[发明专利]状态估计装置、状态估计方法以及集成电路

说明书

实现一种状态估计装置，关于跟踪对象的物体，获取多个观测数据，使用从获取到的多个观测数据分别得到的似然度和观测数据的可靠度，对物体的内部状态进行估计。第一观测获取部获取第一观测数据，第二观测获取部获取第二观测数据。第一似然度获取部基于第一观测数据来获取第一似然度。第二似然度获取部基于第二观测数据来获取第二似然度。似然度合成部基于第一似然度、第二似然度、示出第一观测数据的可靠度的第一可靠度数据以及示出第二观测数据的可靠度的第二可靠度数据，来获取合成似然度。后验概率分布获取部根据合成似然度和预测概率分布数据，来获取在当前时刻t的、作为观测对象的内部状态的概率分布的后验概率分布数据。

技术领域

本发明涉及使用时间序列滤波器对可观测的现象的状态进行估计的技术，例如涉及使用时间序列滤波器来跟踪运动图像上的物体的技术。

背景技术

作为对时时刻刻变化的观测对象的内部状态进行估计的技术，存在使用时间序列滤波器的技术。时间序列滤波器是指在将时刻t的对象的内部状态设为状态矢量x_t并将在时刻t观测到的特征设为观测矢量y_t时，根据观测到的观测矢量y_t对无法直接观测的对象的内部状态x_t进行估计的技术。

也就是说，时间序列滤波器是指如下技术：在从以下的状态空间模型、即，

系统模型:x_t~f(x_t|x_t-1)

观测模型:y_t~h(y_t|x_t)

给出观测系列(直到时刻t的观测矢量的集合)y_1:t={y₁，y₂，···，y_t}时，求出状态系列x_0:t={x₀，x₁，···，x_t}的带条件概率分布p(x_t|y_1:t)。

当将系统噪声设为v_t并将观测噪声设为w_t时，能够以以下方式表示对象的内部状态的系统模型以及观测对象时的观测模型。

对象的内部状态的系统模型：x_t=f(x_t-1，v_t)

观测对象时的观测模型：y_t=h(x_t，w_t)

f(x_t-1，v_t)：表示时刻t-1和时刻t的状态变化的状态转变函数

h(x_t，w_t)：表示在状态x_t时得到的观测矢量的函数

此时，1个先期预测为

[式1]

，

通过贝叶斯法则，在时刻t的后验概率分布p(x_t|y_1:t)成为

[式2]

此外，h(y_t|x_t)为似然度(在状态x_t时，得到观测矢量y_t的概率)，p(x_t|y_1:t-1)为预测概率分布。