pytracking中的run_vot2020

Trax：

参考：https://trax.readthedocs.io/en/latest/api_python.html#main-module
跟踪过程的伪代码如下：

# 第一帧数据与初始化
rectangle = 获得第一帧的真值框()
image =  获得第一帧的图片()
rectangle = 用rectangle, image对tracker初始化
记录rectangle
# 跟踪
while True:
    image = 获得下一帧的图片()
    rectangle = 用image对tracker更新
    记录rectangle

使用trax可以简单的实现这一过程：

import trax.server
import trax.region
import trax.image
import time
tracker = Tracker()
with trax.server.Server(trax.region.RECTANGLE, trax.image.PATH) as server:
  while True:
    request = server.wait()
    if request.type in ["quit", "error"]:
      break
    if request.type == "initialize":
      rectangle = tracker.initialize(get_rectangle(request.region),
            load_image(request.image))
    else:
      rectangle = tracker.update(load_image(request.image))
    server.status(get_region(rectangle))

# trax.server.Server 构建server
# server.wait() 获得下一步操作，其中type是操作类型、region是初始化真值、image是图片路径

vot.VOT：给trax包了个壳，把判断request.type 集成进去了

init：选定真值框格式，用trax.Server构建client
region：将配置信息发送给client，接受其返回，返回为区域初始化+第一张图片路径
frame：从client获得frame的图片路径
report：将跟踪结果发送给client（跑帧数次）

vot.make_full_size：给np.pad包了个壳

对输入图像填充到指定大小

run_vot2020：

handle = vot.VOT("mask")  
# 第一帧数据与初始化
vot_anno = handle.region()
image_path = handle.frame()
image = self._read_image(image_path)
vot_anno_mask = vot.make_full_size(vot_anno, (image.shape[1], image.shape[0]))
bbox = masks_to_bboxes(torch.from_numpy(vot_anno_mask), fmt='t').squeeze().tolist()
out = tracker.initialize(image, {'init_mask': vot_anno_mask, 'init_bbox': bbox})
# 跟踪
while True:
    image_path = handle.frame()
    image = self._read_image(image_path)
    pred = out['segmentation'].astype(np.uint8)
    handle.report(pred, 1.0)
    再可视化