【OTB使用介绍三（补充）】如何将自己的算法加入到Visual Tracker Benchmark v1.0中，以ECO为例

最新推荐文章于 2024-01-23 15:43:58 发布

原创

最新推荐文章于 2024-01-23 15:43:58 发布 · 7k 阅读

55 ·

CC 4.0 BY-SA版权

文章标签：

#OTB #tracker

这篇博客介绍了如何将效果优秀的ECO跟踪算法整合到OTB的Visual Tracker Benchmark v1.0中，包括下载ECO源码，处理额外库如matconvnet和pdollar，解决特征提取问题，以及配置和运行步骤。适合对跟踪算法和OTB感兴趣的读者。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这里对OTB使用介绍三进行一个补充介绍，以目前效果最好的跟踪算法ECO为例，将ECO加入OTB的比较中。这里仅仅是一个简单的自己的理解，ECO具体调用还没有深入了解。有问题可以指正，欢迎交流。

首先当然是下载ECO的matlab源代码，作者已经在GitHub上开源。地址：https://github.com/martin-danelljan/ECO

下载的时候可以看看作者写在GitHub上的一些说明。

额外库的下载（貌似最新ECO源码的已经包含了matconvnet和pdollar两个额外的库，但还是没有network）

下载完成后，将ECO解压到OTB的tracker文件夹和其他跟踪算法放一起。（参照OTB使用介绍三）
下图是作者提供下载的两个额外的库

ECO

在修改源码之前
如果你没有额外库的话。需要下载matconvnet和pdollar两个额外的库。用git的话，直接使用指令

git submodule init
git submodule update

作者的意思是建议用git下载，如果自己去网站下载可能会下载到不一致的版本。下载完成这两个后
还需要下载一个东西，连接：http://www.vlfeat.org/matconvnet/models/imagenet-vgg-m-2048.mat
貌似是特征提取阶段使用这个网络来提取特征。

这三个文件下载好了之后。如图解压放置
ECO额外库
matconvnet和pdollar_toolbox分别放在external_libs文件夹下
imagenet-vgg-m-2048.mat这个就放在feature_extraction的networks文件夹下

这样，需要的额外库文件都准备完毕了。

说明ECO_HC是手工特征，即经典的HOG CN GRAY等等
ECO_DEEP就是深度学习获得的特征
这里以ECO_HC为例。

注意：看了一下ECO的源码，不知道是什么问题。在特征提取的文件夹（feature_extraction）中没有fhog.m。会出现提取hog特征出错

这里给出下载链接：https://pan.baidu.com/s/1q862dn1llgkzP6uBF1zkhg
如果失效就用这个吧：https://download.youkuaiyun.com/download/devil_08/10388821
下载后，解压缩到feature_extraction文件夹下

额外库准备结束，开始正式工作

第一步

对额外的库进行编译操作。运行如下指令
需要安装了VS。版本最好是最新的。不然可能有版本冲突。

mex -setup C++

运行完毕后再运行install.m这个文件。

第二步

如图

OTBhc

在runfiles的文件夹下，找到OTB_HC_settings.m文件，复制到ECO的文件夹下，并改名为run_ECO.m

runeco

然后就是修改run_ECO.m的代码。

这里贴出我修改后的

function results = run_ECO(seq, res_path, bSaveImage)

setup_paths();

% Feature specific parameters
hog_params.cell_size = 6;
hog_params.compressed_dim = 10;

cn_params.tablename = 'CNnorm';
cn_params.useForGray = false;
cn_params.cell_size = 4;
cn_params.compressed_dim = 3;

ic_params.tablename = 'intensityChannelNorm6';
ic_params.useForColor = false;
ic_params.cell_size = 4;
ic_params.compressed_dim = 3</