AB3DMOT 车辆 行人识别

代码库：https://github.com/xinshuoweng/AB3DMOT

搭建环境：
Ubuntu 16.04、Python 3.7.6 in Anaconda、Pytorch 1.2 + CUDA 9.2
预研环境搭建参照PointRCNN环境搭建及运行所述

KITTI object tracking数据集下载

数据集官网：http://www.cvlibs.net/datasets/kitti/eval_tracking.php
按照项目说明进行预研时，只需要下载image_02数据集：
http://www.cvlibs.net/download.php?file=data_tracking_image_2.zip

Xinshuo_PyToolbox准备

该项目需要作者的工具包https://github.com/xinshuoweng/Xinshuo_PyToolbox
需要安装其requirements.txt所述的package，之后将其中所有文件夹直接放入AB3DMOT文件夹内即可

步骤

  1. install dependeny：
$ cd path/to/AB3DMOT
$ pip install -r requirements.txt

  2. Inference - run our tracker on the KITTI MOT validation set with the provided detection:
$ python main.py pointrcnn_Car_val
$ python main.py pointrcnn_Pedestrian_val
$ python main.py pointrcnn_Cyclist_val
选择一条即可，例如pedestrian

  3. 将image_2数据包内的文件解压至data/KITTI/resources

  4. 修改visualization.py内的变量seq_list为想要可视化的sample number，例如：
seq_list = ['0000', '0001', '0002', '0003', '0004', '0005', '0006', '0007', '0008'] 

  5. 执行python visualization.py pointrcnn_Pedestrian_val （对应步骤2的pointrcnn_Pedestrian_val）

  6. 在results/pointrcnn_Pedestrian_val/trk_image_vis查看结果

效果评价

• 容易将长方体/柱状物识别成车辆/行人，识别车辆时尤为明显，但这种误判一般发生在道路区域外，-且持续帧数很少；
• 可能将骑自行车的人判别为一般行人；
• 没有明显漏判情况，但在发生遮挡时追踪很可能被打断致使追踪对象id不稳定；