Estratégias de acompanhamento de múltiplos alvos: uma comparação entre diferentes metodologias de associação de dados
Manuel Vargas Avila1; Cachimo Combo Assane1; Rubens Lopes de Oliveira2; Beatriz de Souza Leite Pires de Lima1
1 Universidade Federal do Rio de Janeiro; 2 Instituto de pesquisas da Marinha
doi:10.20906/CPS/CILAMCE2015-0525
Resumo
Neste trabalho desenvolveu-se uma estratégia de acompanhamento de múltiplos alvos que trafegam em um ambiente marítimo a partir de informações provenientes de um único sensor radar. São propostas duas diferentes técnicas de Machine Learning (redes neurais e máquinas vetor suporte) como metodologias de associação de dados, visando selecionar aquela que apresente o melhor desempenho. A metodologia de melhor desempenho será comparada com a abordagem clássica que é baseada no algoritmo de associação de dados Multi Hypothesys Tracking (MHT). Com propósito de realizar esta comparação e validar a metodologia proposta foi empregado um gerador artificial de dados e criada uma ferramenta de simulação que permite avaliar diferentes métricas de desempenho. Com base nos resultados preliminares obtidos, pode-se inferir que as redes neurais representam a uma boa opção para resolver o problema de associação dos dados empregados neste trabalho. Esta abordagem apresentou um tempo médio de execução por iteração menor do que o observado quando utilizado o método clássico (MHT). Em relação ao número de falsos acompanhamentos criados, a metodologia clássica também possui um desempenho inferior, pois apresenta um número maior de falsos acompanhamentos quando comparada com a abordagem proposta. Provavelmente, este resultado é devido à complexidade de sua estratégia de busca (combinatória) e ao seu processo de inicialização.
Palavras-chave: Algoritmos de acompanhamento; Associação de dados; Algoritmo MHT; Redes Neurais Artificiais; Maquinas Vetor Suporte; Filtragem IMM