本文来源:
目标跟踪那些事儿-技术和课程介绍_哔哩哔哩_bilibili
为该视频的学习笔记
目的:我的学习目的主要是了解现有的跟踪算法,并着重了解卡尔曼滤波算法,利用卡尔曼滤波算法进行多目标跟踪等后续一系列估计算法。老师视频中提到的具体实践案例,我不特别关注,笔记中会省略相关内容。
目录
一、目标跟踪简介
常见tracking by detection的主要步骤
二、多目标跟踪数据集
三、多目标跟踪评估指标
指标总览
四个子类:准确度,精确度,完整度、鲁棒度
MOTA
t 表示第t帧;GT 表示标签中物体的总数;FN 表示漏检的物体数量,FP 表示误检的物体数量,IDSW 表示ID switch,即 ID 切换的次数
MOTA的数值有可能为负值,如果误检的数量过多的话,会出现负值
MOTP
Ct表示第t帧匹配的数量,dt,i表示该帧检测的目标和gt的重叠度,也就是IOU,MOTP主要衡量定位的精度,也就是检测器检测的精度,即基于IOU计算检测器的精度
ID 相关的指标
经过匹配算法后,就可以计算 ID 匹配的精度何recall
1、 IDP 即 ID precision,IDR即 ID recall
2、ID 的综合指标 IDF1
是ID precision 和ID recall的调和平均数,具体计算方法如下
跟踪质量相关指标
MT:mostly tracked 目标的声明周期中被成功跟踪的比例 >= 80%
PT:partially tracked:部分跟踪:跟踪比例在 20%~ 60%
ML:mostly lost 大部分丢失:跟踪比例 < 20%
FM: fragmentation 同一个轨迹的分裂数量,可以看作是ID变化的数量
HOTA
高阶跟踪精度
1、背景
当前帧和上一帧的关联为一阶关联,与过去两帧的关联为2阶关联,而HOTA度量所有帧的关联情况,为高阶关联,此外HOTA还能够度量每一个轨迹与所有可能匹配的轨迹之前的匹配关系
2、计算
由三个IOU score组成,即detection,association, localization
Localization 即检测出的框和标注框的iou
Detection: TP/(TP+FN+FP)
association: 即轨迹之间计算的 TPA(TPA+FNA+FPA)
最终的HOTA计算如图所示
最终效果:指标 HOTA 对检测和关联都有度量
四、多目标跟踪-马氏距离
略
五、多目标跟踪-匈牙利匹配算法
略