전통적인 헝가리안 알고리즘은 성도 공간에서 목표 탐지 시 네 가지 제한점이 있다: 운동 예측 부족, 전역 검색 중복, 단일 매칭 특징 및 고정 가중치의 적응성 부족. 고속 및 저속 목표가 공존하고, 목표가 밀집하여 접근하며, 크기가 동적으로 변화하고 신호 대 잡음비가 낮은 복잡한 환경에서는 이러한 단점으로 인해 탐지 정확도와 신원 일관성이 크게 저하된다. 본 논문은 다중 특징 점진적 개선 기반의 헝가리안 매칭 알고리즘을 제안한다. 먼저 칼만 필터를 도입하여 목표의 위치와 속도를 예측하고, 예측 위치를 고정 관측 위치 대신 매칭 비용 구성에 활용한다; 다음으로 칼만 예측 공분산 행렬을 이용하여 마할라노비스 거리 게이트를 구성해 헝가리안 매칭의 탐색 공간을 전역에서 예측 타원체 내의 국부 영역으로 제한한다; 이후 위치, 면적 및 종횡비의 실시간 신뢰도에 따라 각 특징의 비용 기여도를 적응적으로 조절하는 다중 특징 동적 가중치 메커니즘을 설계한다; 마지막으로 면적과 종횡비에 이상 급변이 있는 후보 매칭에 추가 비용을 부과하는 이상 벌칙 메커니즘을 도입한다. 다섯 가지 대표적인 시뮬레이션 성도 시나리오(다중 속도 목표, 목표 밀집 접근, 다중 메커니즘 혼합, 고밀도 목표 및 저신호 대 잡음비)에서 실험 결과, 제안 알고리즘은 평균 MOTA 88.3%로 전통적인 헝가리안 알고리즘(82.4%)보다 5.9%, PPMHT 알고리즘(64.6%)보다 23.7%, 최근접 이웃 알고리즘(82.3%)보다 6.0% 포인트 우수하며, 평균 IDF1 65.8%로 전통적인 헝가리안 알고리즘(56.3%)보다 9.5%, PPMHT 알고리즘(50.0%)보다 15.8% 포인트 높다; 평균 IDS 1.6회로 전통적인 헝가리안 알고리즘(3.9회)보다 2.3회 적고, 최근접 이웃 알고리즘(5.2회)보다 3.6회 적다; 알고리즘 평균 소요 시간은 41.2 ms/프레임으로 실시간 요구사항을 충족한다. 소거 실험에서 칼만 예측, 마할라노비스 게이트, 동적 가중치, 이상 벌칙 4가지 개선점이 각각 MOTA 증가에 8.8, 6.5, 3.2, 1.2% 포인트 기여한다. 본 알고리즘은 4차원 점진적 개선 프레임워크를 통해 탐지 정확도, 신원 일관성 및 계산 효율성 간의 균형을 효과적으로 달성하여 성도 공간 목표의 신뢰할 수 있는 프레임 간 연관을 위한 효과적인 솔루션을 제공한다.

성도 공간 목표 탐지; 헝가리안 알고리즘; 다중 특징 최적화; 칼만 필터; 마할라노비스 거리 게이트; 동적 가중치