[使用说明]利用TrackEval项目评估自建数据集的跟踪效果/计算MOT评价指标

前言：

文章记录利用YOLOv5s_DeepSORT_PyTorch项目在自建数据集（视频）上的进行跟踪实验后，利用TrackEval项目评估跟踪效果，即MOT评价指标的实操过程。不包含MOT计算原理，和跟踪教程。

一、计算MOT指标前提

利用TrackEval项目计算MOT指标前，首先得获得以下几个文件：

1、【gt.txt】文件：被跟踪视频对应的真值文件（使用Darklabel工具制作，具体教程请自行搜索）

2、【"示例".txt】文件：由跟踪程序对视频的跟踪结果文件，即待评估的跟踪结果

二、项目下载

1、github克隆TrackEval项目

项目目录

2、安装依赖环境：Python3.8 + 目录中的requirements.txt

可能会遇到pycocotools库安装失败的情况。我是通过使用conda安装解决，代码如下：

conda install pycocotools -c Esri

3、下载TrackEval项目README.md 页面提供的data.zip 压缩包，并解压到到【TrackEval】文件夹中。

主要作用是依据此压缩包的格式和路径存放自己的数据，否则程序找不到路径。

data.zip 压缩包链接：https://omnomnom.vision.rwth-aachen.de/data/TrackEval/data.zip

data文件夹解压至TrackEval根目录

三、更改data文件夹的结构 

1、新建下述路径，并将【gt.txt】文件存放至路径中：

data/gt/mot_challenge/mydatasets-train/trackvideos/gt/gt.txt

其中 【data/gt/mot_challenge】是已有路径；【mydatasets-train】文件夹是自己建的文件夹（可自定义，但是要以-train后缀结尾）；【trackvideos】是“视频序列名”，可以自定义。

gt.txt 存放位置

 2、在上面【data/gt/mot_challenge/mydatasets-train/trackvideos】文件夹下新建一个【seqinfo.ini】文件，文件内容如下，参数按照实际情况赋值：

[Sequence]
name=trackvideos
imDir=img1
frameRate=30
seqLength=3555
imWidth=1920
imHeight=1080
imExt=.jpg

 各参数的含义和改动逻辑

[Sequence]
name=trackvideos # trackvideos是视频序列名，与上述文件夹命名一直
imDir=img1       # 可以不动
frameRate=30     # 被跟踪视频的帧数，原始视频是30帧就写30
seqLength=3555   # 被跟踪视频一共有多少帧就是多少
imWidth=1920     # 被跟踪视频的分辨率
imHeight=1080
imExt=.jpg

3、在下述路径中新建txt文本，txt文件名需要与自己建的文件夹名一致，我这里是【mydatasets-train.txt】

路径：data/gt/mot_challenge/seqmaps

 新建的【mydatasets-train.txt】文件内容是：

name
trackvideos

其中，第一行固定为name；下面每一行与【mydatasets-train】文件夹中的所有文件夹名保持一致，即所有视频序列名，我这里只有【trackvideos】。

4、新建以下路径，并在该文件夹中存放待评估的跟踪结果【.txt】文件。

data/trackers/mot_challenge/mydatasets-train/a_test/data

其中【mydatasets-train】文件夹和上一步的文件夹名保持一致；【a_test】是实验名称，可自定义；

在路径最后的data文件夹中存放txt文件

四、执行评估程序

使用以下代码格式进行评估：

python scripts/run_mot_challenge.py --BENCHMARK mydatasets --TRACKERS_TO_EVAL a_test --METRICS HOTA CLEAR Identi
ty Count --USE_PARALLEL False --NUM_PARALLEL_CORES 1

其中， 各参数含义如下：

--BENCHMARK ：使用的基准数据集名称，也就是自建的文件夹名（去掉-train），我这里是【mydatasets】

--TRACKERS_TO_EVAL：要评估的跟踪器文件夹名，我这里是【a_test】

--METRICS：要使用的评估指标列表，可以写四个：HOTA CLEAR Identity VACE

--NUM_PARALLEL_CORES ：并行处理使用的核心数

五、得到评估指标

终端会显示评估指标，同时会将相关数据保存到【data/trackers/mot_challenge/mydatasets-train/a_test】路径下。