Проєкти / track-lab

Детекція і трекінг2026

track-lab: від зашумлених детекцій до підтверджених треків, з вимірюваннями

Цілі, надто слабкі для будь-якого окремого кадру, шум, схожий на цілі, розмітка, що запізнюється. Еталонний трекер і симулятор, який знає правду, де кожне рішення виміряне і його можна запустити просто на сторінці.

PythonnumpyscipyJavaScriptCanvas
Живий трекер

Проблема

У кожного сенсорного продукту, чи він слухає, чи випромінює, чи дивиться, однакова середина: на вході детекції, на виході треки для оператора. Саме в цій середині польові системи ламаються, і зазвичай її не видно. Політику підтвердження не побачиш, про неї можна тільки прочитати. А чистих міток поле ніколи не дає: оператор позначає ціль через кілька секунд після її появи і ніколи не позначає ту, яку пропустив, тож кожна метрика, порахована за цими мітками, зміщена.

Що я побудував

Симулятор, який точно знає істину, щоб кожен етап можна було виміряти ще до появи реальних даних. Модель сигналу має одне фізичне налаштування: ціль з амплітудою A = 10^(SNR/20) в одиничному шумі, поріг tau, а отже pd = Q(tau − A) і pfa = Q(tau) у замкненій формі. Поверх нього еталонний трекер: пакетні фільтри Kalman та IMM, стробування за хі-квадрат, глобальний найближчий сусід на угорському алгоритмі й дешевий JPDA, M-of-N і послідовний тест Вальда для підтвердження. Далі частини, які вирішують у роботі зі слабким сигналом: track-before-detect на кадрах зображення, локалізація лише за пеленгами з межею Крамера-Рао і тестом спостережуваності, а також модуль оцінювання, написаний раніше за трекер, зокрема дослідження того, які метрики й далі правильно ранжують трекери, коли мітки пропущені, запізнені, зсунуті або розріджені.

Сторінки на цьому сайті запускають браузерний порт еталона: модель детекції, фільтр Kalman, дво- і трирежимний IMM, стробування, глобальний найближчий сусід і жадібний базовий варіант, обидві політики підтвердження та інтегратор track-before-detect. Тести запускають JavaScript під node і порівнюють із Python: модель детекції та IMM збігаються з точністю до однієї мільйонної, розв’язувач призначення повертає ту саму сумарну вартість, що й scipy, а типовий живий прогін зафіксовано, тож зміна рушія не змінить його непомітно. Історію track-before-detect на головній сторінці так само прив’язано до експерименту E3: чотири тисячі її прогонів мають лягти в 95-відсоткові інтервали експерименту.

Дві речі, які я сказав би менеджеру з найму

Продуктове число, яке справді важить, — хибні треки на годину — визначає менеджер треків, а не детектор. Детектор, який налаштовують окремо від решти, оптимізує не те число. А коли амплітуда вже є в послідовному тесті, подія детекції не несе окремої інформації: додати log(pd/pfa) поверх правдоподібності амплітуди означає врахувати перетин порогу двічі й підтвердити трек за одним спрацюванням на клатері. Ця помилка була в першій версії специфікації; її знайшов тест.

Що виміряли експерименти

Вісім експериментів, кожен поставлено так, що він міг би дати протилежну відповідь. Фронт підтвердження за 9 дБ: M-of-N і послідовний тест без амплітуди лежать на одній кривій, від 24 хибних треків на годину за часу до підтвердження 2.2 с до 134 на годину за 1.3 с; тест з амплітудою лежить над фронтом за будь-якого налаштування, бо за гауссової моделі амплітуди дві сильні шумові комірки виглядають як слабка ціль. Track-before-detect за 3 дБ на кадр: однокадровий детектор знаходить ціль у 2 відсотках спроб, шістнадцять інтегрованих кадрів — у 85 відсотках, за однакової частоти хибних тривог, а виміряна плата за пошук гіпотез становить третину підручникового значення. Коли мітки запізнюються на дві секунди, MOTA, IDF1, HOTA і час до підтвердження зберігають ранжування; хибні треки на годину — ні. На ноутбуці еталонний трекер обробляє сто цілей за 2.4 мс на скан із глобальним найближчим сусідом і за 12.7 мс зі спільною імовірнісною асоціацією та фільтром IMM.

Два пізніші експерименти перевіряють покращені методи на їхніх власних способах зламатися, 200 парних прогонів на клітинку при 12 дБ. На повороті зі швидкістю 0.3 рад/с фільтр Kalman, налаштований на прямий політ, губить трек у кожному прогоні; якщо підняти шум процесу, він утримує трек у 99 відсотках ціною точності (похибка на повороті 4.4 м); IMM, чия модель повороту збігається з цим поворотом, утримує його в усіх прогонах із найменшою похибкою, але дворежимний IMM, що знає лише один напрямок повороту, губить кожен дзеркальний поворот, і лише трирежимна схема (прямо, ліворуч, праворуч) тримає обидва (99.5 відсотка). На швидкості повороту, якої немає в моделі, 0.5 рад/с, трирежимний IMM утримує 67 відсотків, а Kalman із великим шумом процесу — 99: модель хороша рівно настільки, наскільки хороший рух, на який вона розрахована. Коли дві цілі перетинаються під кутом 10 градусів, глобально оптимальне призначення міняє їхні ідентичності місцями у 31.5 відсотка прогонів проти 13 відсотків у жадібного базового варіанта (парний тест p = 2e-6), а спільна імовірнісна асоціація — у жодному; під кутами 45 і 90 градусів усі три рівні.