TrackEval使用教程

可以看这个博主写的，很详细https://zhuanlan.zhihu.com/p/391396206

制作自己的MOT数据集

软件推荐

这里我推荐使用Darklabel，如果进不去的话，我上传到百度云，供大家下载使用。链接：

链接：https://pan.baidu.com/s/1K7vWRWr6jzi6xFSfAxwhVA
提取码：phu

1.打开yaml文件，将自己要跟踪的类别写进去，这里我的类别是下面这几类

my_classes: ["uav", "car", "person"]

2.相关讲解，不过现在版本快捷键是shift+鼠标操作了。
制作好相关数据集之后，跟踪完成保存结果。使用TrackEval进行评估。
我们的数据集的格式如下:

1,1,592,444,482,284,1,-1,-1,-1

命名为gt.txt

文件路径

#gt信息
#如果多个的话，并列存放
data/
    gt/
        mot_challenge/
            MyDataset/
                seq-01/   # 视频名
                    gt/
                        gt.txt          # <---- ground truth
                    seqinfo.ini         # 放你的视频的信息
    trackers/   # 你自己代码运行出来的结果
        mot_challenge/
            MyDataset/
                data/
                    seq-01.txt          # <---- model result 视频结果.txt

seqinfo.ini的信息

[Sequence]
name=ai_city
imDir=img1
frameRate=30
seqLength=1996
imWidth=1920
imHeight=1080
imExt=.jpg

运行

运行 scripts/run_mot_challenge.py

-GT_FOLDER # gt路径
--BENCHMARK ai_city   # 视频名
--DO_PREPROC False 
--METRICS HOTA # 选择测评指标 'HOTA', 'CLEAR', 'Identity'

这里附上我自己跑出来的结果，因为我用的两个都是gt.txt

CLEAR: data-pedestrian             MOTA      MOTP      MODA      CLR_Re    CLR_Pr    MTR       PTR       MLR       sMOTA     CLR_TP    CLR_FN    CLR_FP    IDSW      MT        PT        ML        Frag      
more_2_0                           100       100       100       100       100       100       0         0         100       1056      0         0         0         4         0         0         0         
more_2_1                           100       100       100       100       100       100       0         0         100       1065      0         0         0         5         0         0         0         
more_2_2                           100       100       100       100       100       100       0         0         100       476       0         0         0         2         0         0         0         
more_2_3                           100       100       100       100       100       100       0         0         100       971       0         0         0         4         0         0         0         
COMBINED                           100       100       100       100       100       100       0         0         100       3568      0         0         0         15        0         0         0         

Count: data-pedestrian             Dets      GT_Dets   IDs       GT_IDs    
more_2_0                           1056      1056      4         4         
more_2_1                           1065      1065      5         5         
more_2_2                           476       476       2         2         
more_2_3                           971       971       4         4         
COMBINED                           3568      3568      15        15