目标跟踪OTB数据集使用过程中遇到的坑

记录一下使用OTB过程遇到的一些问题。

刚刚拿到这个toolkit，一开始以为可以直接跑了，发现其实最好的是把你的tracker弄成一个exe放到它的trackers文件夹底下，然后跑main_running 就可以了，但是一般现在都用Python写了，如何打包，如何搞到Matlab中确实太麻烦。所以我就开始了我的探索，说实话可能对很多人来讲我遇到的问题很弱智，但是我就是不会啊！！哭/(ㄒoㄒ)/~~。

把自己的结果存下来

我能想到的解决方法就是把自己的结果存成OTB里面要用的.mat形式，Python的scipy库就能做这个事，把文件输出成.mat的。这一步是不是看着很简单，只要：

import scipy as scio
scio.savemat(result_path_mat, Mat)  #Mat就是要输出的结果

这个时候问题就来了，不知道matlab里面的数据结构是啥样的，所以我就把里面已有的OPE文件中的.mat输出了一下：

[array([[(array([[ 70,  51, 107,  87],
       [ 70,  51, 107,  87],
       [ 69,  52, 108,  87],
       [ 69,  50, 107,  87],
       [ 67,  50, 109,  88],
       [ 66,  49, 109,  88],
       [ 65,  49, 110,  89],
       [ 63,  49, 111,  90],
       [ 62,  49, 112,  91],
       [ 61,  49, 112,  91],
       [ 61,  49, 112,  91],
       [ 61,  48, 113,  91],
       [ 61,  48, 113,  91],
       [ 61,  48, 113,  91],
       [ 61,  48, 113,  91],
       [ 61,  48, 113,  91],
       [ 60,  48, 113,  91],
       [ 60,  48, 113,  91],
       [ 60,  48, 113,  91],
       [ 60,  48, 113,  91]], dtype=uint8), array(['rect'], dtype='<U4'), array([[7.62746]]), array([[20]], dtype=uint8), array([[1]], dtype=uint8), array([[1]], dtype=uint8))]],
      dtype=[('res', 'O'), ('type', 'O'), ('fps', 'O'), ('len', 'O'), ('annoBegin', 'O'), ('startFrame', 'O')])]

是不是很强，其实就是一个五维的numpy数组？？？因为操作实在太骚了，观察到matlab其实需要的就是一个封装后的cell，一个cell中又有六个属性：

所以最终的解决方法，是先把你的数据搞成一个字典,，然后再把这个字典赋给一个numpy数组就可以了：

Mat = {'res': list(regions), 'type': 'rect', 'fps': f/toc, 'len': len(regions), 'annoBegin': 1, 'startFrame': 1}
M = np.array([Mat])   

一定不能漏掉Mat外面那个中括号，不然就会功亏一篑，那个中括号就能把Mat直接封装成一个1*1的array，然后在Matlab里面就会被读成cell了
（害的我搞了一下午的numpy结构体，感觉自己真的太菜了）
这样基本就OK了，只要把你的结果放好，然后配置啥的都没问题的话，用perfPlot.m函数就可以画出来啦～我还没测完，所以估计后续还会更新

画出来的OPE两个曲线与原始论文不一样

在perfPlot里面需要自己修改参数：

% metricTypeSet = {'error', 'overlap'};   %error->threshold  , overlap->AUC
metricTypeSet = {'error'};  
evalTypeSet = { 'OPE'};

% rankingType = 'AUC';%AUC, threshold
rankingType = 'threshold';

其实就是error要对应threshold，然后overlap要对应AUC。
（我跑出来的DAT的结果还没有MDNe好，怕是还是哪里配错了？）

附

SiamFC中转mat的一小段代码：

for video in all_videos:
    p.video = video
    print("Processing %s ... " % p.video)
    bbox_result, fps = run_tracker(p)
    # saving tracking results as mat
    if p.bbox_output:
         Mat = {'res': list(bbox_result), 'type': 'rect', 'fps': fps, 'len': len(bbox_result), 'annoBegin': 1, 'startFrame': 1}
         M = np.array([Mat])
         Mat2 = {'__header__': 'b', '__version__': 1.0, '__globals__': [], 'results': M}
         scio.savemat(p.bbox_output_path_mat+p.video + '_SiamFC.mat', Mat2)

txt转mat文件代码见github https://github.com/gagajian/txt_to_mat-OTB-