Moving-Target Tracking System Using Neural Networks

신경회로망을 이용한 이동 표적 추적 시스템

Generally, the conventional tracking algorithms are very limited in the practical applications because of its exponential increase in the required computation time for the number of targets being tracked. Therefore, in this paper, a new real-time moving target tracking system is proposed, which is based on the neural networks with massive parallel processing capabilities. Through the theoretical and experimental results, the target tracking system based on neural network algorithm is analyzed to be computationally independent of the number of objects being tracked and performs the optimized tracking through its massive parallel computation and learning capabilities. And this system also has massive matched filtering effects because the moving target data can be compactly stored in the interconnection weights by learning. Accordingly, a possibility of the proposed neural network target tracking system can be suggested to the fields of real-time application.

일반적으로 기존의 추적 알고리즘은 표적의 수에 따른 계산량의 기하학적 증가로 실시간 처리 등 실제 응용에 커다란 제한이 되고 있다. 따라서, 본 논문에서는 고밀도 상호 연결 구조와 대규모 병렬 처리로 실시간 처리가 가능한 새로운 신경회로망 이동 표적 추적 시스템에 대한 이론적 분석과 실험을 하였다. 분석 결과, 신경회로망 알고리즘을 이용한 추적 시스템은 표적 정보의 병력 및 집적 연산이 가능하여 표적이 증가한 경우에도 계산량이 크게 증가하지 않고, 학습을 통한 추적의 최적화가 가능하며, 표적의 여러 이동 정보가 상호 연결 강도에 저장되어 다량의 정합 필터 효과를 가질 수 있으므로 신경회로망을 이용한 새로운 표적 추적 시스템의 실시간 응용 가능성을 제시하였다.