영상센서 기반의 충돌회피 시스템을 구성하기 위해서는 수 픽셀 이내의 낮은 신호대잡음비 환경에서 다수의 표적을 탐지할 수 있는 알고리듬이 필요하다. 이처럼 영상 내에서 희미하게 나타나는 잠재적인 표적과 잡음을 구분하기 위한 방법으로서 연속적인 영상 정보를 효율적으로 처리하는 Track-Before-Detect (TBD) 알고리듬이 연구되고 있다. 본 논문에서는 기존의 TBD 알고리듬을 확장하여 다수 표적 탐지 요구조건을 만족시키기 위한 두 가지 방식의 기법을 제시하였다. 첫 번째 방식은 동적 계획법과 K-평균 클러스터링 기법에 기반을 두고 있으며 두 번째 방식은 은닉 마르코프 모델에 Sub-Window 기법을 적용하였다. 제안한 방식의 성능 및 차이점은 수치해석 결과를 통해 분석하였다.
Vision-based collision avoidance system for air traffic management requires a excellent multiple target detection algorithm under low signal-to-noise ratio (SNR) levels. The track-before-detect (TBD) approaches have significant applications such as detection of small and dim targets from an image sequence. In this paper, two detection algorithms with the TBD approaches are proposed to satisfy the multiple target detection requirements. The first algorithm, based on a dynamic programming approach, is designed to classify multiple targets by using a k-means clustering algorithm. In the second approach, a hidden Markov model (HMM) is slightly modified for detecting multiple targets sequentially. Both of the proposed approaches are used in numerical simulations with variations in target appearance properties to provide satisfactory performance as multiple target detection methods.
