目标跟踪评估绘图（1）：Windows10环境将pycharm跑出来的OTB100数据集的.txt结果文件，转换成.mat文件

本文的视频讲解目标跟踪_OTB数据集和VOT数据集评估图的绘制

一、准备工作

在GitHub上面下载下载一个SiamFC的代码，自己配置好深度学习环境，然后运行获得测试结果。

准备好pycharm跑出来的.txt结果文件

二、利用Python代码进行转换

转换代码如下：

import os
import scipy.io as scio
import numpy as np

# 1 首先，将jogging.1.txt,jogging.2.txt,Skating2.1.txt,Skating2.2.txt修改成
#         jogging-1.txt,jogging-2.txt,Skating2-1.txt,Skating2-2.txt
# 2 打开tiger1.txt文件，并删除前5行行数据，只留下349行数据

file = 'D:\\000MyFiles\Tracking\\txt_to_mat-OTB--master\\ThisWork'  #3 修改.txt文件的地址
savefile = 'D:\\000MyFiles\Tracking\\txt_to_mat-OTB--master\\ThisWorkmat\\'  # 4 修改.mat文件的存放地址

if not os.path.exists(savefile):
    os.mkdir(savefile)

pathlist = os.listdir(file)
# print(pathlist)

for i in range(len(pathlist)):
    path = os.path.join(file, pathlist[i])
    for j in range(len(pathlist[i])):
        if pathlist[i][j] == '.':
            save = pathlist[i][:j]
            print(save)
            break
    savepath = savefile + save + '_ThisWork.mat'  ##5 修改 .mat文件转换后的算法名

    f = open(path)
    data = f.readlines()
    result = []
    for j in range(len(data)):
        x = data[j].split(',')
        x[3] = float(x[3][:-1])
        x[0] = float(x[0])
        x[1] = float(x[1])
        x[2] = float(x[2])
        result.append(x)

    res = {}
    res['res'] = result
    res['type'] = 'rect'
    Mat = {'res': res['res'], 'type': 'rect', 'len': len(res['res']), 'annoBegin': 1, 'startFrame': 1}
    M = np.array([Mat])
    Mat2 = {'__header__': 'b', '__version__': 1.0, '__globals__': [], 'results': M}
    scio.savemat(savepath, Mat2)
    # print(data)

三、转换结果

转换后的结果如图所示：

四、.mat文件转换为.txt格式

参考博文目标跟踪——OTB平台的Python版tracker使用
这个用得比较少，有时候需要的话，也可以用上。
将.mat文件转换成.txt文件，代码如下：

import scipy.io as scio
import pandas as pd
import numpy as np
import os
import h5py
import hdf5storage

# ------------------------------
# 1. .mat文件转换成.txt文件
# ------------------------------
# 注意：下面的代码根据不同类型的.mat有所不同  可输出.mat中的keys查看
path_matfile = "E:\\0_OTB_benchmark\\SiamRPN\\SiamRPN_OTB100"
outpath = "E:\\0_OTB_benchmark\\SiamRPN\\SiamRPN_OTB100_txt"
all_matfile_list = os.listdir(path_matfile)

each_matfile_path = [os.path.join(path_matfile, matfile) for matfile in all_matfile_list]
videos_name_txt = [video_name.replace('_SIAMRPN', '').replace('.mat', '').capitalize() + '.txt' for video_name in all_matfile_list]

for i, matfile_path in enumerate(each_matfile_path):
    # data = scio.loadmat(matfile_path)  # 有些类型的mat文件不能读取
    data = hdf5storage.loadmat(matfile_path)  # 兼容mat文件类型较多
    # 下面两行有些.mat不同
    track_result = data['results']  # 有些tracker的键值为'result'
    track_result = track_result[0][0][0][0][0]  # 有些为track_result[0][0][0][1]
    print(videos_name_txt[i])
    np.savetxt(os.path.join(outpath, videos_name_txt[i]), track_result, delimiter=',', fmt='%d')

# -----------------------
# 2. 文件重命名
# -----------------------
# 有些trackers在OTB100或OTB50中生成的是小写字母开头的跟踪结果，需要把首字母转化成大写字母，以匹配otb100.json或otb50.json（因为我下载的.json文件视频的首字母都是大写的）
# 代码依实际情况变化
src_path = "E:\\0_OTB_benchmark\\Pysot\\pysot-toolkit\\result\\Results_OTB100\\DaSiamRPN"
dst_path = "E:\\0_OTB_benchmark\\Pysot\\pysot-toolkit\\result\\Results_OTB100\\DaSiamRPN_upper"
all_filename = os.listdir(src_path)

all_filename_path_old = [os.path.join(src_path, filename) for filename in all_filename if '.txt' in filename]
all_filename_path_new = [os.path.join(dst_path, filename.capitalize()) for filename in all_filename]  # .capitalize()将字符串首字母变为大写

for (old_file, new_file) in zip(all_filename_path_old, all_filename_path_new):
    os.renames(old_file, new_file)  # 好像把原来的文件夹覆盖掉了，先拷贝一份，以防万一

# 从OTB100中转移OTB50数据
src_otb100_path = "E:\\0_OTB_benchmark\\Pysot\\pysot-toolkit\\result\\Results_OTB100"
dst_otb50_path = "E:\\0_OTB_benchmark\\Pysot\\pysot-toolkit\\result\\Results_OTB50"

template_tracker = os.path.join(dst_otb50_path, 'Initial_Method')
template_videos = os.listdir(template_tracker)

all_trackername = os.listdir(src_otb100_path)
src_trackers = [os.path.join(src_otb100_path, src_tracker) for src_tracker in all_trackername]

for tracker_file in all_trackername:
    if tracker_file not in os.listdir(dst_otb50_path):
        os.mkdir(os.path.join(dst_otb50_path, tracker_file))

print(template_videos)
print(all_trackername)

for i, tracker in enumerate(src_trackers):
    each_tracker_videos = os.listdir(tracker)
    for video in template_videos:
        shutil.copyfile(os.path.join(tracker, video), os.path.join(dst_otb50_path, all_trackername[i], video))