클러터 환경에서 표적식별기법을 이용한 표적 탐지 및 추적 성능개선에 관한 연구 A study for improvement of target detection and tracking performance by using target classification methods in a cluttered environment원문보기
본 논문에서는 다수의 클러터가 존재하는 환경에서 표적 식별 알고리듬을 이용한 표적의 자동탐지 및 추적기법 알고리듬을 제안하고 기존의 탐지, 추적 알고리듬과 비교, 분석하여 제안하는 알고리듬의 성능을 분석한다. 일반적인 클러터 환경에서의 표적 탐지, 추적뿐만 아니라 적외선 영상 탐색기를 사용하는 유도탄 시스템에서는 표적의 형상이 뚜렷하지 않은 원거리 또는 형상이 뚜렷해지는 근거리의 표적을 자동탐지 하고 탐지된 표적을 강인하게 추적하기위한 알고리듬이 필요하며 강인한 표적 추적을 위하여 측정치 중에서 클러터와 표적을 구분하는 ...
본 논문에서는 다수의 클러터가 존재하는 환경에서 표적 식별 알고리듬을 이용한 표적의 자동탐지 및 추적기법 알고리듬을 제안하고 기존의 탐지, 추적 알고리듬과 비교, 분석하여 제안하는 알고리듬의 성능을 분석한다. 일반적인 클러터 환경에서의 표적 탐지, 추적뿐만 아니라 적외선 영상 탐색기를 사용하는 유도탄 시스템에서는 표적의 형상이 뚜렷하지 않은 원거리 또는 형상이 뚜렷해지는 근거리의 표적을 자동탐지 하고 탐지된 표적을 강인하게 추적하기위한 알고리듬이 필요하며 강인한 표적 추적을 위하여 측정치 중에서 클러터와 표적을 구분하는 자료결합 방식이 결합된 동적 필터링 알고리듬과 다수의 트랙 가운데에서 클러터와 표적을 구분하는 표적 식별 알고리듬과의 연결을 통해 기존의 자료결합 알고리듬의 성능을 향상시킬 수 있다.
표적 추적에 있어서 큰 신호 세기를 갖는 측정치가 많이 존재하는 경우 다수 클러터 환경에서 표적을 구분하여 추적하기란 쉽지 않으며 클러터 환경에서의 표적 추적을 위한 자료결합 알고리듬에 있어서 신호세기는 거리정보와 더불어 가장 유용한 특징정보가 된다. 자료결합이 결합된 동적 필터링 알고리듬으로는 거리 정보를 이용한 NNF(Nearest Neighbor Filter), PNNF(Probabilistic Nearest Neighbor Filter), PNNF-m(Probabilistic Nearest Neighbor Filter with m-measurements)[1], 그리고 신호세기 정보를 이용한 SNF(Strongest Neighbor Filter), PSNF(Probabilistic Strongest Neighbor Filter), PSNF-m(Probabilistic Strongest Neighbor Filter with m-measurements)이 있고[2,3,4,5,6], 또한 거리 정보와 신호세기 정보를 모두 이용한 PDAF(Probabilistic Data Association Filter), MPDAF(Most Probable Data Assciation Filter), HPDAF(Highest Probability Data Association) 등의 알고리듬[7,8,9]이 존재하는데 본 논문에서는 신호세기와 거리 정보를 모두 이용하여 높은 추적 성능을 보이는 자료결합 알고리듬인 PDAF와 높은 성능과 계산량이 적은 HPDAF 알고리듬을 표적 식별 알고리듬과 연결하는 새로운 기법을 제안할 것이다.
본 논문에서 제안하는 JDC(Joint target Detection and Classification) 알고리듬[10]은 신호세기가 큰 다수의 클러터가 존재하는 환경에서 표적 탐지, 추적의 성능을 개선하기 위해 신호세기 정보와 거리 정보를 이용한 자료결합 알고리듬과 표적의 동적, 형태적 특징정보를 이용한 표적 식별 알고리듬을 연결시킴으로써 위협적인 표적을 위주로 탐지, 추적하게 된다.
본 논문에서는 다수의 클러터가 존재하는 환경에서 표적 식별 알고리듬을 이용한 표적의 자동탐지 및 추적기법 알고리듬을 제안하고 기존의 탐지, 추적 알고리듬과 비교, 분석하여 제안하는 알고리듬의 성능을 분석한다. 일반적인 클러터 환경에서의 표적 탐지, 추적뿐만 아니라 적외선 영상 탐색기를 사용하는 유도탄 시스템에서는 표적의 형상이 뚜렷하지 않은 원거리 또는 형상이 뚜렷해지는 근거리의 표적을 자동탐지 하고 탐지된 표적을 강인하게 추적하기위한 알고리듬이 필요하며 강인한 표적 추적을 위하여 측정치 중에서 클러터와 표적을 구분하는 자료결합 방식이 결합된 동적 필터링 알고리듬과 다수의 트랙 가운데에서 클러터와 표적을 구분하는 표적 식별 알고리듬과의 연결을 통해 기존의 자료결합 알고리듬의 성능을 향상시킬 수 있다.
표적 추적에 있어서 큰 신호 세기를 갖는 측정치가 많이 존재하는 경우 다수 클러터 환경에서 표적을 구분하여 추적하기란 쉽지 않으며 클러터 환경에서의 표적 추적을 위한 자료결합 알고리듬에 있어서 신호세기는 거리정보와 더불어 가장 유용한 특징정보가 된다. 자료결합이 결합된 동적 필터링 알고리듬으로는 거리 정보를 이용한 NNF(Nearest Neighbor Filter), PNNF(Probabilistic Nearest Neighbor Filter), PNNF-m(Probabilistic Nearest Neighbor Filter with m-measurements)[1], 그리고 신호세기 정보를 이용한 SNF(Strongest Neighbor Filter), PSNF(Probabilistic Strongest Neighbor Filter), PSNF-m(Probabilistic Strongest Neighbor Filter with m-measurements)이 있고[2,3,4,5,6], 또한 거리 정보와 신호세기 정보를 모두 이용한 PDAF(Probabilistic Data Association Filter), MPDAF(Most Probable Data Assciation Filter), HPDAF(Highest Probability Data Association) 등의 알고리듬[7,8,9]이 존재하는데 본 논문에서는 신호세기와 거리 정보를 모두 이용하여 높은 추적 성능을 보이는 자료결합 알고리듬인 PDAF와 높은 성능과 계산량이 적은 HPDAF 알고리듬을 표적 식별 알고리듬과 연결하는 새로운 기법을 제안할 것이다.
본 논문에서 제안하는 JDC(Joint target Detection and Classification) 알고리듬[10]은 신호세기가 큰 다수의 클러터가 존재하는 환경에서 표적 탐지, 추적의 성능을 개선하기 위해 신호세기 정보와 거리 정보를 이용한 자료결합 알고리듬과 표적의 동적, 형태적 특징정보를 이용한 표적 식별 알고리듬을 연결시킴으로써 위협적인 표적을 위주로 탐지, 추적하게 된다.
In this paper, I propose target auto-detection and tracking algorithm using target classification algorithm in a cluttered environment and demonstrate the performance of the proposed algorithm in comparison with existing target detection and tracking algorithms. It is necessary for guided missile sy...
In this paper, I propose target auto-detection and tracking algorithm using target classification algorithm in a cluttered environment and demonstrate the performance of the proposed algorithm in comparison with existing target detection and tracking algorithms. It is necessary for guided missile systems with imaging seekers which use IR(Infrared) systems to develop the robust target detection and tracking algorithms combined with data association algorithms and it is possible to improve the performance of existing data association algorithm by using the JDC algorithm.
It is necessary for dynamic filter algorithm for target tracking in a cluttered environment to combine with data association algorithm using the intensity and distance information of measurement which are useful feature information. However, it is not easy to track the target in a cluttered environment when intensity of target or clutter measurements is strong. There are some dynamic filter algorithms combined with data association algorithms such as the NNF(Nearest Neighbor Filter), PNNF(Probabilistic Nearest Neighbor Filter), PNNF-m(Probabilistic Nearest Neighbor Filter with m-measurements) using information of distance, and the SNF(Strongest Neighbor Filter), PSNF(Probabilistic Strongest Neighbor Filter), PSNF-m(Probabilistic Strongest Neighbor Filter with m-measurements) using information of intensity, and PDAF(Probabilistic Data Association Filter), MPDAF(Most Probable Data Assciation Filter), HPDAF(Highest Probability Data Association) using both distance and intensity.
The JDC algorithm proposed in this paper can improve the performance of target detection and tracking by joint data association algorithm and target classification algorithm using kinematic and feature information.
In this paper, I propose target auto-detection and tracking algorithm using target classification algorithm in a cluttered environment and demonstrate the performance of the proposed algorithm in comparison with existing target detection and tracking algorithms. It is necessary for guided missile systems with imaging seekers which use IR(Infrared) systems to develop the robust target detection and tracking algorithms combined with data association algorithms and it is possible to improve the performance of existing data association algorithm by using the JDC algorithm.
It is necessary for dynamic filter algorithm for target tracking in a cluttered environment to combine with data association algorithm using the intensity and distance information of measurement which are useful feature information. However, it is not easy to track the target in a cluttered environment when intensity of target or clutter measurements is strong. There are some dynamic filter algorithms combined with data association algorithms such as the NNF(Nearest Neighbor Filter), PNNF(Probabilistic Nearest Neighbor Filter), PNNF-m(Probabilistic Nearest Neighbor Filter with m-measurements) using information of distance, and the SNF(Strongest Neighbor Filter), PSNF(Probabilistic Strongest Neighbor Filter), PSNF-m(Probabilistic Strongest Neighbor Filter with m-measurements) using information of intensity, and PDAF(Probabilistic Data Association Filter), MPDAF(Most Probable Data Assciation Filter), HPDAF(Highest Probability Data Association) using both distance and intensity.
The JDC algorithm proposed in this paper can improve the performance of target detection and tracking by joint data association algorithm and target classification algorithm using kinematic and feature information.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.