluster And a wake determination means for extracting a wake established from wakes included in the wake.
[0015]
DETAILED DESCRIPTION OF THE INVENTION
FIG. 1 is an overall configuration
In FIG. 1, 1 to 8 and 10 to 19 are the same as those in the conventional example and will not be described.
[0016]
21 inputs the update information of the cluster from the in-system cluster table 2 shown in FIG. 1 and the hypothesis update result in the cluster from the
9a generates and updates a hypothesis corresponding to the observation vector input at the current time, using the intra-cluster track correlation matrix, the data group indicating the hypothesis status in the cluster, and the new target occurrence frequency. It is a hypothesis update unit.
[0017]
FIG. 2 is a flowchart for explaining the operation of the target tracking device of FIG.
In FIG. 2, the steps ST1 to ST4, ST6 and ST7 are the same as those in the conventional example and will not be described in detail.
ST8 is a step of calculating the occurrence frequency of a new target using a cluster update information from the intra-system cluster table 2 and a hypothesis update result of the cluster from the
ST5a uses the wake correlation matrix in the cluster, the data group indicating the hypothesis status in the cluster, and the occurrence frequency of the new target to generate and update the hypothesis corresponding to the observation vector input at the current time. It is a step to do.
[0018]
First, an observation vector included in each wake gate that is a target presence prediction range is selected from all observation vectors input via a target observation device that is a sensor. (ST1)
Next, based on the relationship between the selected observation vector and the wake in the existing cluster, the creation or integration of clusters, the creation of an intra-cluster observation vector table, the update of the intra-system cluster table, and the status of hypotheses within the cluster Update. (ST2)
Next, using the intra-cluster observation vector table and a data group indicating the hypothesis status within the cluster as inputs, an intra-gate determination matrix within the cluster is calculated. (ST3)
Next, the intra-cluster gate determination matrix is used as an input to calculate a wake correlation matrix within the cluster. (ST4)
Next, the occurrence frequency of the new target is calculated by using the cluster update information from the intra-system cluster table and the hypothesis update result in the cluster from the hypothesis update unit. (ST8)
Next, using the wake correlation matrix in the cluster, the data group indicating the hypothesis status in the cluster, and the occurrence frequency of the new target, generation of a hypothesis corresponding to the observation vector input at the current time Update. (ST5a)
Next, a data group indicating the status of hypotheses in the cluster is input, the reliability and number of hypotheses are evaluated, and the number of hypotheses is deleted. (ST6)
Next, each wake gate, which is the target presence prediction range when the next observation vector is input, is calculated for all wakes in the cluster. (ST7)
The above flow is repeated until the target tracking process is completed.
[0019]
A specific calculation example for calculating the occurrence frequency of the new target in ST8 is shown below.
First, when there are I k hypotheses at the sampling time t k , the hypotheses are expressed as X k, i (i = 1, 2,..., I k ).
[0020]
Expression (2) indicates that the hypothesis X k, i is a track including at least one track.
[0021]
[Expression 2]
When the reliability β k, i of the hypothesis X k, i at the time t k is calculated, the probability that the hypothesis that the target is correct is true is calculated by Equation (3).
[0023]
[Equation 3]
Further, the prior probability f NT, k + 1 recognized by the target tracking device that the target exists in the state where the observation vector cannot be obtained at time t k + 1 is defined by Expression (4). .
[0025]
[Expression 4]
First, in the case of an observation vector for the first detection (that is, not included in any existing cluster), the probability that the target tracking device recognizes that the target already exists in Equation (1): f The occurrence frequency of the new target is obtained with NT = 0.
[0027]
[Equation 5]
Next, an example of calculating the occurrence frequency of a new target (in normal intra-cluster processing) is shown in the case of an observation vector in the case where the target is continuously tracked instead of the first detection observation vector.
[0029]
The average of the number of the target tracking devices that the target exists at time t 1 is determined by equation (6).
[0030]
[Formula 6]
Then, the frequency β 2 TT at which a new wake exists at time t 2 is expressed by Equation (7).
[0032]
[Expression 7]
Using equation (7), the new target occurrence frequency β 2 NT at time t 2 is expressed by equation (8).
[0034]
[Equation 8]
Using equation (6) to equation (8), equation (9) is obtained.
[0036]
[Equation 9]
Hereinafter, using Equation (4), this procedure is repeated for each sampling time, and the new target occurrence frequency β k NT at time t k becomes Equation (10).
[0038]
[Expression 10]
As described above, according to the first embodiment, at each sampling time , according to the target tracking situation, that is, in the case of the observation vector for the first detection or the observation vector that is not the observation vector for the first detection. By calculating the occurrence frequency of the new target, it is possible to increase the reliability of the true hypothesis by suppressing the occurrence frequency of the erroneous track (new target) and improve the tracking performance.
[0040]
FIG. 3 is an overall configuration
In FIG. 3, 1 to 8 and 10 to 19 are the same as those in the conventional example and will not be described.
[0041]
[0042]
21a refers to the observation information obtained from the
9a is a hypothesis in which the intra-cluster track correlation matrix, the data group indicating the status of the hypothesis in the cluster, and the new target occurrence frequency are input, and the hypothesis is generated and updated corresponding to the observation vector input at the current time. It is an update unit.
[0043]
FIG. 4 is a flowchart for explaining the operation of the target tracking device of FIG.
In FIG. 4, the steps ST1 to ST4, ST6 and ST7 are the same as in the conventional example, and detailed description thereof is omitted.
In ST9, from the processing result of the
In the case of YES, that is, when the observation vector exists in the cluster, since the possibility of occurrence of a new target is high, the occurrence frequency of the new target is reset to the initial value. (ST10)
On the other hand, in the case of NO, that is, when the observed vector does not exist in the cluster, the new target occurrence frequency is calculated by the new target occurrence frequency calculation formula at each sampling time , as in ST8 in the first embodiment. . (ST8)
As in the first embodiment, ST5a inputs the track correlation matrix in the cluster, the data group indicating the hypothesis status in the cluster, the occurrence frequency of the new target, and corresponds to the observation vector input at the current time. This is the step of generating and updating hypotheses.
[0044]
In FIG.
First, an observation vector included in each wake gate that is a target presence prediction range is selected from the entire observation vectors input via the
Next, based on the relationship between the selected observation vector and the wake in the existing cluster, the creation or integration of clusters, the creation of an intra-cluster observation vector table, the update of the intra-system cluster table, and the status of hypotheses within the cluster Update. (ST2)
Next, using the intra-cluster observation vector table and a data group indicating the hypothesis status within the cluster as inputs, an intra-gate determination matrix within the cluster is calculated. (ST3)
Next, the intra-cluster gate determination matrix is used as an input to calculate a wake correlation matrix within the cluster. (ST4)
Next, from the processing result of the
When ST9 is YES, that is, when the observation vector exists in the wake gate in the cluster, the possibility of new target generation is high, and the frequency of new target generation is reset to the initial value. (ST10)
On the other hand, if NO in ST9, that is, if the observed vector does not exist in the cluster, the new target occurrence frequency is calculated at each sampling time using the new target occurrence frequency calculation formula. (ST8)
Next, the wake correlation matrix in the cluster, the data group indicating the hypothesis status in the cluster, the occurrence frequency of the new target are input, and the hypothesis is generated and updated corresponding to the observation vector input at the current time. To do. (ST5a)
Next, a data group indicating the status of hypotheses in the cluster is input, the reliability and number of hypotheses are evaluated, and the number of hypotheses is deleted. (ST6)
Next, each wake gate, which is the target presence prediction range when the next observation vector is input, is calculated for all wakes in the cluster. (ST7)
The above flow is repeated until the target tracking process is completed.
[0045]
As described above, according to the second embodiment, with reference to the observation information of sensors other than the target tracking device from the observation information correlation unit, when the possibility of the generation of a new target is high, the new target In other cases, the occurrence frequency is reset to the initial value, and in other cases, the occurrence frequency of new targets is calculated at each sampling time to suppress the occurrence frequency of false wakes (new targets), thereby increasing the reliability of the true hypothesis and tracking performance Can be improved.
[0046]
【The invention's effect】
As described above, according to the first aspect of the present invention, the new target occurrence frequency calculation means is provided, and the occurrence frequency of the new target is calculated according to the target tracking status at each sampling time , so The target tracking device with improved tracking performance can be obtained by suppressing the occurrence frequency of (target) and increasing the reliability of the true hypothesis.
[0047]
According to the second aspect of the present invention, the observation information correlator that refers to the observation information from other sensors than the target tracking device and the new target occurrence frequency calculation means are provided, and the possibility of the generation of the new target is high. In the case of a situation, the new target occurrence frequency is reset to the initial value. In other cases, the occurrence frequency of the new target is calculated at each sampling time, and the occurrence frequency of the false wake (new target) is suppressed to reduce the true hypothesis. A target tracking device with improved reliability and improved tracking performance can be obtained.
[Brief description of the drawings]
FIG. 1 is a configuration block
FIG. 2 is a flowchart for explaining the operation of FIG. 1;
FIG. 3 is a configuration block diagram showing a second embodiment of the target tracking device of the present invention.
FIG. 4 is a flowchart for explaining the operation of FIG. 3;
FIG. 5 is a block diagram illustrating a conventional target tracking device.
6 is a flowchart illustrating the operation of FIG.
[Explanation of symbols]
1 observation vector selection unit, 3 cluster establishment / integration unit, 5 gate internal matrix calculation unit, 7 wake correlation matrix calculation unit, 9, 9a hypothesis update unit, 14 gate calculation unit, 15 track determination unit, 16 target tracking device , 17 Target observation device (of the target tracking device), 21, 21a New target occurrence frequency calculation unit, 22 Observation information correlation unit, 23 Target observation device (of other target tracking device).
Claims (2)
センサを介して入力した観測ベクトル全体から目標存在予測範囲である各航跡ゲートに含まれる観測ベクトルを選択する観測ベクトル選択手段と、
選択された観測ベクトルと既存のクラスタ内の航跡の関係から、クラスタの新設または統合、クラスタ内観測ベクトル表の作成、システム内クラスタ表の更新、クラスタ内の仮説の状況を示すデータ群の更新をするクラスタ新設・統合手段と、
上記クラスタ内観測ベクトル表と上記クラスタ内の仮説の状況を示すデータ群を入力とし、クラスタ内のゲート内判定行列を算出するゲート内判定行列算出手段と、
上記クラスタ内のゲート内判定行列を入力とし、クラスタ内の航跡相関行列を算出する航跡相関行列算出手段と、
上記システム内クラスタ表からクラスタ更新情報と、下記仮説更新手段からそのクラスタ内の仮説更新結果を入力し、航跡を含む仮説の信頼度を基に、サンプリング時刻毎に新目標の発生頻度を算出する新目標発生頻度算出手段と、
上記クラスタ内の航跡相関行列と、上記クラスタ内の仮説の状況を示すデータ群と、上記の新目標の発生頻度を入力し、現時刻に入力した観測ベクトルに対応して仮説の生成と更新をする仮説更新手段と、
クラスタ内の仮説の状況を示すデータ群を入力し仮説の信頼度や数などを評価し仮説数を削除する仮説縮小手段と、
各クラスタ内にある全ての航跡に対し次の観測ベクトルの入力時の目標存在予測範囲である上記の各航跡ゲートを算出するゲート算出手段と、
クラスタ内に複数の仮説が存在する場合それらに含まれる航跡の中から確立した航跡を抽出する航跡決定手段と、を備えたことを特徴とする目標追尾装置。In the target tracking device that estimates the track of multiple targets,
An observation vector selection means for selecting an observation vector included in each wake gate that is a target presence prediction range from the entire observation vector input via the sensor;
From the relationship between the selected observation vector and the track in the existing cluster, create or merge clusters, create intra-cluster observation vector tables, update intra-system cluster tables, and update data groups that indicate hypothesis status within clusters New cluster integration / integration means,
With the intra-cluster observation vector table and a data group indicating the status of hypotheses in the cluster as inputs, an in-gate determination matrix calculating means for calculating an in-gate determination matrix in the cluster,
The wake correlation matrix calculating means for calculating the wake correlation matrix in the cluster with the intra-gate determination matrix in the cluster as an input,
Input the cluster update information from the intra-system cluster table and the hypothesis update result in the cluster from the following hypothesis update means, and calculate the occurrence frequency of the new target at each sampling time based on the reliability of the hypothesis including the track New target occurrence frequency calculation means,
Enter the track correlation matrix in the cluster, the data group indicating the hypothesis status in the cluster, and the occurrence frequency of the new target, and generate and update the hypothesis corresponding to the observation vector entered at the current time. A hypothesis updating means to
Hypothesis reduction means to input a data group indicating the hypothesis status in the cluster, evaluate the reliability and number of hypotheses, and delete the number of hypotheses,
Gate calculation means for calculating each wake gate described above, which is a target existence prediction range at the time of inputting the next observation vector for all wakes in each cluster,
And a track determination means for extracting a wake established from wakes included in a plurality of hypotheses in the cluster, and a target tracking device.
センサを介して当目標追尾装置に入力した観測ベクトル全体から目標存在予測範囲である各航跡ゲートに含まれる観測ベクトルを選択する観測ベクトル選択手段と、
選択された観測ベクトルと既存のクラスタ内の航跡の関係から、クラスタの新設または統合、クラスタ内観測ベクトル表の作成、システム内クラスタ表の更新、クラスタ内の仮説の状況を示すデータ群の更新をするクラスタ新設・統合手段と、
上記クラスタ内観測ベクトル表と上記クラスタ内の仮説の状況を示すデータ群を入力とし、クラスタ内のゲート内判定行列を算出するゲート内判定行列算出手段と、
上記クラスタ内のゲート内判定行列を入力とし、クラスタ内の航跡相関行列を算出する航跡相関行列算出手段と、
上記当目標追尾装置のセンサと覆域が重なる他の目標追尾装置等のセンサを介して入力する観測ベクトル等の観測情報と、上記当目標追尾装置のセンサを介して入力する観測ベクトルや当目標追尾装置内に存在する観測情報との相関をとる観測情報相関手段と、
上記システム内クラスタ表からクラスタ更新情報と、仮説更新手段からそのクラスタ内の仮説更新結果を入力し、航跡を含む仮説の信頼度を基に、サンプリング時刻毎に新目標の発生頻度を算出し、さらに上記観測情報相関手段より得る観測情報を用いて、新目標の発生頻度を初期化する新目標発生頻度算出手段と、
上記クラスタ内の航跡相間行列と、上記クラスタ内の仮説の状況を示すデータ群と、上記新目標の発生頻度を入力し、現時刻に入力した観測ベクトルに対応して仮説の生成と更新をする仮説更新手段と、
クラスタ内の仮説の状況を示すデータ群を入力し仮説の信頼度や数などを評価し仮説数を削除する仮説縮小手段と、
各クラスタ内にある全ての航跡に対し次の観測ベクトルの入力時の目標存在予測範囲である上記の各航跡ゲートを算出するゲート算出手段と、
クラスタ内に複数の仮説が存在する場合それらに含まれる航跡の中から確立した航跡を抽出する航跡決定手段と、を備えたことを特徴とする目標追尾装置。In the target tracking device that estimates the track of multiple targets,
Observation vector selection means for selecting an observation vector included in each wake gate that is a target presence prediction range from the entire observation vector input to the target tracking device via a sensor;
From the relationship between the selected observation vector and the track in the existing cluster, create or merge clusters, create intra-cluster observation vector tables, update intra-system cluster tables, and update data groups that indicate hypothesis status within clusters New cluster integration / integration means,
With the intra-cluster observation vector table and a data group indicating the status of hypotheses in the cluster as inputs, an in-gate determination matrix calculating means for calculating an in-gate determination matrix in the cluster,
The wake correlation matrix calculating means for calculating the wake correlation matrix in the cluster with the intra-gate determination matrix in the cluster as an input,
Observation information such as observation vectors input via sensors of other target tracking devices, etc. whose coverage area overlaps the sensors of the target tracking device, observation vectors and target inputs input via the sensors of the target tracking device Observation information correlating means for correlating with observation information existing in the tracking device;
Input the cluster update information from the cluster table in the system and the hypothesis update result in the cluster from the hypothesis update means , calculate the occurrence frequency of the new target at each sampling time based on the reliability of the hypothesis including the wake, Further , using the observation information obtained from the observation information correlation means , a new target occurrence frequency calculating means for initializing the occurrence frequency of the new target,
Enter the wake phase matrix in the cluster, the data group indicating the hypothesis status in the cluster, and the occurrence frequency of the new target, and generate and update the hypothesis corresponding to the observation vector entered at the current time Hypothesis updating means,
Hypothesis reduction means to input a data group indicating the hypothesis status in the cluster, evaluate the reliability and number of hypotheses, and delete the number of hypotheses,
Gate calculation means for calculating each wake gate described above, which is a target existence prediction range at the time of inputting the next observation vector for all wakes in each cluster,
And a track determination means for extracting a wake established from wakes included in a plurality of hypotheses in the cluster, and a target tracking device.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03308499A JP3657801B2 (en) | 1999-02-10 | 1999-02-10 | Target tracking device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03308499A JP3657801B2 (en) | 1999-02-10 | 1999-02-10 | Target tracking device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000230977A JP2000230977A (en) | 2000-08-22 |
| JP3657801B2 true JP3657801B2 (en) | 2005-06-08 |
Family
ID=12376839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP03308499A Expired - Lifetime JP3657801B2 (en) | 1999-02-10 | 1999-02-10 | Target tracking device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3657801B2 (en) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005026770A1 (en) * | 2003-09-11 | 2005-03-24 | Mitsubishi Denki Kabushiki Kaisha | Radar device |
| CN102930276B (en) * | 2012-11-05 | 2015-10-14 | 中国船舶重工集团公司第七二四研究所 | Based on the high-speed maneuver method for tracking target of linear regression and cluster analysis theory |
-
1999
- 1999-02-10 JP JP03308499A patent/JP3657801B2/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000230977A (en) | 2000-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2225727B1 (en) | Efficient multi-hypothesis multi-human 3d tracking in crowded scenes | |
| CN108447076B (en) | Multi-target tracking method based on deep reinforcement learning | |
| CN105409306A (en) | Method and apparatus for predicting location of mobile terminal | |
| JP4884096B2 (en) | Object identification system | |
| CN109087335A (en) | A kind of face tracking method, device and storage medium | |
| CN116128932B (en) | Multi-target tracking method | |
| CN105809502A (en) | Transaction risk detection method and apparatus | |
| CN116645396A (en) | Track determination method, track determination device, computer-readable storage medium and electronic device | |
| CN110738688A (en) | novel infrared ultra-weak moving target detection method | |
| CN111178261A (en) | Face detection acceleration method based on video coding technology | |
| CN106846373A (en) | A kind of mutual occlusion handling method of video object for merging target appearance model and game theory | |
| CN110376581A (en) | The explicit multi-object tracking method of density filter is assumed based on Gaussian-mixture probability | |
| CN116663675A (en) | Block chain enabling federal learning system suitable for edge car networking | |
| JP3657801B2 (en) | Target tracking device | |
| CN108961309B (en) | Multi-cell tracking method for multi-Bernoulli random finite ant colony | |
| CN112561954B (en) | Method and device for determining tracking track of target object and storage medium | |
| CN110057353A (en) | A method of based on the interruption track association under signal of communication auxiliary | |
| CN117670939B (en) | Multi-camera multi-target tracking method and device, storage medium and electronic equipment | |
| CN109816726B (en) | Visual odometer map updating method and system based on depth filter | |
| US20130246374A1 (en) | Data management device, system, program storage medium and method | |
| JP4900611B2 (en) | Point-like target detection and tracking method in optoelectronic-based monitoring system | |
| WO2016000487A1 (en) | Target tracking method and tracking system based on variable coefficient α-β filter | |
| JP2004012351A (en) | Equipment, method, and program for tracking target | |
| Ding et al. | Who is partner: A new perspective on data association of multi-object tracking | |
| Horridge et al. | Using a probabilistic hypothesis density filter to confirm tracks in a multi-target environment. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20041001 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041116 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050106 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050308 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050310 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080318 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090318 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100318 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100318 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110318 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110318 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120318 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130318 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130318 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140318 Year of fee payment: 9 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |