（HOTA）多目标跟踪MOT指标计算方法(多目标pso)

（HOTA）多目标跟踪MOT指标计算方法 基本内容：

推荐整理分享（HOTA）多目标跟踪MOT指标计算方法(多目标pso)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:多目标模型,多目标优化百度百科,多目标是什么意思,多目标break,多目标处理方法,多目标处理方法,多目标处理方法,多目标算法有哪些,内容如对您有帮助，希望把文章链接给更多的朋友！

先附上Track_eval下载地址：.GitHub - JonathonLuiten/TrackEval: HOTA (and other) evaluation metrics for Multi-Object Tracking (MOT).

各个指标的原理我在这里不谈了，主要讲一下使用该工程计算指标的方法 

我们在计算MOT评价指标的时候需要用到以上这个工程，下载好后，新建工程。

在算多目标跟踪指标的时候，我之前使用了motmetrics这个库，但是这个库不能算最新的HOTA指标，所以我们使用以上工程。

目录结构：data├─ gt│ └─ mot_challenge│ ├─ MOT17-train│ │ ├─ MOT17-02-DPM│ │ │ ├─ gt│ │ │ │ └─ gt.txt│ │ │ └─ seqinfo.ini│ │ ├─ MOT17-04-DPM│ │ │ ├─ gt│ │ │ │ └─ gt.txt│ │ │ └─ seqinfo.ini│ │ ├─ MOT17-05-DPM│ │ │ ├─ gt│ │ │ │ └─ gt.txt│ │ │ └─ seqinfo.ini│ │ ├─ MOT17-09-DPM│ │ │ ├─ gt│ │ │ │ └─ gt.txt│ │ │ └─ seqinfo.ini│ │ ├─ MOT17-10-DPM│ │ │ ├─ gt│ │ │ │ └─ gt.txt│ │ │ └─ seqinfo.ini│ │ ├─ MOT17-11-DPM│ │ │ ├─ gt│ │ │ │ └─ gt.txt│ │ │ └─ seqinfo.ini│ │ └─ MOT17-13-DPM│ │ ├─ gt│ │ │ └─ gt.txt│ │ └─ seqinfo.ini│ └─ seqmaps│ └─ MOT17-train.txt└─ trackers └─ mot_challenge └─ MOT17-train └─ MOT └─ data ├─ MOT17-02-DPM.txt ├─ MOT17-04-DPM.txt ├─ MOT17-05-DPM.txt ├─ MOT17-09-DPM.txt ├─ MOT17-10-DPM.txt ├─ MOT17-11-DPM.txt └─ MOT17-13-DPM.txt

        在下载好的项目主目录中创建data目录，需要创建的结构如上所示，其中trackers目录下的txt文件就是我们检测跟踪到的信息，gt下的gt.txt就是我们标定的目标信息文件。注意gt目录中的MOT17-train目录下的这些文件目录名要与trackers下的txt的文件名对应。seqinfo.ini是此视频序列的信息。（在不改变原代码的情况下，请按照上图配置）

 上图所示，序列名，视频长度，像素等信息。对于要评测的MOT17数据集这个是给定的。

注意到gt目录下seqmaps中有一个MOT17-train.txt文件，此文件中记录了我们要评测的序列名字，格式如下：

请注意此文件在项目中从第二行开始读取，第一行一定空出来或者写其他标注信息。

运行代码：

打开工程中主目录下的scripts，运行run_mot_challenge.py 则可得到MOTA,MOTP,HOTA等结果。完成对行人跟踪的评测。

使用此项目评价自己的数据集：

该工程不仅可以评价MOT数据集，也可以评价自己数据集，接下来进行讲解：

打开run_mot_challenge.py文件，找到如下代码，进入到get_default_dataset_config()

default_dataset_config = trackeval.datasets.MotChallenge2DBox.get_default_dataset_config()

修改default_config字典中的值

default_config = { 'GT_FOLDER': os.path.join(code_path, 'data/gt/demo/'), # Location of GT data 'TRACKERS_FOLDER': os.path.join(code_path, 'data/trackers/demo/'), # Trackers location 'OUTPUT_FOLDER': None, # Where to save eval results (if None, same as TRACKERS_FOLDER) 'TRACKERS_TO_EVAL': None, # Filenames of trackers to eval (if None, all in folder) 'CLASSES_TO_EVAL': ['pedestrian'], # Valid: ['pedestrian'] 'BENCHMARK': 'DEMO', # Valid: 'MOT17', 'MOT16', 'MOT20', 'MOT15' #'VIS19' 'SPLIT_TO_EVAL': 'val', # Valid: 'train', 'test', 'all' 'INPUT_AS_ZIP': False, # Whether tracker input files are zipped 'PRINT_CONFIG': True, # Whether to print current config 'DO_PREPROC': True, # Whether to perform preprocessing (never done for MOT15) 'TRACKER_SUB_FOLDER': 'data', # Tracker files are in TRACKER_FOLDER/tracker_name/TRACKER_SUB_FOLDER 'OUTPUT_SUB_FOLDER': '', # Output files are saved in OUTPUT_FOLDER/tracker_name/OUTPUT_SUB_FOLDER 'TRACKER_DISPLAY_NAMES': None, # Names of trackers to display, if None: TRACKERS_TO_EVAL 'SEQMAP_FOLDER': None, # Where seqmaps are found (if None, GT_FOLDER/seqmaps) 'SEQMAP_FILE': None, # Directly specify seqmap file (if none use seqmap_folder/benchmark-split_to_eval) 'SEQ_INFO': None, # If not None, directly specify sequences to eval and their number of timesteps 'GT_LOC_FORMAT': '{gt_folder}/{seq}/gt/gt.txt', # '{gt_folder}/{seq}/gt/gt.txt' 'SKIP_SPLIT_FOL': False, # If False, data is in GT_FOLDER/BENCHMARK-SPLIT_TO_EVAL/ and in # TRACKERS_FOLDER/BENCHMARK-SPLIT_TO_EVAL/tracker/ # If True, then the middle 'benchmark-split' folder is skipped for both. }

        第一行和第二行分别指的是自己的数据集gt主目录和检测跟踪结果的主目录，第五行是要评价的类别，这里先不提，要与下文进行对应，第六行和第七行就是上述的主目录下的目录（用杠连接起来如下所示）。

整理下就是gt目录为：data/gt/demo/DEMO-val/ 

跟踪结果主目录为：data/trackers/demo/DEMO-val ，其他不变动。

在此py文件往下翻找代码找到如下属性，将这个改成自己数据集标号和类别。

self.valid_classes = ['pedestrian'] #有效类别设置self.class_name_to_class_id = {'pedestrian': 1, 'person_on_vehicle': 2, 'car': 3, 'bicycle': 4, 'motorbike': 5, 'non_mot_vehicle': 6, 'static_person': 7, 'distractor': 8, 'occluder': 9, 'occluder_on_ground': 10, 'occluder_full': 11, 'reflection': 12}

继续向下翻找找到如下属性。下图为干扰类别项，将其改为自己类别的干扰项，不要为空会报错，博主已试。

distractor_class_names = ['person_on_vehicle', 'static_person', 'distractor', 'reflection'] #这个是mot评价的干扰项

到这里需要改的代码就已经修改完毕了。这个时候还需要添加一些文件到目录中。

对于我的设置，在data/gt/demo中创建seqmaps目录，在该目录下创建DEMO_val.txt，请注意这个文件名字与我们之前设置的default_config字典中的第六行和第七行的值要匹配。

文件内容的类型与之前所描述的MOT17-train.txt中的一致。

接下来就可以参考目录结构中第一个图进行创建目录和文件了，注意gt中序列目录的名字要和trackers的txt文件名对应上。

全部配置完后运行run_mot_challenge.py即可得到结果。

我这里附上一张效果图，仅供参考，计算了一个序列。