mat标注文件转COCO格式标注文件（shanghaiTech数据集）

1.数据集介绍

    shanghaiTech数据集是一个用于行人计数的数据集，里面包含了大量的人群图片，它由两部分组成：part_A_final文件夹 和 part_B_final文件夹，它们内部都由 train_data 和 test_data 两部分组成，意思为训练集和测试集，对于train_data 和 test_data 其中包括 images 和 ground_truth，images储存着图片文件、ground_truth里储存着对应的标注文件，一张图片对应一个标注文件。
    shanghaiTech结构如下所示：

    标注文件为mat文件，标注方式为点标注，标注位置为人头中心。

2.mat标注文件转COCO格式标注文件（shanghaiTech数据集）

    参考CSRNet的官方源码(https://github.com/leeyeehoo/CSRNet-pytorch)中的make_dataset.py可以得知，读取mat标注文件并获取其点坐标的代码如下：

mat = io.loadmat(img_path.replace('.jpg','.mat').replace('images','ground_truth').replace('IMG_','GT_IMG_'))
gt = mat["image_info"][0,0][0,0][0] #gt为用列表存储的点坐标对

    知道如何获取mat文件的点坐标后，参考网络上的YOLO格式文件转化为COCO格式文件的脚本就可以写出mat标注文件转COCO格式标注文件的脚本了。
    定义Mat2COCO函数，传入的参数为图片地址、shanghaiTech根目录地址和COCO文件保存地址，然后初始化变量记录标注文件地址、图片地址、图片名、标注点类别名和字典型变量dataset用于记录COCO信息，代码如下：

def Mat2COCO(path_sets,root,save_path):
    assert os.path.exists(path_sets)
    LabelDir = path_sets.replace('images','ground_truth') # 标签位置
    ImageDir = path_sets                                  # 图片位置
    with open(os.path.join(root, 'classes.txt')) as f:
        classes = f.read().strip().split()                      # 类别
    indexes = os.listdir(ImageDir)                       # 图片名
    dataset = {
   
   'categories': [], 'annotations': [], 'images': [],'licenses':[]} #字典型变量用于记录COCO信息

    读取categories（类别）信息并写入dataset变量中，licenses信息一般用不上，这里就进行了简单的置空操作，代码如下：

    for i, cls in enumerate(classes, 0):
        print(i)
        print(cls)
        dataset['categories'].append({
   
   'id': i+1, 'name': cls, 'supercategory': 'person'})

    dataset['licenses'].append({
   
   
        'name': "",
        'id': 0,
        'url': "",
    })

    读取图片信息写入dataset变量的images里，读取标注信息写入dataset变量的annotations里，代码里的注释已经解释的比较清楚了，这里再做几点说明，（1）labelList 里存储的是多个坐标对，格式类似[ [坐标x1，坐标y1] , [坐标x2，坐标y2 ] …]；（2）由于shanghaiTech是点标注且只有person类别的点标注，所以类别id：cls_id置为了固定值，area的值和bbox里的后两个值设置为了0；（3）keypoints记录的就是关键点坐标（x,y）及可见性信息（0不可见，1被遮挡，2完全可见）由于shanghaiTech里并没有提供可见性信息，我这里就将其统一设置为了2。

    ann_id_cnt = 0
    for k, index in enumerate(tqdm(indexes)):
        # jpg 格式的图片。
        matFile = index.replace('.jpg'