在Matlab下使用指标评估代码对多目标跟踪结果进行评测

多目标跟踪方面，已经读了不少论文，跑过部分开源代码，最近开始也着手实践，首先将指标评估这方面功夫做了下，虽然已有开源代码和作者对代码使用方法的介绍，但还是顺便记录下步骤方便日后工作。

步骤1：下载指标评估代码

首先在MOTChallenge上可以浏览并且下载历年的训练和测试图像序列，根据需要下载，每年的总文件大小5g左右。主要是包括了图像本身，每一种图像序列就有成百上千帧图像，不同大小的都有，所以整个文件是比较庞大的。如果只需要使用到gt和det，可以在网站上点击get detections and labels only，这里就大概10M不到。

然后在https://bitbucket.org/amilan/motchallenge-devkit/上download代码，大概7M。

下载下来的评估代码里有compile.m、evaluateDetection.m、evaluateTracking.m等文件，seqmaps里存放着包含不同年份train、test或all文件名的txt。

下载下来的数据文件就分为不同类型的测试训练图像序列，train的每类分别含有det（存放public detections）、img（存放图像序列）、gt（存放标注），test的每类则去掉了gt。下面以MOT16的train为例：

步骤2：编译+设置路径

首先用matlab进入到指标评估代码路径下，运行compile.m。

其次，作者已经写好了15年16年和17年Det的demo，只需要修改demo里你的benchmark文件存放路径和你已经生成的对应txt文件存放路径，就可以运行起来。下面以MOT16为例：

设置benchmarkGtDir变量为MOT16的训练文件路径（代码会自动在该文件路径下寻找gt.txt），evaluateTracking函数的第一个变量是使用到的图像序列名（包含在seqmaps文件下，不需要修改），第二个变量是你的算法生成的对应跟踪结果存放路径，剩下的两个变量也不用修改。

benchmarkGtDir变量（路径）下包含的文件有：

第二个变量（路径）下包含的文件有：

步骤3：运行demo

只要路径正确，没有缺漏文件，直接运行刚刚步骤2修改的demo就可以得到结果，下面是我的运行结果（使用没有调过参数的MOT17的IOU17算法生成，出自“High-Speed Tracking-by-Detection Without Using Image Information”，详见多目标跟踪竞赛结果摘要：Multiple Object Tracking Challenge 2017 Results）：

可以看到这个结果里包含了17个指标参数，参考MOTChallenge提供的主要指标，可以根据以下这张表来选取需要的参数：

如果还没准备好跟踪结果文件，又想试一试多目标跟踪评估代码的，也可以直接使用代码里附带的一组results，就在代码目录下的res文件夹中，根据年份选择。虽然不知道来源何处，但和IOU17的结果也差不多：），如下：

到此为止，根据benchmark对多目标跟踪结果进行评测告一段落~