Visual Tracker Benchmark 教程

在visual tracking中，visual tracker benchmark 是为了给不同的算法提供一个基准。这个基准从2013年提出，应该是目前最火的benchmark了。
原始论文链接：
Online Object Tracking: A Benchmark （CVPR 2013）
http://faculty.ucmerced.edu/mhyang/papers/cvpr13_benchmark.pdf

后来2015年扩充到100库再版发表到TPAMI。
Object Tracking Benchmark。

http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7001050

官方链接：

http://cvlab.hanyang.ac.kr/tracker_benchmark/

新版的OTB补充了50个video，加上过去的50个组成了100个video。

我使用的是Benchmark V1.0来显示tracking的结果，在下载完代码之后，里面已经存在了关于各种tracker在不同数据集上的结果了。

如果要验证自己的算法在这个数据集上的效果，其实特别简单：

直接的方法：

首先将代码先拷到OTB_ROOT_PATH/tackers/这个文件夹下，你会发现里面已有好几个算法的代码文件夹了。

第二步是：到OTB_ROOT_PATH/util/configTrackers.m这个函数中，在trackers1这个结构体中添加上你的代码的名字，比如：struct('name','KCFDP','namePaper','KCFDP'),...。

第三步是：运行main_running.m函数。

具体的例子可以参考：https://github.com/masa-nudt/KCFDP

这个作者介绍如何用OTB跑作者自己的算法

间接的方法：

比较笨的方法就是：当我需要验证自己的结果的时候，我只需要将自己算法的结果保存成作者放在results文件夹中的mat数据的样子。

下面具体讲讲：

打开文件夹会发现很多子文件夹和四个主要的函数;依次是drawResultBB.m, genPerfMat.m , main_running.m 和perfPlot.m 函数。

对于mainrunning函数是主函数，这个函数的作用是能够将视频分割成20段，以验证TRE。同时，能够对第一帧的ground_truth进行一定的变换（一共12种），从而验证SRE。最后可以在这个里面将自己的代码加进去，从而能够按照特定的形式保存好tracking的results，简而言之就是能够实现所有的效果。

而想画各种tracker算法在图像上的效果（bounding boxes），可以调用drawResultBB.m函数，就可以实现：drawing bounding boxes (BBs) of different trackers on each frame   
如果想画各种精度曲线的话，就可以调用perfPlot函数，这个函数调用genPerMat函数得到需要的精度数据以及错误率(DP,OP)，然后放到perfMat\overall\文件中，画出来的图保存在figs\overall\文件夹下。
同时作者画出了29个tracker方法中10个方法的结果，采用的是rankNum=10这个参数来设置的，从中选取前10个结果最好的。rankingtype采用的是AUC的方法。
另外需要注意的参数是evalTypeSet = {'OPE'};%{'SRE', 'TRE', 'OPE'};
还是和drawResultBB一样，genPerfMat在生成数据的时候访问的是results/文件夹，所以我们需要将结果保存成标准的格式并且放到对应的文件夹中。

然后讲各个文件夹的作用：anno文件夹放的是51个测试视频的ground_truth。figs用来存放上面说的drawResultBB.m画出来的图片。initOmit是每一个视频不能够用来初始化的帧，这些帧一般都是target比较模糊。perfMat用来存放genPerMat的结果。results存放的是作者已经跑好的不同数据集上不同算法的结果。rstEval存放的是一些评价函数。tmp存放临时变量，trackers存放这个各种tracking算法的源码或者exe文件。util中的函数最有用，也是最可能需要修改的。比如configSeqs.m和configTrackers.m函数。

OK！！

对于util文件夹我们需要衡量那些个数据集就去函数configSeqs中取修改参数,如果要比较那些算法就去config