MOT多目标跟踪评价指标代码py-motmetrics

最新推荐文章于 2025-03-29 00:41:51 发布

nooobme

最新推荐文章于 2025-03-29 00:41:51 发布

阅读量1.3w

点赞数 33

分类专栏：计算机视觉

本文链接：https://blog.youkuaiyun.com/sleepinghm/article/details/119538354

版权

计算机视觉专栏收录该内容

5 篇文章

订阅专栏

博客先提及多目标跟踪评价指标及MOT数据集格式相关文章，接着介绍MOT格式示例。随后对多目标跟踪评价指标代码进行说明，包括项目地址、简便检测方法、代码流程，还列举了评价指标。最后给出单个和多个输出的例子。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

先看两篇文章：多目标跟踪评价指标介绍1，多目标跟踪评价指标介绍2，MOT数据集格式介绍。
在这里插入图片描述
MOT的格式，例如gt.txt：

1,0,1255,50,71,119,1,1,1
2,0,1254,51,71,119,1,1,1
3,0,1253,52,71,119,1,1,1
...

例如test.txt：

1,1,1240.0,40.0,120.0,96.0,0.999998,-1,-1,-1
2,1,1237.0,43.0,119.0,96.0,0.999998,-1,-1,-1
3,1,1237.0,44.0,117.0,95.0,0.999998,-1,-1,-1
...

代码介绍

项目地址，其中多个test衡量代码可以参考eval_motchallenge.py

以下介绍简便检测方法：

首先pip install motemetrics
代码的大概流程是：使用mm.io.loadtxt()导入gt.txt和test.txt文件，然后使用mm.utils.compare_to_groundtruth()创建一个accumulator，再使用mh.compute()进行计算，最终通过mm.io.render_summary()得到规范化格式的输出。

import motmetrics as mm
import numpy as np 
import os
#评价指标
metrics = list(mm.metrics.motchallenge_metrics)
#导入gt和ts文件
gt_file="/path/to/gt/gt.txt"
ts_file="/path/to/test/0000.txt"
gt=mm.io.loadtxt(gt_file, fmt="mot15-2D", min_confidence=1)
ts=mm.io.loadtxt(ts_file, fmt="mot15-2D")
name=os.path.splitext(os.path.basename(ts_file))[0]
#计算单个acc
acc=mm.utils.compare_to_groundtruth(gt, ts, 'iou', distth=0.5)
mh = mm.metrics.create()
summary = mh.compute(acc, metrics=metrics, name=name)
print(mm.io.render_summary(summary, formatters=mh.formatters,namemap=mm.io.motchallenge_metric_names))

其中评价指标metrics有：

['idf1', 'idp', 'idr', 'recall', 'precision', 'num_unique_objects', 'mostly_tracked', 'partially_tracked', 'mostly_lost', 'num_false_positives', 'num_misses', 'num_switches', 'num_fragmentations', 'mota', 'motp', 'num_transfer', 'num_ascend', 'num_migrate']

创建accumulator：

单个：acc=mm.utils.compare_to_groundtruth(gt, ts, 'iou', distth=0.5)
多个：accs=[]，然后循环ts append到acc里：accs.append(mm.utils.compare_to_groundtruth(gt, ts, 'iou', distth=0.5))

计算accumulator，mh = mm.metrics.create()：

单个：summary = mh.compute(acc, metrics=metrics, name=name)
多个：summary = mh.compute_many(accs, metrics=metrics, name=names)

通过mm.io.render_summary得到对应格式的输出：

转化成短名称namemap=mm.io.motchallenge_metric_names：

{'idf1': 'IDF1', 'idp': 'IDP', 'idr': 'IDR', 'recall': 'Rcll', 'precision': 'Prcn', 'num_unique_objects': 'GT', 'mostly_tracked': 'MT', 'partially_tracked': 'PT', 'mostly_lost': 'ML', 'num_false_positives': 'FP', 'num_misses': 'FN', 'num_switches': 'IDs', 'num_fragmentations': 'FM', 'mota': 'MOTA', 'motp': 'MOTP', 'num_transfer': 'IDt', 'num_ascend': 'IDa', 'num_migrate': 'IDm'}