使用桥接分布的目标跟踪中的贝叶斯意图预测

在人机交互、监控与国防等多个应用领域中，确定被跟踪目标的意图能够使系统辅助用户/操作员，并促进有效且可能自动化的决策制定。在本文中，我们提出了一种概率推理方法，允许提前充分预测被跟踪目标的预期目的地及其未来轨迹。在本文引入的框架内，目标观测到的部分轨迹被建模为在其目的地终止的 Markov bridge 的一部分，因为目标路径尽管是随机的，但必须终止于预期的终点。这捕捉了由目标意图决定的轨迹中潜在的长期依赖关系。通过确定部分轨迹源自特定构造的桥接分布的似然，可以评估若干可能目的地中每一个的概率。这些桥接分布还可用于产生对潜系统状态（例如目标位置、速度等）的精细估计，预测其未来值（直至到达指定终点），并估计到达时间。这导出了一种低复杂度的基于 Kalman 滤波器的推理程序实现，其中可以应用任何线性高斯运动模型，包括目的地回归模型。利用在装备仪器的车辆中收集的徒手指向手势数据以及驶向多个可能港口的船只合成轨迹，验证了所提方法的有效性。