多目标跟踪数据集格式介绍（MOTChallenge）

2D MOT 2015

所有图像都转换为JPEG格式，并按顺序命名为6位文件名（例如000001.jpg）。检测和注释文件是简单的逗号分隔值（CSV）文件。每一行代表一个对象实例，它包含10个值。2D MOT 2015 数据集下包含train和test两个文件夹。

train文件夹

文件夹下包含11个子文件夹，下图为子文件夹名：

每个文件夹下包含一个det.txt(检测文本)、gt.txt(地面真值文本)、图片文件夹。其中det.txt中每行数据包含10个值，示例如下图：

数据格式可解释为：

即第一个值表示目标出现在第几帧；
第二个值表示目标的ID号，在目标信息文件中都为-1；
第三到第六个值为标注bounding box的坐标尺寸值，即bounding box的左上坐标及宽高；
第七个值为目标检测表示的置信度得分（confidence score）；
第八到第十个值表示行人实际坐标中的3D位置，在2D追踪的情况下，这些值将被忽略并设置为-1。

gt.txt中每行数据包含10个值，示例如下图：

这里每行的数值含义与上面的det.txt相同。可解释为：在序列的第一帧中有2名行人，身份标签为1,2。第三名行人太小，因此没有考虑，用标志值（第7个值）表示为0。 第二帧，我们可以看到行人1仍然在场景中。

test文件夹

文件夹下包含11个子文件夹，下图为子文件夹名：

与train文件夹不同的是，test文件夹下不包含gt.txt文件。det.txt中数据格式同上。

参考文献

【1】: MOTChallenge 2015:Towards a Benchmark for Multi-Target Tracking论文及数据集地址.

MOT 2016

与之前版本不同，MOT16的所有视频都经过了严格的注释，遵循了一致的协议。此外，它不仅显著增加了标记框的数量，还提供了行人旁边的多个对象类以及每个感兴趣对象的可见性级别。
所有图像都被转换成JPEG格式，并按顺序命名为一个6位数的文件名（例如000001.jpg）。检测和注释文件是简单的逗号分隔值（CSV）文件。每一行代表一个对象实例，包含9个值。MOT 2016 数据集下包含train和test两个文件夹。

train文件夹

文件夹下包含7个子文件夹，下图为子文件夹名：

每个文件夹下包含一个det.txt(检测文本)、gt.txt(地面真值文本)、图片文件夹。其中det.txt中每行数据包含10个值，文件格式与2D MOT 2015相同，这里不赘述。

gt.txt中每行数据包含9个值，示例如下图：

数据格式可解释为：

即第一个值表示目标出现在第几帧；
第二个值表示目标的ID号，在目标信息文件中都为-1；
第三到第六个值为标注bounding box的坐标尺寸值，即bounding box的左上坐标及宽高；
第七个值为目标检测表示的置信度得分（confidence score）；
第八个值表示跟踪目标的类型；类型如下图所示：

第九个值表示目标运动时被其他目标包含、覆盖、边缘裁剪的情况。

test文件夹

文件夹下包含7个子文件夹，下图为子文件夹名：

与train文件夹不同的是，test文件夹下不包含gt.txt文件。det.txt中数据格式同上。

参考文献

【1】: MOTChallenge 2016:Towards a Benchmark for Multi-Target Tracking论文及数据集地址.