A Survey of Appearance Models in Visual Object Tracking 阅读笔记（三）

5. BENCHMARK RESOURCES FOR VISUAL OBJECT TRACKING
为了评价不同种跟踪算法的效果，需要同样的测试视频数据集，真值，和需要比较算法的实现。Table VI列举了当前可获得的公开主要资源。

另一个重要的问题是如何定性和定量地评价跟踪算法。通常， 定性评价是基于人们直观的感受的。换句话说，如果计算的目标区域覆盖更多对的含有目标区域和少的没有目标像素，这个跟踪算法被认为取得好的跟踪效果；否则，此跟踪算法表现得就差。为了清楚的说明，根据计算的速度和处理遮挡，光照变化，和变形的能力，Table VII提供了多个有代表性的视觉表示法的定性比较。更多的，根据计算的速度，内存的使用，在线适应性和辨别力，Table VIII提供了多个有代表性的基于统计建模的外观模型的定性比较。

相对来说，定量的评价非常依赖真值注解。如果目标兴趣点由真值框标定好，那么将根据跟踪框与真值框四个角的位置误差来进行定量的评价。替代的，跟踪框（或椭圆框）与真值框间的覆盖率可以用以下定量公式计算：r=(At∩Ag) / (At∪Ag)，其中At是跟踪框（或椭圆），Ag是真值框。而真值框的标注是困难而且耗费时间的。因此，研究学者们在定量评价中采用基于点的标注策略。特别的，为了简便和高效，他们既可以将目标中心位置作为真值，也可以为了精确性（例如dudek脸部序列中使用七个标记点[Ross et al. 2008]）手工标记多个目标区域内的点作为真值。这样，我们可以计算跟踪框和真值框间剩余的位置作为定量的评价。