統一された航跡番号と航跡の冗長性低減を目標とした航跡間関連（track-to-track association、T2TA）は、航跡融合と状況認識を実現するための前提かつ基盤です。現在、T2TAは主に航跡データと関連方法の二つの問題に直面しています。一般的な問題は、航跡データの誤差と不一致な更新周期、および関連方法における準最適な関連結果や先行情報および仮定運動モデルへの依存です。これに対し、知能的な航跡スコアに基づくマルチセンサ航跡関連多仮説アルゴリズム（MH-T2TA）を提案しました。自己注意機構と対比学習に基づく時空間整合モジュールを設計し、誤差を除去して非同期の航跡分布を統一します。多仮説アルゴリズムと深層学習を組み合わせることで、先行情報や仮定運動モデルに依存せずに航跡のペアの関連スコアを推定し、最適な関連ペアを得ます。三つの損失関数の制約の下で、同一ターゲットの航跡は互いに近づき、異なるターゲットの航跡は互いに離れ、推定された航跡スコアは真の航跡スコアと非常に類似しています。実験結果は、MH-T2TAが複雑なシナリオで航跡関連を実現でき、その他のT2TA手法よりも優れた関連性能を示すことを示しています。

航跡―航跡関連;多仮説アルゴリズム;航跡スコア;ニューラルネットワーク