pysot之测试代码分析，一看就会，对比代码阅读更佳哦

1.官方给出的测试方法

2.代码阅读

1. 需要加载的内容（以测试Siam RPN为例）：

   1. 网络结构：将Siam RPN的网络结构加载进去 --config
   2. 网络权重：将Siam RPN的网络权重加载进去 --snapshot
   3. 测试数据集：将想要测试的数据集加载进去 --dataset

2. torch.set_num_threads(int):设定用于并行化CPU操作的Open MP线程数

3. 加载网络配置和数据集路径

   1. 加载数据集路径

      1. import os
         print(os.path.realpath(__file__))  #显示绝对路径
         print(os.path.dirname(os.path.realpath(__file__))) #只显示文件夹名称
         
         /home/hello/pysot/shiyan.py
         /home/hello/pysot
         

      2. os.path.join：将几个路径拼接在一起

4. 创建模型；加载权重；创建跟踪器；（默认前人已经做好的工作）

5. 创建项目所需的数据集

   1. VOTDataset(**kwargs)：创建VOT数据集
      1. 读取VOT2018.json文件数据
      2. 生成VOT Video：将json文件的内容复制到该函数下，即将VOT2018.json转换为VOT Video

6. 读取数据集

   1. 读取第一个序列信息
   2. 利用迭代规则,对第一序列信息进行迭代：获得第一帧图片和其真实轨迹（8个数据：左上、左下，右下、右上）

       def __iter__(self):
           for i in range(len(self.img_names)):
               if self.imgs is not None:
                   yield self.imgs[i], self.gt_traj[i]
               else:
                   yield cv2.imread(self.img_names[i]), self.gt_traj[i]
   

   3. 获得的真实轨迹并不是矩形，而一般是平行四边形，所以需要转换为矩形的形式。（重点！！！！）

      1. 中心点获取：所有的x坐标相加取平均获得中心点cx，所有的y坐标相加取平均获得中心点cy

      2. w、h获取：

      

      1. 计算出平行四边形的面积$S_{四边形}$（两个相邻边的乘积）和矩形的面积$S_{矩形}$

      2. 计算出前后的面积变化，对矩形的长宽进行限制

         1. $$s=\sqrt{\frac{s_{四边形}}{s_{矩形}}}$$

         2. $$\begin{gathered} w=s\ast (x_2-x_1)+1 \\ h=s\ast (y_2-y_1)+1 \end{gathered}$$

      3. 左上角坐标获取：
         $$\begin{gathered} x_1=cx-(w-1)/2 \\ {y}_1=cy-(h-1)/2 \end{gathered}$$

   4. 跟踪器初始化：tracker.init(img,gt_bbox)

   5. 执行跟踪，记录跟踪结果

      1. 将图片输入跟踪器得到预测框pred_bbox

      2. 计算预测框与真实框的重叠分数overlap

         1. 如果重叠分数overlap>0，则认为跟踪没有丢失；并将预测框pred_bbox记录在列表pred_bboxes中

         2. 如果重叠分数overlap=0，则跟踪丢失；这时跳过5帧图片，再重新跟踪器初始化（真实框已知），再跟踪；列表pred_bboxes的形式为：2,0,0,0,0,1

         3. 可以发现列表pred_bboxes中存储的内容的形式为：

            [1,pred_bbox1,pred_bbox2,2,0,0,0,0,1,pred_bbox3]   #第四帧丢失目标，第九帧重新初始																	  化跟踪器
            

      6.保存跟踪结果(以ants1为例)

      3. 保存路径为：results/VOT2018/model/baseline/ants1/ants1_001.txt；并将预测结果写入。
      4. 输出：（1） video:ants1 Time:? s speed:? fps Lost:?

7. 输出该数据集总共跟丢的帧数：model total lost: ?