Multisensor Multiobject Tracking With High-Dimensional Object States

要約

音響源または無線源の受動的監視は、現代の利便性、公共の安全、監視において重要な用途を持っています。
パッシブ モニタリングにおける重要なタスクは、マルチオブジェクト トラッキング (MOT) です。
この論文では、物体の状態が高次元であり、測定が非線形モデルに従う場合の困難な追跡問題に対するマルチセンサー MOT のベイズ法を紹介します。
私たちの手法は、ファクター グラフと積和アルゴリズム (SPA) のフレームワークで開発され、ランダム サンプルまたは「粒子」を使用して実装されます。
SPA によって提供されるマルチモーダル確率密度関数 (pdf) は、混合ガウス モデル (GMM) によって効果的に表現されます。
高次元空間で SPA の操作を実行するには、パーティクル フロー (PFL) を利用します。
ここでは、粒子は偏微分方程式の解に基づいて尤度の高い領域に向かって移動します。
これにより、物体の位置よりも次元が低い単一センサー測定による困難なマルチセンサー MOT シナリオでも、良好な物体検出および追跡パフォーマンスを得ることが可能になります。
水中聴音器のペアによって提供される 1 次元の到着時間差 (TDOA) 測定から複数の音源を 3 次元で追跡する受動的音響モニタリング シナリオで数値評価を実行します。
当社の数値結果は、最先端の参照技術と比較して良好な検出および推定精度を示しています。

要約(オリジナル)

Passive monitoring of acoustic or radio sources has important applications in modern convenience, public safety, and surveillance. A key task in passive monitoring is multiobject tracking (MOT). This paper presents a Bayesian method for multisensor MOT for challenging tracking problems where the object states are high-dimensional, and the measurements follow a nonlinear model. Our method is developed in the framework of factor graphs and the sum-product algorithm (SPA) and implemented using random samples or ‘particles’. The multimodal probability density functions (pdfs) provided by the SPA are effectively represented by a Gaussian mixture model (GMM). To perform the operations of the SPA in high-dimensional spaces, we make use of Particle flow (PFL). Here, particles are migrated towards regions of high likelihood based on the solution of a partial differential equation. This makes it possible to obtain good object detection and tracking performance even in challenging multisensor MOT scenarios with single sensor measurements that have a lower dimension than the object positions. We perform a numerical evaluation in a passive acoustic monitoring scenario where multiple sources are tracked in 3-D from 1-D time-difference-of-arrival (TDOA) measurements provided by pairs of hydrophones. Our numerical results demonstrate favorable detection and estimation accuracy compared to state-of-the-art reference techniques.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google