VOT测试自己的数据集

0. 导入环境：

   # 导入docker镜像 vot_toolkit.tar 路径在/nas_dataset/docker_images/vot_toolkit.tar
   docker load --input vot_toolkit.tar
   # 根据docker镜像建立容器
    sudo docker run --gpus all --shm-size=60g -it -v /你的本地项目路径:/test  -w /test vot_toolkit
   

1. 生成配置文件
   在该目录下生成三个文件

   1. trackers.ini:

      [TRACKALL]  # <tracker-name>
      label = TRACKALL
      protocol = traxpython
      
      command = tracker_vot
      
      # Specify a path to trax python wrapper if it is not visible (separate by ; if using multiple paths)
      paths = /test
      
      # Additional environment paths
      env_PATH = <additional-env-paths>;${
             PATH}
      

      tracker-name（中括号那个），label，根据自己跟踪器情况而定。

      paths：运行文件所在目录

      command：运行跟踪器的启动文件（需要在上面的paths下有command.py这个文件。在上面这个例子就是需要在 文件目录 下面有tracker_vot.py这个文件。

      然后参照官方调试用跟踪器的示例文件，修改自己的跟踪器的启动文件，添加trax等通信代码。

   2. tracker_vot.py:
      模仿官方的tracker的输入输出去写即可

      class NCCTracker(object):
      
          def __init__(self, image, region):
          	"""
          	image： np.array->[h,w,3]
          	region: bbox
          	"""
          	
          	# 帧的初始化在init中完成 
              self.window = max(region.width, region.height) * 2
      		
              left = max(region.x, 0)
              top = max(region.y, 0)
      
              right = min(region.x + region.width, image.shape[1] - 1)
              bottom = min(region.y + region.height, image.shape[0] - 1)
      
              self.template = image[int(top):int(bottom), int(left):int(right)]
              self.position = (region.x + region.width / 2, region.y + region.height / 2)
              self.size = (region.width, region.height)
      
          def track(self, image):
      		
              left = max(round(self.position[0] - float