多目標追蹤問題的神經網路解法

Abstract

資料關聯問題(data association problem)是多目標追蹤問題(multitarget tracki- ng problem) 最重要的部份。錯誤的資料關聯，可能導致多個軌跡(track) 合成單一 軌跡，或者是失去軌跡，無法繼續追蹤。聯合機率資料關聯方法(the joint probab- ilistic data association approach)在計算多個目標且含有雜訊(clutter，假設雜 訊為卜松分配(Poisson distribution)) 下的關聯機率 (association probability) ，成功的解決資料關聯問題。雖然聯合機率資料關聯方法是一個很好的方法，但是計 算過於複雜，不適合即時處理(real-time processing)的要求。當追蹤的目標增加， 可實行的事件(feasible event)也隨著急速增加，對每一個可實行的事件，分別計算 發生的機率，而這些複雜的計算造成了很大的負擔。因為多目標追蹤問題要求即時處 理，我們可以用平行處理(parallel processing) 達到即時處理的要求。類神經網路 (neural network)是由很多互相連接的處理單元(processing element)構成，本身即 具有平行處理的能力，故適合用來解決多目標追蹤問題。聯合機率資料關聯方法經過 分析，可推導出一套適用於類神經網路的演算法。這套演算法簡化了計算的複雜度， 並可平行計算，快速的解決資料關聯問題。模擬結果顯示所提出的演算法能以較少的 計算時間，成功解決資料關聯問題。