한국항행학회논문지 (Journal of Advanced Navigation Technology)

  • 제28권5호
  • /
  • Pages.640-649
  • /
  • 2024
  • /
  • 1226-9026(pISSN)
  • /
  • 2288-842X(eISSN)
한국항행학회 (The Korean Navigation Institute)
권호 표지
DOI QR코드

DOI QR Code

해상 레이더 데이터를 이용한 IMM-PDAF 기반 다중 객체 추적

Multi-Target Tracking Using IMM-PDAF with Marine Radar Data

  • 유태훈 (충남대학교 자율운항시스템공학과) ;
  • 방현태 (충남대학교 자율운항시스템공학과) ;
  • 윤원근 (충남대학교 자율운항시스템공학과)
  • Tae-Hoon Yoo (Department of Autonomous Vehicle System Engineering, Chungnam National University) ;
  • Hyeon-Tae Bang (Department of Autonomous Vehicle System Engineering, Chungnam National University) ;
  • Won-keun Youn (Department of Autonomous Vehicle System Engineering, Chungnam National University)
  • 투고 : 2024.09.24
  • 심사 : 2024.10.29
  • 발행 : 2024.10.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구에서는 정확한 실시간 해상 표적 추적을 위해 여러 동적 모델을 통합하는 다중 표적 추적 알고리즘인 상호 작용 다중 모델-확률적 데이터 연관 필터(IMM-PDAF)를 소개한다. 해상에서의 다중 표적 추적은 복잡한 동적 환경과 다양한 움직임 패턴으로 인해 높은 정확도가 요구된다. 기존의 CV-PDAF(등속도 모델) 및 CT-PDAF(선회 모델)는 각각 일정한 움직임 패턴을 가정하지만, 이러한 단일 모델로는 다양한 해상 환경에서 발생하는 복잡한 움직임을 모두 처리하기 어렵다. 본 연구는 이러한 문제를 해결하기 위해 상호 작용 다중 모델-확률적 데이터 연관 필터(IMM-PDAF)를 제안하며 해상 RADAR 데이터에 적용된 본 논문의 결과는 제안된 IMM-PDAF가 CV-PDAF 및 CT-PDAF에 비해 상대적으로 낮은 RMSE 값을 보이며 복잡한 동적 환경에서도 강력한 위치 지정 성능을 가진다는 것을 보여준다. 따라서 이 연구 결과는 제안된 IMM-PDAF가 해상 감시 시스템의 신뢰성과 효율성을 개선하고 복잡한 추적 환경에 대한 다중 표적 추적 솔루션을 제공할 수 있는 잠재력을 강조한다.

In this study, we introduce an interactive multi-model-probabilistic data association filter (IMM-PDAF), a multi-target tracking algorithm that integrates multiple dynamic models for accurate real-time maritime target tracking. Multi-target tracking in the maritime environment requires high accuracy due to the complex dynamic environment and various movement patterns. The existing CV-PDAF (constant velocity model) and CT-PDAF (circling model) each assume a constant movement pattern, but it is difficult to handle all the complex movements occurring in various maritime environments with these single models. To solve this problem, this study proposes an interactive multi-model-probabilistic data association filter (IMM-PDAF), and the results of this paper applied to maritime RADAR data show that the proposed IMM-PDAF has relatively lower RMSE values than CV-PDAF and CT-PDAF, and has strong positioning performance even in complex dynamic environments. Therefore, this study results highlight the potential of the proposed IMM-PDAF to improve the reliability and efficiency of maritime surveillance systems and provide a multi-target tracking solution for complex tracking environments.

키워드

과제정보

이 연구는 2024년 국방과학연구소 미래도전국방기술 연구개발사업 (No.915071101)의 지원을 받아 수행된 연구임.

참고문헌

  1. R. Lionel, H. Song, S. Sun, W. Zhang, and Y. Yang, " Data association in multiple object tracking : A survey of recent techniquess," Expert Systems with Applications, Vol. 192, No. 15, Apr. 2022 DOI: https://doi.org/10.1016/j.eswa.2021.116300.
  2. Y. Bar-Shalom, F. Daum, and J. Huang, "The probabilistic data association filter," IEEE Control Systems Magazine, Vol. 29, Issue 6, pp. 82-100, Nov. 2009. DOI: 10.1109/MCS.2009.934469.
  3. M. Rutten, J. Williams, N. Gordon, M. Jah, J. Baldwin, and J. Stauch, "A comparison of JPDA and belief propagation for data association in SSA," in Advanced Maui Optical and Space Surveillance Technologies Conference (AMOS), Vol. 2014, pp. 1-12, Sep. Retrieved from https://amostech.com/
  4. J. S. Fowdur, M. Baum, and F. Heymann, "Real-world marine radar datasets for evaluating target tracking methods, " Sensors, Vol. 21, No. 14, pp. 4641, Jul. 2021. DOI: https://doi.org/10.3390/s21144641.
  5. J. H. Choi, J. H. Park, M. J. Kang, H. J. Kim, and W. K. Youn, "Multiple PDAF algorithm for estimation states multiple of the ships," Journal of the Society of Naval Architects of Korea, Vol. 60, No. 3, pp. 248-255, 2023. DOI: 10.3744/SNAK.2023.60.4.248.
  6. Z. Liu, Y. Fang, L. Zhang, J. Li, and J. Hu, "A robust videoSAR single target tracker by integrating correlation filter and IMM-PDAF," IEEE Geoscience and Remote Sensing Letters, Vol. 19, Article No. 3206835, Sep. 2022. DOI: https://doi.org/10.1109/LGRS.2022.3206835.
  7. J. J. Yoo and Y. S. Kang, "Performance analysis on the IMM-PDAF method for longitudinal and lateral maneuver detection using automotive radar measurements," Journal of Institute of Control, Robotics, and Systems, Vol. 21, No. 3, pp. 224-232, Mar. 2015. DOI : 10.5302/J.ICROS.2015.14.9015.
  8. W. J. Park, C. H. Kang, S. Y. Kim, and C. G. Park, "Asynchronous multi-sensor data fusion with decentralized IMM-PDAF," in IEEE International Conference on Industrial Engineering and Engineering Management (IEEM), pp. 205-210, Dec. 2018. DOI: 10.1109/IEEM.2018.8607592.
  9. C. W. Han, S. W. Lee, and E. S. Jin, "Tracking of ARPA radar signals based on UK-PDAF and fusion with AIS data," Journal of Ocean Engineering and Technology, Vol. 37, No. 1, pp. 38-48, Feb. 2023. DOI: https://doi.org/10.26748/KSOE.2022.046.
  10. W. K. Youn and H. Myung, "Robust interacting multiple model with modeling uncertainties for maneuvering target tracking," IEEE Transactions on Instrumentation and Measurement, Vol. 69, No. 7, pp. 5166-5180, July 2019. DOI: https://doi.org/10.1109/ACCESS.2019.2915506.