多目标跟踪学习

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

本文来源：

一、目标跟踪简介

二、多目标跟踪数据集

三、多目标跟踪评估指标 

指标总览

MOTA

MOTP

ID 相关的指标

跟踪质量相关指标

HOTA

四、多目标跟踪-马氏距离

五、多目标跟踪-匈牙利匹配算法

六、多目标跟踪-卡尔曼滤波器

---

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

六、多目标跟踪-卡尔曼滤波器