转载：图像跟踪中像素误差、重叠率、AUC的计算：Matlab实现

        视频图像跟踪算法的评估常常需要计算重叠率（Overlap Rate）、像素误差（Pixel Error）还有AUC（Area Under Curve）。这些技术指标都比较好理解，如果不理解的话可以参见我之前的博客。这篇博客主要就是贴上Matlab的代码，使用Matlab计算这些参数，并绘制出曲线图。

        如果你是想放在Paper中的话，可以下载Visual Track BenchMark中提供的代码，可以画出和Paper上一样的样式，这篇博客只是博主对单个视频自己写的小demo，便于自己分析实验的，如果要在Paper使用还需要做样式的修改。

        关于各个指标，之前博客已经介绍过了，这里就简单讲一下

• 一、重叠率
• 二、像素误差
• 三、AUC
• 四、Matlab计算

一、重叠率

        重叠率 = 重叠区域面积/(预测矩形的面积+真实矩形的面积-重叠区域的面积)

二、像素误差

        像素误差 = 真实中心和预测中心的欧式距离

三、AUC

        成功率图的曲线下面积

四、Matlab计算

        变量说明：

        数据文件为Object Tracker BenchMark中的数据格式存放在./results_TRE_CVPR13/文件夹中，图像序列（只用到了groundtruth.txt的真实值）存储在F:\Data\sequence\，这个两个量都可以在代码中修改。

        video_set: 图像数据集名称

        method_set: 方法名称

        line_style: 要和method_set的大小相等，每种线条样式method相对应

close all;
clear all;
 
video_set = {
     'Shaking'};
%video_set = {
     'BlurCar2','Car2','Car4','Car24','Doll','Human6','RedTeam','Singer1','Walking','Walking2'};
 
method_set = {
     'FMT', 'kcf_hog8'};
line_style = {
     '--r', '--g'};
 
base_path = 'F:\Data\sequence\';
results_path = './results_TRE_CVPR13/';
precision{numel(video_set), numel(method_set)} = 0;
 
auc_table{numel(video_set)+1, numel(method_set)+1} = 0;
auc_table{
      1,1}=0;
 
for i = 1:numel(video_set)
    auc_table{i+1,1}=video_set{i};
    % read groundtruth
    varlist = {
     'gt','gt_center','gt_rect