トップ :: G 物理学 :: G01 測定;試験




【発明の名称】 目標追尾装置及び目標追尾方法
【発明者】 【氏名】岡田 隆光

【氏名】辻道 信吾

【氏名】小菅 義夫
【要約】 【課題】追尾目標の色彩が中間色の場合、その中間色を示す属性データＺk,id（ｉ）が目標観測装置１から出力されず、その中間色に近い他の色を示す属性データＺk,id（ｉ）に基づいて観測データＺk,trk （ｉ）を選択する必要があるため、観測データＺk,trk （ｉ）の信頼度が低下し、追尾目標を精度よく追尾することができない課題があった。

【解決手段】運動諸元相関器２４から出力された観測データＺk,trk （ｉ）に係る属性データＺk,id（ｉ）と、属性データ推定器２５から出力された属性データの推定値Ｘハットk,id（ｉ）の相関を判定し、相関関係がある観測データＺk,trk （ｉ）を選択する。
【特許請求の範囲】
【請求項１】 追尾目標の位置及び属性を観測し、その追尾目標の位置を示す観測データと追尾目標の属性を示す属性データを出力する観測手段と、上記観測手段から観測データが出力されると、追尾目標が存在する可能性のある領域を示す確率分布を参照し、その観測データに係る追尾目標がその領域内に存在する場合には、その観測データを出力する位置相関手段と、上記位置相関手段から出力された観測データに係る属性データと推定された属性データの相関を判定し、相関関係がある場合には、その観測データを出力する属性相関手段と、上記属性相関手段から出力された観測データに基づいて追尾目標の位置を予測する予測手段とを備えた目標追尾装置。
【請求項２】 追尾目標の位置及び属性を観測し、その追尾目標の位置を示す観測データと追尾目標の属性を示す属性データを出力する観測手段と、上記観測手段から出力された観測データに係る属性データと推定された属性データの相関を判定し、相関関係がある場合には、その観測データを出力する属性相関手段と、上記属性相関手段から観測データが出力されると、追尾目標が存在する可能性のある領域を示す確率分布を参照し、その観測データに係る追尾目標がその領域内に存在する場合には、その観測データを出力する位置相関手段と、上記位置相関手段から出力された観測データに基づいて追尾目標の位置を予測する予測手段とを備えた目標追尾装置。
【請求項３】 観測手段から出力された現在の属性データと前回の推定結果から属性データを推定する推定手段を設けたことを特徴とする請求項１または請求項２記載の目標追尾装置。
【請求項４】 予測手段は、複数の運動モデルを用いて追尾目標の位置をそれぞれ予測し、各予測結果を統合することを特徴とする請求項１から請求項３のうちのいずれか１項記載の目標追尾装置。
【請求項５】 予測手段は、追尾目標の位置を予測する際、運動モデル毎の平滑誤差共分散行列に基づいて平滑誤差の評価値を演算することを特徴とする請求項４記載の目標追尾装置。
【請求項６】 予測手段は、追尾目標の位置を予測する際、運動モデル毎の予測誤差共分散行列に基づいて予測誤差の評価値を演算することを特徴とする請求項４記載の目標追尾装置。
【請求項７】 追尾目標の位置及び属性を観測し、その追尾目標の位置を示す観測データと追尾目標の属性を示す属性データを出力する観測ステップと、追尾目標が存在する可能性のある領域を示す確率分布を参照し、その観測データに係る追尾目標がその領域内に存在する場合には、その観測データを出力する位置相関ステップと、その観測データに係る属性データと推定された属性データの相関を判定し、相関関係がある場合には、その観測データを出力する属性相関ステップと、その観測データに基づいて追尾目標の位置を予測する予測ステップとを備えた目標追尾方法。
【請求項８】 追尾目標の位置及び属性を観測し、その追尾目標の位置を示す観測データと追尾目標の属性を示す属性データを出力する観測ステップと、その観測データに係る属性データと推定された属性データの相関を判定し、相関関係がある場合には、その観測データを出力する属性相関ステップと、追尾目標が存在する可能性のある領域を示す確率分布を参照し、その観測データに係る追尾目標がその領域内に存在する場合には、その観測データを出力する位置相関ステップと、その観測データに基づいて追尾目標の位置を予測する予測ステップとを備えた目標追尾方法。
【請求項９】 現在の属性データと前回の推定結果から属性データを推定することを特徴とする請求項７または請求項８記載の目標追尾方法。
【請求項１０】 予測ステップは、複数の運動モデルを用いて追尾目標の位置をそれぞれ予測し、各予測結果を統合することを特徴とする請求項７から請求項９のうちのいずれか１項記載の目標追尾方法。
【請求項１１】 予測ステップは、追尾目標の位置を予測する際、運動モデル毎の平滑誤差共分散行列に基づいて平滑誤差の評価値を演算することを特徴とする請求項１０記載の目標追尾方法。
【請求項１２】 予測ステップは、追尾目標の位置を予測する際、運動モデル毎の予測誤差共分散行列に基づいて予測誤差の評価値を演算することを特徴とする請求項１０記載の目標追尾方法。
【発明の詳細な説明】【０００１】
【発明の属する技術分野】この発明は、追尾目標の位置及び属性を観測し、その観測結果に基づいて追尾目標を追尾する目標追尾装置及び目標追尾方法に関するものである。
【０００２】
【従来の技術】図１０は例えば特開平５−２８８８４０号公報に示された従来の目標追尾装置を示す構成図であり、図において、１は追尾目標の位置及び属性を観測し、その追尾目標の位置を示す観測データＺk,trk （ｉ）と追尾目標の属性を示す属性データＺk,id（ｉ）を出力する目標観測装置、２は目標観測装置１から出力された観測データＺk,trk （ｉ）及び属性データＺk,id（ｉ）をそれぞれ運動諸元確率分布算出器３，運動諸元相関器４，属性データ確率分布算出器５及び追尾目標属性信頼度算出器６に転送する観測諸元転送装置、３は現時刻より１サンプリング前に算出された予測値Ｘハットk,trk （−）に基づいて追尾目標からの運動諸元の確率分布（追尾目標が存在する可能性のある領域を示す確率分布）の平均値であるベクトルＺk,trk （−）を算出するとともに、現時刻より１サンプリング前に算出された予測誤差共分散行列Ｐk （−）と予め設定された観測誤差共分散行列Ｒk に基づいて追尾目標からの運動諸元の確率分布の広がりＳk を算出し、そのベクトルＺk,trk （−）と確率分布の広がりＳk に基づいて追尾目標からの運動諸元の確率分布Ａ（ｉ）を求める運動諸元確率分布算出器、４は運動諸元確率分布算出器３により算出された確率分布Ａ（ｉ）と予め設定されたパラメータｄから、追尾目標と相関の可能性のある観測データＺk,trk （ｉ）を選択する運動諸元相関器である。
【０００３】また、５は１サンプリング前に算出された属性信頼度Ｐ（Ｊａ｜Ｚk-1 ）又はその初期値Ｐ（Ｊａ）と、目標観測装置１により仮説Ｊａの元で観測された属性データＺk,id（ｉ）の信頼度Ｐ（Ｚk,id（ｉ）｜Ｊａ）に基づいて追尾目標からの属性データの確率分布Ｂ（ｉ）を算出する属性データ確率分布算出器、６は観測データの仮説Ｊａの信頼度βk,i と、目標観測装置１により仮説Ｊａの元で観測された属性データＺk,id（ｉ）の信頼度Ｐ（Ｚk,id（ｉ）｜Ｊａ）と、現時刻より１サンプリング前に算出された追尾目標の属性信頼度Ｐ（Ｊａ｜Ｚk-1 ）とを入力し、追尾目標の属性信頼度Ｐ（Ｊａ｜Ｚk-1 ）を算出する追尾目標属性信頼度算出器、７は追尾目標属性信頼度算出器６により算出された追尾目標の属性信頼度Ｐ（Ｊａ｜Ｚk-1 ）を１サンプリング時間だけ遅延する第２の遅延回路、８は属性データ確率分布算出器５から出力された属性データの確率分布Ｂ（ｉ）と予め設定されたパラメータＣから、追尾目標と相関の可能性のある観測データＺk,trk （ｉ）を選択する属性相関器である。
【０００４】また、９は運動諸元確率分布算出器３から出力された運動諸元の確率分布Ａ（ｉ）と、属性データ確率分布算出器５から出力された属性データの確率分布Ｂ（ｉ）と、予め設定されたセンサの探知確率ＰD と、目標予測存在範囲内に存在する確率ＰGKとから、観測データの仮説の信頼度βk,i を算出する探知データ信頼度算出器、１０はゲイン行列Ｋk と、観測データの仮説の信頼度βk,i と、現時刻より１サンプリング前に算出された予測値Ｘハットk,trk （−）と、現時刻より１サンプリング前に算出された予測誤差共分散行列Ｐk （−）と、属性相関器８により選択された観測データＺk,trk （ｉ）とから平滑誤差共分散行列Ｐk （＋）を算出する平滑誤差評価器、１１は平滑誤差評価器１０から出力された平滑誤差共分散行列Ｐk （＋）と駆動雑音共分散行列Ｑk-1 から予測誤差共分散行列Ｐk （−）を算出する予測誤差評価器、１２は予測誤差評価器１１により算出された予測誤差共分散行列Ｐk （−）を１サンプリング時間だけ遅延する第３の遅延回路である。
【０００５】また、１３は１サンプリング前に算出された予測誤差共分散行列Ｐk （−）と予め設定された観測誤差共分散行列Ｒk からゲイン行列Ｋk を算出するゲイン行列算出器、１４はゲイン行列算出器１３から出力されたゲイン行列Ｋk と、探知データ信頼度算出器９から出力された観測データの仮説の信頼度βk,i と、現時刻より１サンプリング前に算出された予測値Ｘハットk,trk （−）と、属性相関器８により選択された観測データＺk,trk （ｉ）とから平滑値Ｘハットk,trk （＋）を算出する平滑器、１５は平滑器１４により算出された平滑値Ｘハットk,trk （＋）から予測値Ｘハットk,trk （−）を算出する予測器、１６は予測器１５により算出された予測値Ｘハットk,trk （−）を１サンプリング時間だけ遅延する第１の遅延回路である。
【０００６】次に動作について説明する。まず、目標観測装置１は、追尾目標の位置及び属性（例えば、追尾目標の色彩等）を観測し、その追尾目標の位置を示す観測データＺk,trk （ｉ）と追尾目標の属性を示す属性データＺk,id（ｉ）を出力するが（例えば、追尾目標が赤色と黄色の中間色の場合、赤色又は黄色のうち近い方の色（例えば、赤色）を示す属性データＺk,id（ｉ）を出力する）、図１１に示すように、追尾目標の実際の位置がＰ点であっても、観測誤差等の影響で目標観測装置１の観測結果がＤ２やＤ４点等を示すことがある。また、追尾目標以外のクラッタ等を追尾目標と判定して、目標観測装置１の観測結果がＤ５やＤ６点等を示すことがある。
【０００７】そこで、追尾目標の追尾精度を高めるためには、追尾目標と相関関係がある観測データＺk,trk （ｉ）を選択する必要があるため、観測諸元転送装置２が、目標観測装置１から出力された観測データＺk,trk （ｉ）及び属性データＺk,id（ｉ）をそれぞれ運動諸元確率分布算出器３，運動諸元相関器４，属性データ確率分布算出器５及び追尾目標属性信頼度算出器６に転送する。
【０００８】そして、運動諸元確率分布算出器３は、観測諸元転送装置２から観測データＺk,trk （ｉ）を受けると、現時刻より１サンプリング前に算出された予測値Ｘハットk,trk （−）に基づいて追尾目標からの運動諸元の確率分布（追尾目標が存在する可能性のある領域を示す確率分布）の平均値であるベクトルＺk,trk （−）を算出するとともに、現時刻より１サンプリング前に算出された予測誤差共分散行列Ｐk （−）と予め設定された観測誤差共分散行列Ｒk に基づいて追尾目標からの運動諸元の確率分布の広がりＳk を算出する。そして、運動諸元確率分布算出器３は、ベクトルＺk,trk （−）と確率分布の広がりＳk を算出すると、そのベクトルＺk,trk （−）と確率分布の広がりＳkに基づいて追尾目標からの運動諸元の確率分布Ａ（ｉ）を求める（図１１を参照）。
Ａ（ｉ）＝ｇ（Ｚk,trk （−）；Ｚk （−），Ｓk ）
【０００９】このようにして、運動諸元確率分布算出器３が運動諸元の確率分布を求めると、運動諸元相関器４は、その運動諸元の確率分布Ａ（ｉ）と予め設定されたパラメータｄから追尾目標と相関の可能性のある観測データＺk,trk （ｉ）を選択する（図１１の例では、Ｄ１，Ｄ２，Ｄ３，Ｄ４の位置を示す観測データＺk,trk（ｉ）を選択する）。具体的には、各観測データＺk,trk （ｉ）毎に下記の不等式を満たすか否かを判定し、不等式を満たす観測データＺk,trk （ｉ）を選択する。
（Ｚk,trk （ｉ）−Ｚk,trk （−））T Ｓk-1 （Ｚk,trk （ｉ）−Ｚk,trk （−））≦ｄ【００１０】また、運動諸元相関器４により選択された観測データＺk,trk （ｉ）の中から更に追尾目標と相関関係の大きい観測データＺk,trk （ｉ）を選択するため、まず、追尾目標属性信頼度算出器６が、観測データの仮説Ｊａの信頼度βk,i と、目標観測装置１により仮説Ｊａの元で観測された属性データＺk,id（ｉ）の信頼度Ｐ（Ｚk,id（ｉ）｜Ｊａ）と、現時刻より１サンプリング前に算出された追尾目標の属性信頼度Ｐ（Ｊａ｜Ｚk-1 ）とに基づいて、追尾目標の属性信頼度Ｐ（Ｊａ｜Ｚk-1 ）を算出すると、属性データ確率分布算出器５が、１サンプリング前に算出された属性信頼度Ｐ（Ｊａ｜Ｚk-1 ）又はその初期値Ｐ（Ｊａ）と、目標観測装置１により仮説Ｊａの元で観測された属性データＺk,id（ｉ）の信頼度Ｐ（Ｚk,id（ｉ）｜Ｊａ）に基づいて追尾目標からの属性データの確率分布Ｂ（ｉ）を算出する。
【００１１】このようにして、属性データ確率分布算出器５が属性データの確率分布を算出すると、属性相関器８は、その属性データの確率分布Ｂ（ｉ）と予め設定されたパラメータＣから、追尾目標と相関の可能性のある観測データＺk,trk （ｉ）を選択する（図１２の例では、Ｄ１，Ｄ３の位置を示す観測データＺk,trk （ｉ）を選択する）。具体的には、運動諸元相関器４により選択された各観測データＺk,trk （ｉ）毎に下記の不等式を満たすか否かを判定し、不等式を満たす観測データＺk,trk（ｉ）を選択する。
Ｂ（ｉ）＝ΣＰ（Ｚk,id（ｉ）｜Ｊａ）Ｐ（Ｊａ｜Ｚk-1 ）Ｃ【００１２】そして、属性相関器８が追尾目標と相関関係がある観測データＺk,trk （ｉ）を選択すると、次に、その観測データＺk,trk （ｉ）に基づいて次サンプリング時の追尾目標の位置を予測する処理を実行する。具体的には、まず、探知データ信頼度算出器９が、運動諸元確率分布算出器３から出力された運動諸元の確率分布Ａ（ｉ）と、属性データ確率分布算出器５から出力された属性データの確率分布Ｂ（ｉ）と、予め設定されたセンサの探知確率ＰD と、目標予測存在範囲内に存在する確率ＰGKとから、観測データの仮説の信頼度βk,i を算出する。
【００１３】そして、探知データ信頼度算出器９が観測データの仮説の信頼度βk,i を算出すると、等速直線運動モデルを使用する平滑誤差評価器１０が、ゲイン行列Ｋkと、観測データの仮説の信頼度βk,i と、現時刻より１サンプリング前に算出された予測値Ｘハットk,trk （−）と、現時刻より１サンプリング前に算出された予測誤差共分散行列Ｐk （−）と、属性相関器８により選択された観測データＺk,trk （ｉ）とから平滑誤差共分散行列Ｐk （＋）を算出し、等速直線運動モデルを使用する予測誤差評価器１１が、平滑誤差共分散行列Ｐk （＋）と駆動雑音共分散行列Ｑk-1 から予測誤差共分散行列Ｐk （−）を算出し、ゲイン行列算出器１３が、１サンプリング前に算出された予測誤差共分散行列Ｐk （−）と予め設定された観測誤差共分散行列Ｒk からゲイン行列Ｋk を算出する。
【００１４】このようにして、ゲイン行列算出器１３がゲイン行列Ｋk を算出すると、等速直線運動モデルを使用する平滑器１４は、ゲイン行列Ｋk と、観測データの仮説の信頼度βk,i と、現時刻より１サンプリング前に算出された予測値Ｘハットk,trk （−）と、属性相関器８により選択された観測データＺk,trk （ｉ）とから平滑値Ｘハットk,trk （＋）を算出する。そして、等速直線運動モデルを使用する予測器１５は、平滑器１４が平滑値Ｘハットk,trk （＋）を算出すると、その平滑値Ｘハットk,trk （＋）から予測値Ｘハットk,trk （−）を算出する。これにより、追尾目標の次サンプリング時の位置は、Ｘハットk,trk （−）であると推定される。
【００１５】
【発明が解決しようとする課題】従来の目標追尾装置は以上のように構成されているので、追尾目標の色彩が原色に近い色であれば、属性データＺk,id（ｉ）に基づいて追尾目標と相関関係がある観測データＺk,trk （ｉ）を選択することができるが、追尾目標の色彩が中間色の場合、その中間色を示す属性データＺk,id（ｉ）が目標観測装置１から出力されず、その中間色に近い他の色を示す属性データＺk,id（ｉ）に基づいて観測データＺk,trk （ｉ）を選択する必要があるため、観測データＺk,trk （ｉ）の信頼度が低下し、追尾目標を精度よく追尾することができない課題があった。
【００１６】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、追尾目標の色彩が中間色の場合でも、追尾目標を精度よく追尾することができる目標追尾装置及び目標追尾方法を得ることを目的とする。
【００１７】
【課題を解決するための手段】この発明に係る目標追尾装置は、位置相関手段から出力された観測データに係る属性データと推定された属性データの相関を判定し、相関関係がある観測データを選択するようにしたものである。
【００１８】この発明に係る目標追尾装置は、観測手段から出力された観測データに係る属性データと推定された属性データの相関を判定し、相関関係がある観測データを選択するようにしたものである。
【００１９】この発明に係る目標追尾装置は、観測手段から出力された現在の属性データと前回の推定結果から属性データを推定するようにしたものである。
【００２０】この発明に係る目標追尾装置は、複数の運動モデルを用いて追尾目標の位置をそれぞれ予測し、各予測結果を統合するようにしたものである。
【００２１】この発明に係る目標追尾装置は、追尾目標の位置を予測する際、運動モデル毎の平滑誤差共分散行列に基づいて平滑誤差の評価値を演算するようにしたものである。
【００２２】この発明に係る目標追尾装置は、追尾目標の位置を予測する際、運動モデル毎の予測誤差共分散行列に基づいて予測誤差の評価値を演算するようにしたものである。
【００２３】この発明に係る目標追尾方法は、位置相関ステップで選択された観測データに係る属性データと推定された属性データの相関を判定し、相関関係がある観測データを選択するようにしたものである。
【００２４】この発明に係る目標追尾方法は、観測ステップで観測された観測データに係る属性データと推定された属性データの相関を判定し、相関関係がある観測データを選択するようにしたものである。
【００２５】この発明に係る目標追尾方法は、現在の属性データと前回の推定結果から属性データを推定するようにしたものである。
【００２６】この発明に係る目標追尾方法は、複数の運動モデルを用いて追尾目標の位置をそれぞれ予測し、各予測結果を統合するようにしたものである。
【００２７】この発明に係る目標追尾方法は、追尾目標の位置を予測する際、運動モデル毎の平滑誤差共分散行列に基づいて平滑誤差の評価値を演算するようにしたものである。
【００２８】この発明に係る目標追尾方法は、追尾目標の位置を予測する際、運動モデル毎の予測誤差共分散行列に基づいて予測誤差の評価値を演算するようにしたものである。
【００２９】
【発明の実施の形態】以下、この発明の実施の一形態を説明する。
実施の形態１．図１はこの発明の実施の形態１による目標追尾装置を示す構成図であり、図において、２１は追尾目標の位置及び属性を観測し、その追尾目標の位置を示す観測データＺk,trk （ｉ）と追尾目標の属性を示す属性データＺk,id（ｉ）を出力する目標観測装置（観測手段）、２２は目標観測装置２１から出力された観測データＺk,trk （ｉ）及び属性データＺk,id（ｉ）をそれぞれ運動諸元確率分布算出器２３，運動諸元相関器２４，属性データ推定器２５及び探知データ信頼度算出器２９に転送する観測諸元転送装置である。
【００３０】また、２３は現時刻より１サンプリング前に算出された予測値Ｘハットk,trk（−）に基づいて追尾目標からの運動諸元の確率分布（追尾目標が存在する可能性のある領域を示す確率分布）の平均値であるベクトルＺk,trk （−）を算出するとともに、現時刻より１サンプリング前に算出された予測誤差共分散行列Ｐk（−）と予め設定された観測誤差共分散行列Ｒk に基づいて追尾目標からの運動諸元の確率分布の広がりＳk を算出し、そのベクトルＺk,trk （−）と確率分布の広がりＳk に基づいて追尾目標からの運動諸元の確率分布Ａ（ｉ）を求める運動諸元確率分布算出器（位置相関手段）、２４は運動諸元確率分布算出器２３により算出された確率分布Ａ（ｉ）と予め設定されたパラメータｄから、追尾目標と相関の可能性のある観測データＺk,trk （ｉ）を選択する運動諸元相関器（位置相関手段）である。
【００３１】また、２５は観測データの仮説Ｘk,i の信頼度βk,i と、現時刻より１サンプリング前に算出した属性データの推定値Ｘハットk-1,id（ｉ）と、現在の属性データＺk,id（ｉ）とから、現時刻における属性データの推定値Ｘハットk,id（ｉ）を算出する属性データ推定器（推定手段）、２６は属性データ推定器２５により算出された属性データの推定値Ｘハットk,id（ｉ）を１サンプリング時間だけ遅延する第２の遅延回路、２７は運動諸元相関器２４により選択された観測データＺk,trk （ｉ）のうち、現時刻における属性データの推定値Ｘハットk,id（ｉ）と予め設定された属性データの観測誤差分散σ2id から、追尾目標と相関の可能性のある観測データＺk,trk （ｉ）を選択し、また、追尾目標からの属性データの確率分布Ｃ（ｉ）を算出する属性相関器（属性相関手段）である。
【００３２】また、２８は属性相関器２７により選択された観測データＺk,trk （ｉ）に基づいて追尾目標の位置を予測する予測装置（予測手段）、２９は運動諸元確率分布算出器２３から出力された運動諸元の確率分布Ａ（ｉ）と、属性相関器２７から出力された属性データの確率分布Ｃ（ｉ）と、予め設定されたセンサの探知確率ＰD と、目標予測存在範囲内に存在する確率ＰGKとから、観測データの仮説の信頼度βk,i を算出する探知データ信頼度算出器、３０はゲイン行列Ｋk と、観測データの仮説の信頼度βk,i と、現時刻より１サンプリング前に算出された予測値Ｘハットk,trk （−）と、現時刻より１サンプリング前に算出された予測誤差共分散行列Ｐk （−）と、属性相関器２７により選択されたｍk 個の観測データＺk,trk （ｉ）とから平滑誤差共分散行列Ｐk （＋）を算出する平滑誤差評価器、３１は平滑誤差評価器３０から出力された平滑誤差共分散行列Ｐk （＋）と駆動雑音共分散行列Ｑk-1 から予測誤差共分散行列Ｐk （−）を算出する予測誤差評価器、３２は予測誤差評価器３１により算出された予測誤差共分散行列Ｐk（−）を１サンプリング時間だけ遅延する第３の遅延回路である。
【００３３】さらに、３３は１サンプリング前に算出された予測誤差共分散行列Ｐk （−）と予め設定された観測誤差共分散行列Ｒk からゲイン行列Ｋk を算出するゲイン行列算出器、３４はゲイン行列算出器３３から出力されたゲイン行列Ｋk と、探知データ信頼度算出器２９から出力された観測データの仮説の信頼度βk,i と、現時刻より１サンプリング前に算出された予測値Ｘハットk,trk （−）と、属性相関器２７により選択されたｍk 個の観測データＺk,trk （ｉ）とから平滑値Ｘハットk,trk （＋）を算出する平滑器、３５は平滑器３４により算出された平滑値Ｘハットk,trk （＋）から予測値Ｘハットk,trk （−）を算出する予測器、３６は予測器３５により算出された予測値Ｘハットk,trk （−）を１サンプリング時間だけ遅延する第１の遅延回路である。なお、図２はこの発明の実施の形態１による目標追尾方法を示すフローチャートである。
【００３４】次に動作について説明する。具体的な動作を説明する前に、実施の形態１による目標追尾装置の原理を説明する。まず、追尾目標の真値を表す状態ベクトルを式（１）のように定義する。ただし、ベクトルを表す記号にはアンダーラインを付する。式（１）において、追尾目標の真値を表す状態ベクトルは、目標の位置及び速度等の運動データの真値を表す状態ベクトルＸk,trk （ｉ）と、属性データの真値を表す状態ベクトルＸk,id（ｉ）を成分とするベクトルＸk とする。また、複数個をＮ個とした場合の運動モデルを式（２）とする。
【００３５】
【数１】

【００３６】ここで、ベクトルＸk,trk （ｉ）はサンプリング時刻ｔk における追尾目標の運動諸元の真値を表す状態ベクトルであり、直交座標における追尾目標の位置ベクトルを式（３）、直交座標における追尾目標の速度ベクトルを式（４）とした場合には、式（５）で表される。ここで、ベクトルＡT はベクトルＡの転置ベクトルを表す。
【００３７】
【数２】

【００３８】また、Φk-1 はサンプリング時刻ｔk-1 からサンプリング時刻ｔk に推移する状態ベクトルＸk,trk （ｉ）の推移行列で目標が等速直線運動を行うと仮定した場合、式（６）で表される。ここで、I は式（７）に示す単位行列を表し、０Iは３行３列の零行列である。
【００３９】
【数３】

【００４０】例えば、目標の運動モデルを等速直線運動と仮定したことによる打ち切り誤差項をΓ1 （ｋ−１）ωk-1 とみれば、サンプリング時刻ｔk における駆動雑音ベクトルωk-1 は加速度ベクトルに相当し、Ｅを平均を表す記号として、平均０ベクトルの３次元正規分布白色雑音で、式（８）及び式（９）とする。
【００４１】
【数４】

【００４２】ここで、０は零ベクトル、Ｑｋ はサンプリング時刻ｔk における駆動雑音共分散行列である。Γ1 （ｋ）はサンプリング時刻ｔk における駆動雑音ベクトルの変換行列で、式（１０）で表される。
【００４３】
【数５】

【００４４】次に観測モデルを以下のように定義する。サンプル時刻ｔk における位置を示す観測データと、属性を示す属性データの組みを式（１１）とする。ここで、ベクトルＺk,trk は目標観測位置に関する観測ベクトルであり、またベクトルＺk,idは属性データに関する観測ベクトルである。
【００４５】
【数６】

【００４６】追尾目標の観測位置に関する観測モデルを式（１２）のように定義する。ここで、Ｈはサンプリング時刻ｔk における観測行列である。また、ベクトルνk はサンプリング時刻ｔk における目標観測ベクトルに対応した観測雑音ベクトルであって、平均ベクトル０の３次元正規白色雑音であり、Ｅを平均を表す記号として式（１３），（１４）を満たすものとする。なお、Ｒk はサンプリング時刻ｔk における観測雑音共分散行列である。
【００４７】
【数７】

【００４８】追尾目標からの属性データに関する観測モデルを式（１５）のように定義する。
【００４９】
【数８】

【００５０】ここで、ν2,k はサンプリング時刻ｔk における属性観測データに対応した観測雑音で、平均０、分散σidの正規白色雑音である。
【００５１】追尾対象目標以外からの観測データは空間に一様に分布しているとし、サンプリング時刻ｔk における単位体積当たりの発生頻度をβkFT とし、追尾目標と相関を取るべき目標予測存在範囲の体積をＶGKとしたとき、追尾対象目標以外からの観測データが目標予測存在範囲内に存在する総数は、平均βkFT ＶGKのポアソン分布に従うとする。
【００５２】サンプリング時刻ｔk における追尾目標と相関をとるべき目標予測存在範囲内の観測データの総数をｍk 、観測データを式（１６）で表す。ここで、ベクトルＺk,i はｉ番目の観測ベクトルであり、その全体を式（１７）で表す。また、サンプリング時刻ｔ1 からｔk までの観測ベクトルの全体を式（１８）で、観測ベクトルの総数を式（１９）で定義する。
【００５３】
【数９】

【００５４】次に追尾対象目標からの観測ベクトルの確率分布について示す。観測ベクトルＺk,i が追尾対象目標からの観測データのとき、この確率分布を条件付き確率密度関数で表すと、式（２０）のようになる。
【００５５】
【数１０】

【００５６】ここで、式（２１）は追尾対象目標からの属性データの確率分布であり、式（２２）は追尾対象目標からの位置等の運動諸元の確率分布である。
【００５７】
【数１１】

【００５８】追尾対象目標からの運動諸元の確率分布は、式（２３）に示す条件付き確率密度関数で表されるとする。ここで、式（２３）の右辺は平均ベクトルＺk （−）、共分散行列Ｓk の３次元正規分布のＺk,trk （ｉ）における確率密度である。即ち、追尾対象目標からの観測データは式（２４）で与えられる目標予測位置ベクトルＺk,trk （−）を平均とし、式（２５）で与えられるＳk を共分散行列とする３次元正規分布に従うとする。ここで、ベクトルＸハットk,trk （−）は予測値で、式（２６）で表され、Ｐk （−）は予測誤差共分散行列で、式（２７）で表される。
【００５９】一方、追尾対象目標からの属性データの確率分布は、式（２８）に示す条件付き確率密度関数で表されるとする。ここで、式（２８）の右辺は平均Ｘハットk-1,id、分散σ2id の正規分布のＺk,id（ｉ）における確率密度である。即ち、追尾対象目標からの観測データは式（２４）で与えられる１サンプリング前の属性データの推定値Ｘハットk-1,id（ｉ）を平均とし、σidを分散とする正規分布に従うとする。
【００６０】
【数１２】

【００６１】次に、観測データにおける位置データと既追尾目標との相関方法について説明する。観測データベクトルＺk,i の成分である観測位置ベクトルＺk,trk （ｉ）がｄをパラメータとして式（２９）を満たすとき、観測データベクトルＺk,trk （ｉ）は追尾目標と相関があると判定する。
【００６２】
【数１３】

【００６３】図３は、簡単な例として観測位置データの次元が２次元の場合について式（２９）による観測データと追尾目標との相関を説明する図であり、図において、Ｐは追尾目標からの観測が予測される点である式（２４）の目標予測位置ベクトルＺk,trk （−）、Ｑは相関をとるべき目標予測存在範囲の内外を定める境界線でパラメータｄ及び式（２５）のより線形代数学により算出され、Ｄ１〜Ｄ６は観測データである。
【００６４】追尾対象目標が相関をとるべき目標予測範囲内に存在する確率を式（３０）に示すようにＰGKと書く。ここで、ＧK は式（３１）で表される目標予測存在範囲の領域である。なお、確率論によりＰGKはｄの値によって一意的に決まる。
【００６５】
【数１４】

【００６６】次に、観測データにおける属性データと既追尾目標との相関方法について説明する。観測データベクトルＺk,i の成分である属性データＺk,id（ｉ）がＭをパラメータとして式（３２）を満たすとき、観測データベクトルＺk,i は式（２９）を満たしていても、既追尾目標と相関がない観測データであると判定される。
【００６７】
【数１５】

【００６８】追尾対象目標の属性データが相関をとるべき範囲内に存在する確率を式（３３）に示すようにＰLKと書く。ここで、ＬK は式（３４）で表される属性データの範囲の領域である。なお、確率論によりＬK はＭの値によって一意的に決まる。図４は、簡単な２次元の例として式（３２）による目標予測存在範囲内に存在する観測データと追尾目標との相関を説明する図である。図において、観測データＤ２及びＤ４は式（２９）を満たし、目標予測存在範囲に存在しているが、式（３２）を満たさないため、既追尾目標と相関がないと判定される。
【００６９】サンプリング時刻ｔk において、１つの観測データベクトルＺk,i が追尾目標からの観測ベクトルであるとの仮説をＸk,i と書く。このとき、ベクトルＺk,i以外の観測データは追尾目標以外、例えばクラッタ等の不要信号からの観測データと仮定している。また、追尾目標より観測ベクトルが得られないとの仮説をＸk,0 と書く。サンプリング時刻ｔk までの情報Ｚk による仮説Ｘk,i の信頼度をβk,i と書く。ここで、確率論より式（３５）が成立する。
【００７０】
【数１６】

【００７１】以下に観測データにおける位置等の運動諸元及び属性データを用いて各仮説の信頼度を算出する方法について示す。サンプリング時刻ｔk において、観測データが得られた時点での仮説Ｘk,0 が正しいとの信頼度βk,0 は、サンプリング時刻ｔk で観測データが得られない時点において仮説Ｘk,0 の観測データが得られる信頼度に、得られたｍk 個の観測データ全てが追尾目標以外からの観測データであるとの信頼度を乗算した値に比例すると考えてよい。また、サンプリング時刻ｔk において、観測データが得られた時点での仮説Ｘk,i が正しいとの信頼度βk,i は、サンプリング時刻ｔk において観測データが得られない時点において仮説Ｘk,i の観測データが得られる信頼度に、得られた観測データベクトルＺk,i が追尾目標からの観測データで、ｍk −１個の観測データが追尾目標以外からの観測データであるとの信頼度を乗算した値に比例すると考えてよい。
【００７２】サンプリング時刻ｔk で観測データが得られない時点において仮説Ｘk,0 の観測データが得られる信頼度は、目標予測存在範囲から観測データが得られない確率１−Ｐd ＰGKに、追尾目標以外からの観測データがｍk 個得られる信頼度を乗算した値に比例すると考えられ、式（３６）により求まる。ここで、目標が探知される確率をＰd とすれば、追尾目標が目標予測存在範囲内に存在して探知される確率はＰd ＰGKであり、また、目標予測存在範囲内の追尾目標以外からの観測データの総数は、平均βkFT ＶGKのポアソン分布に従い求められている。サンプリング時刻ｔk で観測データが得られない時点において仮説Ｘk,i の観測データが得られる信頼度は、目標予測存在範囲から追尾目標が探知される確率Ｐd ＰGKに、属性データが予測範囲内に存在する確率ＰLKと、追尾目標以外からの観測データがｍk −１個得られる信頼度を乗算した値に比例すると考えられ、式（３７）により求まる。
【００７３】
【数１７】

【００７４】次に、サンプリング時刻ｔk で観測データが得られた時点において、仮説に基づき得られた全観測データＺk に対しての信頼度を示す。追尾対象目標から一度も観測データが得られていない状態での追尾対処目標からの属性データの確率分布を一様とすると、得られた１つの観測データが追尾対象目標以外からの観測データである信頼度は、サンプリング時刻ｔk-1 までの情報Ｚk-1 に基づき一様分布の仮定より式（３８）で与えられる。また、得られた１つの観測データが追尾目標からの観測データである信頼度は、目標予測存在範囲内に存在するとの前提で、式（３０）のＰGK及び式（２３）の追尾目標からの運動諸元の確率分布により式（３９）で与えられる。サンプリング時刻ｔk において仮説Ｘk,0 に基づき得られる全観測データＺk がｍk 個の追尾対象目標以外よりの観測ベクトルである信頼度、即ち、サンプリングｔk-1までの情報Ｚk-1 及び仮説Ｘk,0 に基づく全観測データＺk の信頼度は、式（２８）より式（４０）で与えられる。また、サンプリング時刻ｔk において仮説Ｘk,i に基づき得られる全観測データＺk の内、１つの観測データが追尾対象目標からの観測データで、かつｍk −１個の観測データが追尾対象目標以外からの観測データである信頼度、即ち、サンプリング時刻ｔk-1 までの情報Ｚk-1 及び仮説Ｘk,i に基づく全観測データＺk の信頼度は、式（３８）及び（３９）より式（４１）で与えられる。
【００７５】
【数１８】

【００７６】従って、サンプリング時刻ｔk までの情報Ｚk に基づく仮説Ｘk,0 の信頼度βk,0 は式（３６）と式（４０）を乗算した値に比例すると考えてよく、また、サンプリング時刻ｔk までの情報Ｚk に基づく仮説Ｘk,i の信頼度βk,i は式（３７）と式（４１）を乗算した値に比例すると考えてよく、式（３４）を使用して正規化を行い、式（４２）〜（４４）を得る。
【００７７】
【数１９】

【００７８】次に、サンプル時刻ｔk における追尾目標の属性データの推定方法について示す。サンプル時刻ｔk において、属性データＺk,id（ｉ）が得られた時点での属性データの推定値は最小自乗フィルターにて以下の式で算出できる。ここで、属性データの観測データとして、観測データを信頼度で重み付け平均した値を使用する。
【００７９】
【数２０】

【００８０】以下に平滑及び予測処理の方法について示す。即ち、通常のカルマンフィルタ理論により式（４６）〜式（５２）となる。ここで、ベクトルＸハットk,trk （＋）は式（５１）のように定義されている平滑ベクトルで、Ｐk （＋）は式（５２）のように定義されている平滑誤差共分散行列、Ｋk はカルマンゲイン行列である。
【００８１】
【数２１】

【００８２】全ての観測デ−タの仮説の基での目標位置、速度の平滑ベクトルは、各仮説の基で求めた平滑ベクトルを各仮説の信頼度を用いて統合することによって算出される。式（５１）に示す平滑ベクトルは式（５３）のように展開され、各仮説に式（４８）を適用した場合の平滑ベクトルをＸハットk,i （＋）とすると、式（５３）は式（５４）及び式（５５）のようになる。各仮説の平滑ベクトルは、仮説Ｘk,0 の場合には追尾目標から観測値が得られない仮説なので、メモリ−トラックとなって式（５６）のようになり、仮説Ｘk,i の場合には観測デ−タベクトルＺk,i が１つ得られた仮説なので式（４８）の通常のカルマンフィルタ理論を使用して式（５７）のようになる。したがって、式（５４）に式（５６）及び式（５７）を代入して式（５８）が得られる。
【００８３】
【数２２】

【００８４】上記、全ての観測デ−タの仮説の基での目標位置、速度の平滑ベクトルの平滑誤差共分散行列は以下のように算出される。条件付き共分散行列の理論に式（５９）が得られる。また、式（３４）、式（５３）、式（５５）より式（６０）が得られる。ここで、Ｐk ’（＋）は各仮説に対する平滑誤差共分散行列で、式（６１）のように定義され、式（５７）が通常のカルマンフィルタ理論により求まることにより式（６２）のようになる。式（５９）に式（６０）及び式（５６）〜式（５８）を代入して整理すると式（６３）〜式（６５）が得られる。
【００８５】
【数２３】

【００８６】上記、全ての観測デ−タの仮説の基での目標位置、速度の平滑ベクトルの予測誤差共分散行列は、式（４６）及び式（４７）に表される通常のカルマンフィルタ理論による式で算出される。
【００８７】次に、図１の目標追尾装置の具体的な動作を説明する。なお、カルマンフィルタを目標追尾装置に通常適用する場合と同様にして、目標の位置、速度の平滑値及び平滑誤差共分散行列の初期値は予め定まっているものとする。
【００８８】まず、目標観測装置２１は、追尾目標の位置及び属性（例えば、追尾目標の色彩等）を観測し（ステップＳＴ１）、その追尾目標の位置を示す観測データＺk,trk （ｉ）と追尾目標の属性を示す属性データＺk,id（ｉ）を出力するが（追尾目標が赤色と黄色の中間色の場合でも、その中間色を示す属性データＺk,id（ｉ）を出力する）、図３に示すように、追尾目標の実際の位置がＰ点であっても、観測誤差等の影響で目標観測装置２１の観測結果がＤ２やＤ４点等を示すことがある。また、追尾目標以外のクラッタ等を追尾目標と判定して、目標観測装置２１の観測結果がＤ５やＤ６点等を示すことがある。
【００８９】そこで、追尾目標の追尾精度を高めるためには、追尾目標と相関関係がある観測データＺk,trk （ｉ）を選択する必要があるため、観測諸元転送装置２２が、目標観測装置２１から出力された観測データＺk,trk （ｉ）及び属性データＺk,id（ｉ）をそれぞれ運動諸元確率分布算出器２３，運動諸元相関器２４，属性データ推定器２５及び探知データ信頼度算出器２９に転送する。
【００９０】そして、運動諸元確率分布算出器２３は、観測諸元転送装置２２から観測データＺk,trk （ｉ）を受けると、式（２４）を用いて、現時刻より１サンプリング前に算出された予測値Ｘハットk,trk （−）に基づいて追尾目標からの運動諸元の確率分布（追尾目標が存在する可能性のある領域を示す確率分布）の平均値であるベクトルＺk,trk （−）を算出するとともに、式（２５）を用いて、現時刻より１サンプリング前に算出された予測誤差共分散行列Ｐk （−）と予め設定された観測誤差共分散行列Ｒk に基づいて追尾目標からの運動諸元の確率分布の広がりＳk を算出する。そして、運動諸元確率分布算出器２３は、式（２３）を用いて、ベクトルＺk,trk （−）と確率分布の広がりＳk を算出すると、図３に示すように、そのベクトルＺk,trk （−）と確率分布の広がりＳk に基づいて追尾目標からの運動諸元の確率分布Ａ（ｉ）を求める（ステップＳＴ２）。
【００９１】このようにして、運動諸元確率分布算出器２３が運動諸元の確率分布Ａ（ｉ）を求めると、運動諸元相関器２４は、その運動諸元の確率分布Ａ（ｉ）と予め設定されたパラメータｄから、追尾目標と相関の可能性のある観測データＺｋ，ｔｒｋ（ｉ）を選択する（ステップＳＴ３）。具体的には、各観測データＺｋ，ｔｒｋ （ｉ）毎に式（２９）の不等式が成立するか否かを判定し、不等式が成立する観測データＺk,trk （ｉ）を選択する。図３の例では、Ｄ１，Ｄ２，Ｄ３，Ｄ４の位置を示す観測データＺk,trk （ｉ）を選択する。
【００９２】また、運動諸元相関器２４により選択された観測データＺk,trk （ｉ）の中から更に追尾目標と相関関係の大きい観測データＺk,trk （ｉ）を選択するため、属性データ推定器２５が、観測データの仮説Ｘk,i の信頼度βk,i と、現時刻より１サンプリング前に算出した属性データの推定値Ｘハットk-1,id（ｉ）と、現在の属性データの属性データＺk,id（ｉ）とから、式（４５）を用いて、現時刻における属性データの推定値Ｘハットk,id（ｉ）を算出する（ステップＳＴ４）。
【００９３】このようにして、属性データ推定器２５が属性データの推定値Ｘハットk,id（ｉ）を算出すると、属性相関器２７は、運動諸元相関器２４により選択された観測データＺk,trk （ｉ）のうち、現時刻における属性データの推定値Ｘハットk,id（ｉ）と予め設定された属性データの観測誤差分散σ2id から、追尾目標と相関の可能性のある観測データＺk,trk （ｉ）を選択する（ステップＳＴ５）。具体的には、式（３２）の不等式が成立するか否かを判定し、不等式が成立する観測データＺk,trk （ｉ）をｍk 個選択するが（式（１６），（１７）を参照）、図４の例では、Ｄ１，Ｄ３の位置を示す観測データＺk,trk （ｉ）が選択される。また、属性相関器２７は、追尾目標と相関の可能性のある観測データＺk,trk（ｉ）を選択すると、式（２８）を用いて追尾目標からの属性データの確率分布Ｃ（ｉ）を算出する。
【００９４】そして、探知データ信頼度算出器２９は、属性相関器２７から属性データの確率分布Ｃ（ｉ）が出力されると、運動諸元確率分布算出器２３から出力された運動諸元の確率分布Ａ（ｉ）と、属性相関器２７から出力された属性データの確率分布確率分布Ｃ（ｉ）と、予め設定されたセンサの探知確率ＰD と、目標予測存在範囲内に存在する確率ＰGKとから、式（４２）〜（４５）を用いて、観測データの仮説の信頼度βk,i を算出する。
【００９５】そして、探知データ信頼度算出器２９が観測データの仮説の信頼度βk,i を算出すると、等速直線運動モデルを使用する平滑誤差評価器３０が、ゲイン行列Ｋk と、観測データの仮説の信頼度βk,i と、現時刻より１サンプリング前に算出された予測値Ｘハットk,trk （−）と、現時刻より１サンプリング前に算出された予測誤差共分散行列Ｐk （−）と、属性相関器２７により選択されたｍk 個の観測データＺk,trk （ｉ）とから、式（６３）〜（６５）を用いて、平滑誤差共分散行列Ｐk （＋）を算出し、等速直線運動モデルを使用する予測誤差評価器３１が、平滑誤差共分散行列Ｐk （＋）と駆動雑音共分散行列Ｑk-1 から、式（４７）を用いて、予測誤差共分散行列Ｐk （−）を算出し、ゲイン行列算出器３３が、１サンプリング前に算出された予測誤差共分散行列Ｐk （−）と予め設定された観測誤差共分散行列Ｒk から、式（５０）を用いて、ゲイン行列Ｋk を算出する。
【００９６】このようにして、ゲイン行列算出器３３がゲイン行列Ｋk を算出すると、等速直線運動モデルを使用する平滑器３４は、ゲイン行列Ｋk と、観測データの仮説の信頼度βk,i と、現時刻より１サンプリング前に算出された予測値Ｘハットk,trk （−）と、属性相関器２７により選択されたｍk 個の観測データＺk,trk （ｉ）とから、式（５８）を用いて、平滑値Ｘハットk,trk （＋）を算出する。そして、等速直線運動モデルを使用する予測器３５は、平滑器３４が平滑値Ｘハットk,trk （＋）を算出すると、その平滑値Ｘハットk,trk （＋）から、式（４６）を用いて、予測値Ｘハットk,trk （−）を算出する（ステップＳＴ６）。これにより、追尾目標の次サンプリング時の位置は、Ｘハットk,trk （−）であると推定される。
【００９７】以上で明らかなように、この実施の形態１によれば、運動諸元相関器２４から出力された観測データＺk,trk （ｉ）に係る属性データＺk,id（ｉ）と、属性データ推定器２５から出力された属性データの推定値Ｘハットk,id（ｉ）の相関を判定し、相関関係がある観測データＺk,trk （ｉ）を選択するように構成したので、追尾目標の色彩が中間色の場合でも、追尾目標を精度よく追尾することができる効果を奏する。
【００９８】実施の形態２．上記実施の形態１では、運動諸元相関器２４が相関のある観測データＺk,trk（ｉ）を選択したのち、属性相関器２７が相関のある観測データＺk,trk （ｉ）を選択するものについて示したが、属性相関器２７が相関のある観測データＺk,trk （ｉ）を選択したのち、運動諸元相関器２４が相関のある観測データＺk,trk （ｉ）を選択するようにしてもよく、上記実施の形態１と同様の効果を奏することができる。
【００９９】実施の形態３．図５はこの発明の実施の形態３による目標追尾装置を示す構成図であり、図において、図１と同一符号は同一または相当部分を示すので説明を省略する。４１は現時点より１サンプリング前に算出された運動モデル毎の予測誤差共分散行列Ｐak+1（−）と観測雑音共分散行列Ｒk から各運動モデルに対する観測ベクトルの合致度である観測誤差の評価値ｇを算出する運動モデル毎の観測誤差評価器、４２は現時点より１サンプリング前に算出した各運動モデルに対する信頼度βbk-1と、予め設定された推移確率Ｐabと、観測誤差の評価値ｇとから、観測データと各運動モデルの信頼度βa,bk,iをそれぞれ算出する信頼度算出器、４３は信頼度算出器４２により算出された信頼度βa,bk,iを１サンプリング時間だけ遅延する第６の遅延回路である。
【０１００】また、４４は現時点より１サンプリング前に算出した平滑値Ｘハットk,trk （−）と、信頼度βa,bk,iと、予め設定された定数加速度ベクトルαa と、ゲイン行列Ｋk とから平滑値Ｘハットk,trk （＋）を算出する複数運動モデル統合型平滑器、４５は複数運動モデル統合型平滑器４４により算出された平滑値Ｘハットk,trk （＋）を１サンプリング時間だけ遅延する第４の遅延回路、４６は現時点より１サンプリング前に算出した運動モデル毎の平滑誤差共分散行列Ｐak（−）とゲイン行列Ｋk とから、運動モデル毎の平滑値Ｘハットak,trk（＋）の平滑誤差の評価値である運動モデル毎の平滑誤差共分散行列Ｐak（＋）を算出する運動モデル毎の平滑誤差評価器、４７は運動モデル毎の平滑誤差共分散行列Ｐak（＋）と駆動雑音共分散行列Ｑk とから、サンプリング時刻ｔk+1 における運動モデル毎の予測値Ｘハットak+1,trk（＋）の予測誤差の評価値である運動モデル毎の予測誤差共分散行列Ｐak+1（＋）を算出する運動モデル毎の予測誤差評価器である。
【０１０１】さらに、４８は平滑値Ｘハットk,trk （＋）から現時点より１サンプリング後の運動モデル毎の予測値Ｘハットak+1,trk（−）を算出する運動モデル毎の予測器、４９は運動モデル毎の予測器４８により算出された運動モデル毎の予測値Ｘハットak+1,trk（＋）を１サンプリング時間だけ遅延する第５の遅延回路、５０は平滑値Ｘハットk,trk （＋）と、信頼度βa,bk,iと、予め設定された推移確率Ｐabとから現時点より１サンプリング後の予測値Ｘハットk+1,trk （−）を算出する複数運動モデル統合型予測器、５１は運動モデル毎の予測誤差評価器４７により算出された運動モデル毎の予測誤差共分散行列Ｐak+1（＋）を１サンプリング時間だけ遅延する第７の遅延回路である。
【０１０２】次に動作について説明する。具体的な動作を説明する前に、実施の形態１による目標追尾装置の原理を説明する。まず、追尾目標の真値を表す状態ベクトルを式（６６）のように定義する。式（６６）において、追尾目標の真値を表す状態ベクトルは、目標の位置及び速度等の運動データの真値を表す状態ベクトルＸk,trk （ｉ）と、属性データの真値を表す状態ベクトルＸk,id（ｉ）を成分とするベクトルＸk とする。また、複数個をＮ個とした場合の運動モデルを式（２）とする。
【０１０３】
【数２４】

【０１０４】ここで、ベクトルＸk,trk （ｉ）はサンプリング時刻ｔk における追尾目標の運動諸元の真値を表す状態ベクトルであり、直交座標における追尾目標の位置ベクトルを式（６８）、直交座標における追尾目標の速度ベクトルを式（６９）とした場合には、式（７０）で表される。
【０１０５】
【数２５】

【０１０６】また、Φk-1 はサンプリング時刻ｔk-1 からサンプリング時刻ｔk に推移する状態ベクトルＸk,trk （ｉ）の推移行列で目標が等速直線運動を行うと仮定した場合、式（７１）で表される。ここで、I は式（７２）に示す単位行列を表し、０I は３行３列の零行列である。
【０１０７】
【数２６】

【０１０８】例えば、目標の運動モデルを等速直線運動と仮定したことによる打ち切り誤差項をΓ1 （ｋ−１）ωk-1 とみれば、サンプリング時刻ｔk における駆動雑音ベクトルωk-1 は加速度ベクトルに相当し、Ｅを平均を表す記号として、平均０ベクトルの３次元正規分布白色雑音で、式（７３）及び式（７４）とする。
【０１０９】
【数２７】

【０１１０】ここで、０は零ベクトル、Ｑｋ はサンプリング時刻ｔk における駆動雑音共分散行列である。Γ1 （ｋ）はサンプリング時刻ｔk における駆動雑音ベクトルの変換行列で、式（７５）で表される。
【０１１１】
【数２８】

【０１１２】また、サンプリング時刻ｔk において、Ｎ個の運動モデルを構成する定数加速度ベクトルｕk は式（７６）であり、サンプリング時刻ｔk における定数加速度ベクトルｕk の変換行列Γ（ｋ）は式（７７）で表される。
【０１１３】
【数２９】

【０１１４】図６は水平面に平行な面内で定数加速度ベクトルを説明する説明図である。図６において、Ｏは目標観測装置２１を原点とする座標Ｏ−ｘy の原点、Ｘは東方向をｘ軸の正とする座標Ｏ−ｘy のｘ軸、Ｙは北方向をｙ軸の正とする座標Ｏ−ｘy のｙ軸、Ａ１はｙ軸の正方向の定数加速度ベクトル、Ａ２はｘ軸の正方向の定数加速度ベクトル、Ａ３はｙ軸の負方向の定数加速度ベクトル、Ａ４はｘ軸の負方向の定数加速度ベクトルである。今、図６における定数加速度ベクトルの大きさを１０ｇ（ｇは重力加速度とする）とし、この他に加速度０の定数加速度ベクトルを考えた運動モデルの場合、ｘ軸及びｙ軸の両正負方向と加速度が０の場合とでＮ＝５であり、式（７６）は、式（７８）のようにサンプリング時刻ｔk に無関係に書ける。
【０１１５】
【数３０】

【０１１６】次に、サンプリング時刻ｔk において、式（７９）が真であるとの運動モデルの仮説を式（８０）のように書く。
【０１１７】
【数３１】

【０１１８】次に観測モデルを以下のように定義する。サンプル時刻ｔk における位置を示す観測データと、属性を示す属性データの組みを式（８１）とする。ここで、ベクトルＺk,trk は目標観測位置に関する観測ベクトルであり、またベクトルＺk,idは属性データに関する観測ベクトルである。
【０１１９】
【数３２】

【０１２０】追尾目標の観測位置に関する観測モデルを式（８２）のように定義する。ここで、Ｈはサンプリング時刻ｔk における観測行列である。また、ベクトルνk はサンプリング時刻ｔk における目標観測ベクトルに対応した観測雑音ベクトルであって、平均ベクトル０の３次元正規白色雑音であり、Ｅを平均を表す記号として式（８３），（８４）を満たすものとする。なお、Ｒk はサンプリング時刻ｔk における観測雑音共分散行列である。
【０１２１】
【数３３】

【０１２２】追尾目標からの属性データに関する観測モデルを式（８５）のように定義する。
【０１２３】
【数３４】

【０１２４】ここで、ν2,k はサンプリング時刻ｔk における属性観測データに対応した観測雑音で、平均０、分散σidの正規白色雑音である。
【０１２５】追尾対象目標以外からの観測データは空間に一様に分布しているとし、サンプリング時刻ｔk における単位体積当たりの発生頻度をβkFT とし、追尾目標と相関を取るべき目標予測存在範囲の体積をＶGKとしたとき、追尾対象目標以外からの観測データが目標予測存在範囲内に存在する総数は、平均βkFT ＶGKのポアソン分布に従うとする。
【０１２６】サンプリング時刻ｔk における追尾目標と相関をとるべき目標予測存在範囲内の観測データの総数をｍk 、観測データを式（８６）で表す。ここで、ベクトルＺk,i はｉ番目の観測ベクトルであり、その全体を式（８７）で表す。また、サンプリング時刻ｔ1 からｔk までの観測ベクトルの全体を式（８８）で、観測ベクトルの総数を式（８９）で定義する。
【０１２７】
【数３５】

【０１２８】次に追尾対象目標からの観測ベクトルの確率分布について示す。観測ベクトルＺk,i が追尾対象目標からの観測データのとき、この確率分布を条件付き確率密度関数で表すと、式（９０）のようになる。
【０１２９】
【数３６】

【０１３０】ここで、式（９１）は追尾対象目標からの属性データの確率分布であり、式（９２）は追尾対象目標からの位置等の運動諸元の確率分布である。
【０１３１】
【数３７】

【０１３２】追尾対象目標からの運動諸元の確率分布は、式（９３）に示す条件付き確率密度関数で表されるとする。ここで、式（９３）の右辺は平均ベクトルＺk,trk （−）、共分散行列Ｓk の３次元正規分布のＺk,trk （ｉ）における確率密度である。即ち、追尾対象目標からの観測データは式（９４）で与えられる目標予測位置ベクトルＺk （−）を平均とし、式（９５）で与えられるＳk を共分散行列とする３次元正規分布に従うとする。ここで、ベクトルＸハットk,trk （−）は予測値で、式（９６）で表され、Ｐk （−）は予測誤差共分散行列で、式（９７）で表される。一方、追尾対象目標からの属性データの確率分布は、式（９８）に示す条件付き確率密度関数で表されるとする。ここで、式（９８）の右辺は平均Ｘハットk-1,id、分散σ2id の正規分布のＺk,id（ｉ）における確率密度である。即ち、追尾対象目標からの観測データは式（９４）で与えられる１サンプリング前の属性データの推定値Ｘハットk-1,id（ｉ）を平均とし、σidを分散とする正規分布に従うとする。
【０１３３】
【数３８】

【０１３４】次に、観測データにおける位置データと既追尾目標との相関方法について説明する。観測データベクトルＺk,i の成分である観測位置ベクトルＺk,trk （ｉ）がｄをパラメータとして式（９９）を満たすとき、観測データベクトルＺk,trk （ｉ）は追尾目標と相関があると判定する。
【０１３５】
【数３９】

【０１３６】図３は、簡単な例として観測位置データの次元が２次元の場合について式（９９）による観測データと追尾目標との相関を説明する図であり、図において、Ｐは追尾目標からの観測が予測される点である式（９４）の目標予測位置ベクトルＺk （−）、Ｑは相関をとるべき目標予測存在範囲の内外を定める境界線でパラメータｄ及び式（９５）のより線形代数学により算出され、Ｄ１〜Ｄ６は観測データである。
【０１３７】追尾対象目標が相関をとるべき目標予測範囲内に存在する確率を式（１００）に示すようにＰGKと書く。ここで、ＧK は式（１０１）で表される目標予測存在範囲の領域である。なお、確率論によりＰGKはｄの値によって一意的に決まる。
【０１３８】
【数４０】

【０１３９】次に、観測データにおける属性データと既追尾目標との相関方法について説明する。観測データベクトルＺk,i の成分である属性データＺk,id（ｉ）がＭをパラメータとして式（１０２）を満たすとき、観測データベクトルＺk,i は式（９９）を満たしていても、既追尾目標と相関がない観測データであると判定される。
【０１４０】
【数４１】

【０１４１】追尾対象目標の属性データが相関をとるべき範囲内に存在する確率を式（１０３）に示すようにＰLKと書く。ここで、ＬK は式（１０４）で表される属性データの範囲の領域である。なお、確率論によりＬK はＭの値によって一意的に決まる。図４は、簡単な２次元の例として式（１０２）による目標予測存在範囲内に存在する観測データと追尾目標との相関を説明する図である。図において、観測データＤ２及びＤ４は式（９９）を満たし、目標予測存在範囲に存在しているが、式（１０２）を満たさないため、既追尾目標と相関がないと判定される。
【０１４２】サンプリング時刻ｔk までの情報Ｚk が得られた場合に、仮説Ψk,a の元での目標の運動諸元に関する状態ベクトルＸk,trk の予測ベクトルＸハットak,trk（−）及び予測誤差共分散行列Ｐak（−）は通常のカルマンフィルタの理論により、式（１０５）及び式（１０６）で与えられる。また、状態ベクトルＸk,trk の平滑ベクトルＸハットk,trk （＋）は式（１０７）で与えられる。
【０１４３】
【数４２】

【０１４４】次に、目標の位置ベクトルがサンプリング時刻ｔk に観測される場合の平滑処理について述べる。平滑ベクトル及び平滑誤差共分散行列は通常のカルマンフィルタの理論により、式（１０８）〜（１１０）で与えられる。
【０１４５】
【数４３】

【０１４６】ここで、Ｘハットak,trk（＋）は、仮説Ψk,a の元でのＸk,trk の平滑ベクトル、Ｐak（＋）はサンプリング時刻ｔk における仮説Ψk,a の元での平滑誤差共分散行列、Ｋk はサンプリング時刻ｔk におけるゲイン行列、Ｐk （＋）はサンプリング時刻ｔk における平滑誤差共分散行列であり、カルマンフィルタの理論により、式（１１１）で与えられる。
【０１４７】
【数４４】

【０１４８】また、カルマンフィルタを通常適用する場合と同様にして、初期値Ｘハット0,trk （＋）、Ｐ0 （＋）は別途定まっているとする。式（１０６）よりＰak（−）は仮説Ψk,a によらない値なので、式（１０９）よりＫk 、式（１１０）よりＰak（＋）も同様に仮説Ψk,a によらない値となる。
【０１４９】サンプリング時刻ｔk において、１つの観測データベクトルＺk,i が追尾目標からの観測ベクトルであるとの仮説をＸk,i と書く。このとき、ベクトルＺk,i以外の観測データは追尾目標以外、例えばクラッタ等の不要信号からの観測データと仮定している。また、追尾目標より観測ベクトルが得られないとの仮説をＸk,0 と書く。サンプリング時刻ｔk までの情報Ｚk により目標相関の仮説Ｘk,i及び運動モデルの仮説Ψk,a 、Ψk-1,b が真である確率を式（１１２）とする。同様にして、目標相関の仮説Ｘk,i が真である確率を式（１１３）、運動モデルの仮説Ψk,a が真である確率を式（１１４）、目標相関の仮説Ｘk,i 及び運動モデルの仮説Ψk,a が真である確率を式（１１５）と定義する。ここで、確率論より式（１１６）が成立する。
【０１５０】
【数４５】

【０１５１】次に、観測データにおける位置データ及び属性データを用いて、各仮説の信頼度を算出する方法について示す。サンプリング時刻ｔk において、観測データが得られた時点での仮説Ｘk,0 及びΨk,a が正しいとの信頼度βak,0は、サンプリング時刻ｔk で観測データが得られない時点において、仮説Ｘk,0 及びΨk,a の観測データが得られる信頼度に、得られたｍk 個の観測データ全てが追尾目標以外からの観測データであるとの信頼度を乗算した値に比例すると考えてよい。また、サンプリング時刻ｔk において、観測データが得られた時点での仮説Ｘk,i 及びΨk,a が正しいとの信頼度βak,0は、サンプリング時刻ｔk において観測データが得れない時点において、仮説Ｘk,i 及びΨk,a の観測データが得られる信頼度に、得られた観測データベクトルＺk,i が追尾目標からの観測データで、ｍk −１個の観測データが追尾目標以外からの観測データであるとの信頼度を乗算した値に比例すると考えてよい。
【０１５２】サンプリング時刻ｔk で観測データが得られない時点において仮説Ｘk,0 及びΨk,a の観測データが得られる信頼度は、目標予測存在範囲から観測データが得られない確率１−Ｐd ＰGKに運動モデルの推移確率Ｐabと、追尾目標以外からの観測データがｍk 個得られる信頼度を乗算した値に比例すると考えられ、式（１１７）により求まる。ここで、Ｐd は目標が探知される確率である。従って、追尾目標が目標予測存在範囲内に存在して探知される確率はＰd ＰGKであり、また、目標予測存在範囲内の追尾目標以外からの観測データの総数は、平均βkFT ＶGKのポアソン分布に従い求められている。また、運動モデルの推移にマルコフ性を仮定すると、Ψk,a はサンプリング時刻ｔk-1 の運動モデルにより定まり、ｔk-1 以前の運動モデルには依存しないとする。このとき、運動モデルの推移確率は式（１１８）と書く。一方、サンプリング時刻ｔk で観測データが得られない時点において仮説Ｘk,i 及びΨk,a の観測データが得られる信頼度は、目標予測存在範囲から追尾目標が探知される確率Ｐd ＰGKに、属性データが予測範囲内に存在する確率ＰLKと、追尾目標以外からの観測データがｍk −１個得られる信頼度を乗算した値に比例すると考えられ、式（１１９）により求まる。
【０１５３】
【数４６】

【０１５４】次に、サンプリング時刻ｔk で観測データが得られた時点において、仮説に基づき得られた全観測データＺk に対しての信頼度を示す。追尾対象目標から一度も観測データが得られていない状態での追尾対処目標からの属性データの確率分布を一様とすると、得られた１つの観測データが追尾対象目標以外からの観測データである信頼度は、サンプリング時刻ｔk-1 までの情報Ｚk-1 に基づき一様分布の仮定より式（１２０）で与えられる。また、得られた１つの観測データが追尾目標からの観測データである信頼度は、目標予測存在範囲内に存在するとの前提で、式（１００）のＰGK及び式（９３）の追尾目標からの運動諸元の確率分布により式（１２１）で与えられる。サンプリング時刻ｔk において仮説Ｘk,0 に基づき得られる全観測データＺk がｍk個の追尾対象目標以外よりの観測ベクトルである信頼度、即ち、サンプリングｔk-1 までの情報Ｚk-1 及び仮説Ｘk,0 に基づく全観測データＺk の信頼度は、式（１２０）より式（１２２）で与えられる。また、サンプリング時刻ｔk において仮説Ｘk,i に基づき得られる全観測データＺk の内、１つの観測データが追尾対象目標からの観測データで、かつｍk −１個の観測データが追尾対象目標以外からの観測データである信頼度、即ち、サンプリング時刻ｔk-1 までの情報Ｚk-1 と仮説Ｘk,i 及びΨk,a に基づく全観測データＺk の信頼度は、式（１２０）及び式（１２１）より式（１２３）で与えられる。
【０１５５】
【数４７】

【０１５６】従って、サンプリング時刻ｔk までの情報Ｚk に基づく仮説Ｘk,0 、Ψk,a 及びΨk-1,b の信頼度βa,bk,0は式（１１７）と式（１１２）を乗算した値に比例すると考えてよく、また、サンプリング時刻ｔk までの情報Ｚk に基づく仮説Ｘk,i 、Ψk,a 及びΨk-1,b の信頼度βa,bk,iは式（１１９）と式（１２３）を乗算した値に比例すると考えてよく、式（１１６）を使用して正規化を行い、式（１２６）〜（１２８）を得る。
【０１５７】
【数４８】

【０１５８】次に、サンプル時刻ｔk における追尾目標の属性データの推定方法について示す。サンプル時刻ｔk において、属性データＺk,id（ｉ）が得られた時点での属性データの推定値は最小自乗フィルターにて以下の式で算出できる。ここで、属性データの観測データとして、観測データを信頼度で重み付け平均した値を使用する。
【０１５９】
【数４９】

【０１６０】以下に平滑及び予測処理の方法について示す。即ち、通常のカルマンフィルタ理論を適用し、式（１０７）、式（１０８）及び式（１３１）〜式（１３３）である。また、ベイズの定理を使用すると式（１３７）である。以上、サンプル時刻ｔk の平滑処理について述べた。
【０１６１】
【数５０】

【０１６２】サンプル時刻ｔk におけるＸk,trk の予測ベクトルは式（１３７）、式（１０５）及び式（１０６）より式（１３８）で与えられる。なお、先に述べたように仮説Ψk,a の元での平滑誤差共分散行列Ｐakは仮説Ψk,a に無関係に定まる値なので、式（１４０）である。
【０１６３】
【数５１】

【０１６４】次に、図５の目標追尾装置の具体的な動作を説明する。なお、カルマンフィルタを目標追尾装置に通常適用する場合と同様にして、初期値は予め定まっているものとする。
【０１６５】まず、目標観測装置２１は、追尾目標の位置及び属性（例えば、追尾目標の色彩等）を観測し、その追尾目標の位置を示す観測データＺk,trk （ｉ）と追尾目標の属性を示す属性データＺk,id（ｉ）を出力するが（追尾目標が赤色と黄色の中間色の場合でも、その中間色を示す属性データＺk,id（ｉ）を出力する）、図３に示すように、追尾目標の実際の位置がＰ点であっても、観測誤差等の影響で目標観測装置２１の観測結果がＤ２やＤ４点等を示すことがある。また、追尾目標以外のクラッタ等を追尾目標と判定して、目標観測装置２１の観測結果がＤ５やＤ６点等を示すことがある。
【０１６６】そこで、追尾目標の追尾精度を高めるためには、追尾目標と相関関係がある観測データＺk,trk （ｉ）を選択する必要があるため、観測諸元転送装置２２が、目標観測装置２１から出力された観測データＺk,trk （ｉ）及び属性データＺk,id（ｉ）をそれぞれ運動諸元相関器２４及び属性データ推定器２５に転送する。
【０１６７】そして、運動諸元確率分布算出器２３は、式（９４）を用いて、現時点より１サンプリング後の予測値Ｘハットk+1,trk （−）に基づいて追尾目標からの運動諸元の確率分布の平均値であるベクトルＺk,trk （−）を算出するとともに、現時点より１サンプリング前に算出された運動モデル毎の予測誤差共分散行列Ｐak+1（−）を予測誤差共分散行列Ｐk+1 （−）とみなし、その予測誤差共分散行列Ｐk+1 （−）と予め設定された観測雑音共分散行列Ｒk （式（８４）を参照）とから、式（９５）を用いて、追尾目標からの運動諸元の確率分布の広がりＳk を算出する。そして、運動諸元確率分布算出器２３は、式（９３）を用いて、ベクトルＺk,trk （−）と確率分布の広がりＳk を算出すると、図３に示すように、そのベクトルＺk,trk （−）と確率分布の広がりＳk に基づいて追尾目標からの運動諸元の確率分布Ａ（ｉ）を求める。
【０１６８】このようにして、運動諸元確率分布算出器２３が運動諸元の確率分布Ａ（ｉ）を求めると、運動諸元相関器２４は、その運動諸元の確率分布Ａ（ｉ）と予め設定されたパラメータｄから、追尾目標と相関の可能性のある観測データＺk,trk（ｉ）を選択する。具体的には、各観測データＺk,trk （ｉ）毎に式（９９）の不等式が成立するか否かを判定し、不等式が成立する観測データＺk,trk （ｉ）を選択する。図３の例では、Ｄ１，Ｄ２，Ｄ３，Ｄ４の位置を示す観測データＺk,trk （ｉ）を選択する。
【０１６９】また、運動諸元相関器２４により選択された観測データＺk,trk （ｉ）の中から更に追尾目標と相関関係の大きい観測データＺk,trk （ｉ）を選択するため、属性データ推定器２５が、観測データの仮説Ｘk,i の信頼度βk,i と、現時刻より１サンプリング前に算出した属性データの推定値Ｘハットk-1,id（ｉ）と、現在の属性データの属性データＺk,id（ｉ）とから、式（１３２）を用いて、現時刻における属性データの推定値Ｘハットk,id（ｉ）を算出する。
【０１７０】このようにして、属性データ推定器２５が属性データの推定値Ｘハットk,id（ｉ）を算出すると、属性相関器２７は、運動諸元相関器２４により選択された観測データＺk,trk （ｉ）のうち、現時刻における属性データの推定値Ｘハットk,id（ｉ）と予め設定された属性データの観測誤差分散σ2id から、追尾目標と相関の可能性のある観測データＺk,trk （ｉ）を選択する。具体的には、式（１０２）の不等式が成立するか否かを判定し、不等式が成立する観測データＺk,trk （ｉ）をｍk 個選択するが（式（８６），（８７）を参照）、図４の例では、Ｄ１，Ｄ３の位置を示す観測データＺk,trk （ｉ）が選択される。
【０１７１】そして、運動モデル毎の観測誤差評価器４１は、現時点より１サンプリング前に算出された運動モデル毎の予測値Ｘハットak,trk（−）から目標位置予測ベクトルＺak,trk（−）を算出し、その目標位置予測ベクトルＺak,trk（−）と、現時点より１サンプリング前に算出された運動モデル毎の予測誤差共分散行列Ｐak+1（−）と、予め設定された観測雑音共分散行列Ｒk とから、式（９４）を用いて、各運動モデルに対する観測ベクトルの合致度である観測誤差の評価値ｇを算出する（式（１２８）を参照）。
【０１７２】そして、信頼度算出器４２は、運動モデル毎の観測誤差評価器４１が観測誤差の評価値ｇを算出すると、現時点より１サンプリング前に算出した各運動モデルに対する信頼度βbk-1と、予め設定された推移確率Ｐabと、観測誤差の評価値ｇとから、式（１２６）を用いて、観測データと各運動モデルの信頼度βa,bk,iをそれぞれ算出する。そして、複数運動モデル統合型平滑器４４は、信頼度算出器４２が観測データと各運動モデルの信頼度βa,bk,iをそれぞれ算出すると、現時点より１サンプリング前に算出した平滑値Ｘハットk,trk （−）と、信頼度βa,bk,iと、予め設定された定数加速度ベクトルαa と（式（７９）を参照）、ゲイン行列Ｋk とから、式（１３３）を用いて、平滑値Ｘハットk,trk （＋）を算出する。
【０１７３】このようにして、複数運動モデル統合型平滑器４４が平滑値Ｘハットk,trk （＋）を算出すると、運動モデル毎の予測器４８は、平滑値Ｘハットk,trk （＋）から、式（１０５）を用いて、現時点より１サンプリング後の運動モデル毎の予測値Ｘハットak+1,trk（−）を算出し、動モデル毎の予測値Ｘハットak+1,trk（−）を第５の遅延回路４９を介して運動モデル毎の観測誤差評価器４１に出力する。
【０１７４】一方、複数運動モデル統合型予測器５０は、平滑値Ｘハットk,trk （＋）と、信頼度βa,bk,iと、予め設定された推移確率Ｐabとから、式（１３８）を用いて、現時点より１サンプリング後の予測値Ｘハットk+1,trk （−）を算出する。これにより、追尾目標の次サンプリング時の位置は、Ｘハットk+1,trk （−）であると推定される。
【０１７５】なお、運動モデル毎の平滑誤差評価器４６は、現時点より１サンプリング前に算出した運動モデル毎の平滑誤差共分散行列Ｐak（−）とゲイン行列Ｋk とから、式（１１０）を用いて、運動モデル毎の平滑値Ｘハットak,trk（＋）の平滑誤差の評価値である運動モデル毎の平滑誤差共分散行列Ｐak（＋）を算出し、運動モデル毎の予測誤差評価器４７は、運動モデル毎の平滑誤差共分散行列Ｐak（＋）を平滑誤差共分散行列Ｐk （＋）とみなし、その平滑誤差共分散行列Ｐk （＋）と、駆動雑音共分散行列Ｑk とから、式（１０６）を用いて、サンプリング時刻ｔk+1 における運動モデル毎の予測値Ｘハットak+1,trk（＋）の予測誤差の評価値である運動モデル毎の予測誤差共分散行列Ｐak+1（＋）を算出し、運動モデル毎の予測誤差共分散行列Ｐak+1（＋）を第３の遅延回路３２を介して運動モデル毎の観測誤差評価器４１に出力する。
【０１７６】以上で明らかなように、この実施の形態３によれば、複数の運動モデルを用いて追尾目標の位置をそれぞれ予測し、各予測結果を統合するように構成したので、実施の形態１と同様の効果を奏するとともに、追尾目標が等速直線運動以外の運動をしたときも、追尾目標を精度よく追尾することができる効果を奏する。
【０１７７】実施の形態４．図７はこの発明の実施の形態４による目標追尾装置を示す構成図であり、図において、図５と同一符号は同一または相当部分を示すので説明を省略する。６１は信頼度算出器４２により算出された各運動モデルの信頼度βakと、観測データと各運動モデルの信頼度βak,iと、ゲイン行列算出器３３により算出されたゲイン行列Ｋk と、予め設定された定数加速度ベクトルαa と、運動モデル毎の平滑誤差評価器４６により算出された運動モデル毎の平滑誤差共分散行列Ｐak（＋）とから、平滑誤差の評価である平滑誤差共分散行列Ｐk （＋）を算出する複数運動モデル統合型平滑誤差評価器である。
【０１７８】次に動作について説明する。上記実施の形態３では、運動モデル毎の予測誤差評価器４７が、運動モデル毎の平滑誤差共分散行列Ｐak（＋）を平滑誤差共分散行列Ｐk （＋）とみなし、その平滑誤差共分散行列Ｐk （＋）に基づいて運動モデル毎の予測誤差共分散行列Ｐak+1（＋）を算出するものについて示したが、追尾目標の加速度運動によって追尾目標の運動ベクトルが一意的に定まらないことにより平滑誤差が大きくなることがある。
【０１７９】そこで、この実施の形態４では、追尾目標の加速度運動によって追尾目標の運動ベクトルが一意的に定まらないことにより、平滑誤差共分散行列を増加させる諸元を算出して、その諸元を複数の運動モデル毎の平滑誤差共分散行列に加算する。即ち、複数運動モデル統合型平滑誤差評価器６１が、信頼度算出器４２により算出された各運動モデルの信頼度βakと、観測データと各運動モデルの信頼度βak,iと、ゲイン行列Ｋk と、予め設定された定数加速度ベクトルαa と、運動モデル毎の平滑誤差共分散行列Ｐak（＋）とから、式（１５１）の右辺第２項〜第４項を算出する。
【０１８０】そして、複数運動モデル統合型平滑誤差評価器６１は、その算出結果を運動モデル毎の平滑誤差共分散行列Ｐak（＋）に加算して、平滑誤差の評価である平滑誤差共分散行列Ｐk （＋）を算出し、その平滑誤差共分散行列Ｐk （＋）を運動モデル毎の予測誤差評価器４７に出力する。これにより、運動ベクトルが一意的に定まらない場合でも、平滑誤差の評価である平滑誤差共分散行列Ｐk （＋）を精度よく算出することができる効果を奏する。
【０１８１】
【数５２】

【数５３】

【数５４】

【数５５】

【０１８２】実施の形態５．図８はこの発明の実施の形態５による目標追尾装置を示す構成図であり、図において、図５と同一符号は同一または相当部分を示すので説明を省略する。６２は信頼度算出器４２により算出された各運動モデルの信頼度βakと、予め設定された推移確率Ｐabと、予め設定された定数加速度ベクトルαa と、運動モデル毎の予測誤差評価器４７により算出された運動モデル毎の予測誤差共分散行列Ｐak+1（−）とから、予測誤差の評価である予測誤差共分散行列Ｐk+1 （−）を算出する複数運動モデル統合型予測誤差評価器である。
【０１８３】次に動作について説明する。上記実施の形態３では、運動諸元確率分散算出器２３が、運動モデル毎の予測誤差共分散行列Ｐak+1（−）を予測誤差共分散行列Ｐk+1 （−）とみなし、その予測誤差共分散行列Ｐk+1 （−）に基づいて運動諸元の確率分布の広がりＳk を算出するものについて示したが、追尾目標の加速度運動によって追尾目標の運動ベクトルが一意的に定まらないことにより予測誤差が大きくなることがある。
【０１８４】そこで、この実施の形態５では、追尾目標の加速度運動によって追尾目標の運動ベクトルが一意的に定まらないことにより、予測誤差共分散行列を増加させる諸元を算出して、その諸元を複数の運動モデル毎の予測誤差共分散行列に加算する。即ち、複数運動モデル統合型予測誤差評価器６２が、信頼度算出器４２により算出された各運動モデルの信頼度βakと、予め設定された推移確率Ｐabと、予め設定された定数加速度ベクトルαa とから、式（１６９）の右辺第２項を算出する。
【０１８５】そして、複数運動モデル統合型予測誤差評価器６２は、その算出結果を運動モデル毎の予測誤差評価器４７により算出された運動モデル毎の予測誤差共分散行列Ｐak+1（−）に加算して、予測誤差の評価である予測誤差共分散行列Ｐk+1 （＋）を算出し、その予測誤差共分散行列Ｐk+1 （＋）を第７の遅延回路５１を介して運動諸元確率分布算出器２３に出力する。これにより、運動ベクトルが一意的に定まらない場合でも、予測誤差の評価である予測誤差共分散行列Ｐk+1 （＋）を精度よく算出することができる効果を奏する。
【０１８６】
【数５６】

【数５７】

【数５８】

【数５９】

【数６０】

【０１８７】実施の形態６．上記実施の形態４では、複数運動モデル統合型平滑誤差評価器６１を設け、上記実施の形態５では、複数運動モデル統合型予測誤差評価器６２を設けたものについて示したが、図９に示すように、複数運動モデル統合型平滑誤差評価器６１と複数運動モデル統合型予測誤差評価器６２の双方を設けるようにしてもよい。
【０１８８】
【発明の効果】以上のように、この発明によれば、位置相関手段から出力された観測データに係る属性データと推定された属性データの相関を判定し、相関関係がある観測データを選択するように構成したので、追尾目標の色彩が中間色の場合でも、追尾目標を精度よく追尾することができる効果がある。
【０１８９】この発明によれば、観測手段から出力された観測データに係る属性データと推定された属性データの相関を判定し、相関関係がある観測データを選択するように構成したので、追尾目標の色彩が中間色の場合でも、追尾目標を精度よく追尾することができる効果がある。
【０１９０】この発明によれば、観測手段から出力された現在の属性データと前回の推定結果から属性データを推定するように構成したので、追尾目標の色彩が中間色の場合でも、相関関係がある観測データを選択することができる効果がある。
【０１９１】この発明によれば、複数の運動モデルを用いて追尾目標の位置をそれぞれ予測し、各予測結果を統合するように構成したので、追尾目標が等速直線運動以外の運動をしたときも、追尾目標を精度よく追尾することができる効果がある。
【０１９２】この発明によれば、追尾目標の位置を予測する際、運動モデル毎の平滑誤差共分散行列に基づいて平滑誤差の評価値を演算するように構成したので、運動ベクトルが一意的に定まらない場合でも、平滑誤差の評価値を精度よく算出することができる効果がある。
【０１９３】この発明によれば、追尾目標の位置を予測する際、運動モデル毎の予測誤差共分散行列に基づいて予測誤差の評価値を演算するように構成したので、運動ベクトルが一意的に定まらない場合でも、予測誤差の評価値を精度よく算出することができる効果がある。
【０１９４】この発明によれば、位置相関ステップで選択された観測データに係る属性データと推定された属性データの相関を判定し、相関関係がある観測データを選択するように構成したので、追尾目標の色彩が中間色の場合でも、追尾目標を精度よく追尾することができる効果がある。
【０１９５】この発明によれば、観測ステップで観測された観測データに係る属性データと推定された属性データの相関を判定し、相関関係がある観測データを選択するように構成したので、追尾目標の色彩が中間色の場合でも、追尾目標を精度よく追尾することができる効果がある。
【０１９６】この発明によれば、現在の属性データと前回の推定結果から属性データを推定するように構成したので、追尾目標の色彩が中間色の場合でも、相関関係がある観測データを選択することができる効果がある。
【０１９７】この発明によれば、複数の運動モデルを用いて追尾目標の位置をそれぞれ予測し、各予測結果を統合するように構成したので、追尾目標が等速直線運動以外の運動をしたときも、追尾目標を精度よく追尾することができる効果がある。
【０１９８】この発明によれば、追尾目標の位置を予測する際、運動モデル毎の平滑誤差共分散行列に基づいて平滑誤差の評価値を演算するように構成したので、運動ベクトルが一意的に定まらない場合でも、平滑誤差の評価値を精度よく算出することができる効果がある。
【０１９９】この発明によれば、追尾目標の位置を予測する際、運動モデル毎の予測誤差共分散行列に基づいて予測誤差の評価値を演算するように構成したので、運動ベクトルが一意的に定まらない場合でも、予測誤差の評価値を精度よく算出することができる効果がある。
【出願人】 【識別番号】０００００６０１３
【氏名又は名称】三菱電機株式会社
【出願日】 平成１０年（１９９８）３月２０日
【代理人】 【弁理士】
【氏名又は名称】田澤 博昭 （外１名）
【公開番号】 特開平１１−２７１４３７
【公開日】 平成１１年（１９９９）１０月８日
【出願番号】 特願平１０−７２６０６