Monthly Archives: May 2012

偶然看到有人称Ronald Mahler为“超级大牛”，并对他独立完成随机有限集理论在目标跟踪与信息融合领域的开拓性工作表示赞赏，说Ronald Mahler大量引用自己的论文引的响当当。不料这篇博文被何毓琦教授读到，何教授虽然不了解Ronald Mahler的工作，但是在听取他信任的同行意见后，评价说Ronald Mahler是不得志的二流数学家卖弄不常用的数学(何教授用了形象的比喻“賣野人頭”)自称开创新领域，被某些工程领域的人捧到大牛的高度，实际上远没有够IEEE会士的成就。之后，原博文作者又补了一枪，另有其他领域的专家学者也来参与讨论。Ron Mahler牛不牛，到底多牛才能让何教授佩服不是我这里八卦的范畴，我主要想八卦一下随机有限集理论在信息融合领域算不算卖野人头。当然，本人水平有限，说错的地方还请同行不吝指正，我也不想借Ron Mahler出名，感兴趣听八卦的随便看看，别太当真。 目标跟踪要解决数据关联（雷达回波检测往往并不能提供目标ID的可靠信息，所以需要根据目标的运动轨迹来决定多个量测与多个移动目标间的对应关系）和状态估计（目标的位置、速度、加速度等随时间变化的关系）。状态估计最有效的方法主要基于卡尔曼滤波和扩展卡尔曼滤波。如今各种非线性滤波方法逐渐成为新的研究热点，但是在工程应用中远不及卡尔曼滤波方法普及。数据关联大体分为基于组合优化多假设（MHT）和基于概率关联（PDA）两类，它们都能与卡尔曼滤波结合从而解决多目标的跟踪问题。我的博士导师Y. Bar-Shalom主要提出基于PDA/JPDA的滤波器设计，可以改进卡尔曼滤波方法，改善雷达杂波干扰下的目标跟踪性能。他和H. Blom还把交互多模型状态估计器方法用于机动目标跟踪，在多个实际系统中取得显著的性能改进，从而奠定了其在目标跟踪领域大牛的地位。原博主说Bar-Shalom对Ron Mahler的随机有限集理论有兴趣，并跟进PHD滤波方法的研究，我觉得不太准确。Bar-Shalom喜欢简单、直观、实用的方法多过对理论上繁琐但或许更严格、更一般化“体系”的偏爱，他对工程问题的处理方法给了我很深的影响。Ron Mahler搞随机有限集理论，到我读博士时也有十多年了，印象中Bar-Shalom从未正面评价过Ron Mahler的理论，即使当时更热门的粒子滤波他也觉得方法太一般化，没有体现目标跟踪问题的特殊性。我曾经试图理解Ron Mahler声称的“基于贝叶斯统计推断的方法用于目标跟踪在理论上是有缺陷的”，最终我还是觉得实际工程问题都可以从贝叶斯统计推断入手，没必要套用随机有限集。此外，说PHD/CPHD用于对随机有限集上的近似滤波可以完全绕开数据关联，我觉得也有点夸大其词，并没有直观的评价方法能够比较用Ron Mahler理论搞出来的跟踪算法和用Bar-Shalom的经典跟踪著作实现的算法哪个更好。你可以说数据关联不是基于随机有限集的状态估计所必须的，可很多数据融合问题没有关联的结果连直观的解释都成问题。所以，我尽管喜欢随机有限集将目标检测与跟踪结合为一个整体的随机过程，而且发展出一些便于计算的参数模型，但是我对很多具体滤波方法的工程意义仍有疑问，特别是关于目标个数统计分布的估计。 在介绍完基本背景之后开始Ron Mahler的八卦。我第一次见到Ron Mahler本人是在2003年WOMOT听他的专题报告，当时CVPR最后一天，那个多目标跟踪的研讨会基本没什么计算机视觉领域的人来听，我在Ron Mahler报告结束后问他几个问题，他很有点不耐烦，后来知道我是Bar-Shalom的学生态度有所变化，但还是没有仔细听完我关于贝叶斯方法的解释就一顿狠批并建议我读他的一堆文章。可以想见，他大量引自己的文章，无视别人的相关工作以及评审人意见，在同行评议的期刊发论文得多艰难。不过，Ron Mahler热衷于到处演讲，这也不难解释他的大量SPIE会议文章——这些论文无需同行评议，其中可能有Ron Mahler的得意之作，但认真读的不会很多。我认真读了Ron Mahler在T-AES上介绍随机有限集理论的文章，感觉把他驳斥假想敌的论述去掉更好，或者找何教授认识的专家评论一下，让Ron Mahler再回应会看得更过瘾，但不论怎么讲我不赞同何教授”卖野人头”的评价。我想说，Ron Mahler并不象原博主描述的那么不食人间烟火，一个人经营随机有限集理论几十年，直到最近才在信息融合领域变得很火。他的工作也不象何教授所批评的那么刻意卖弄数学，搞出一些晦涩难懂、工程上很难实用的结果。但是，最近大量跟风PHD/CPHD等相关滤波与估计的工作其价值还有待时间检验，我个人倾向于它们大多只停留在IEEE会议和期刊论文阶段，很难产生和Bar-Shalom的IMM/PDA工作相当的影响。如果卡尔曼滤波算大牛，Bar-Shalom的跟踪与融合算法算中牛，Ron Mahler的贡献也许能被我这样一点都不牛的人奉为小牛——而他的个性比我所钦佩的一些大牛还要特出一些，难怪何教授矫枉过正地批评Ron Mahler自引兼灌水且自我感觉良好，然而何教授收集的那些负面评价多半夹杂了圈内精英人士的情绪，反而给人一种酸葡萄的感觉。