precision plot图

类似如下图：

其含义为：跟踪算法估计的目标位置（bounding box）的中心点与人工标注（ground-truth）的目标的中心点，这两者的距离小于给定阈值的视频帧的百分比。不同的阈值，得到的百分比不一样，因此可以获得一条曲线。

该评估方法的缺点：无法反映目标物体大小与尺度的变化。

简单来说：横坐标代表阈值，阈值范围是1到50，纵坐标代表跟踪算法估计的目标位置（bounding box）的中心点与人工标注（ground-truth）的目标的中心点的距离小于给定阈值的视频帧的百分比。（比如：横坐标阈值为10，对应纵坐标百分比为0.6，就代表当前跟踪视频序列有60%的视频帧是满足bounding box的中心与ground-truth的中心的距离是小于10个像素）

其matlab代码为：

function [precisions, distances, averageLocationError] = precision_plot(positions, ground_truth,colortype,show)
%PRECISION_PLOT
%   Calculates precision for a series of distance thresholds (percentage of
%   frames where the distance to the ground truth is within the threshold).
%   The results are shown in a new figure if SHOW is true.
%
%   Accepts positions and ground truth as Nx2 matrices (for N frames), and
%   a title string.
%  modified: 5/31/2016--------------------------
% positions, and ground_truth is the coordinates of center points
% ---------------------------------------------
%
%   Joao F. Henriques, 2014
%   http://www.isr.uc.pt/~henriques/max_threshold = 50;  %used for graphs in the paperprecisions = zeros(max_threshold, 1);if size(positions,1) ~= size(ground_truth,1),
%       fprintf('%12s - Number of ground truth frames does not match number of tracked frames.\n', title)%just ignore any extra frames, in either results or ground truthn = min(size(positions,1), size(ground_truth,1));positions(n+1:end,:) = [];ground_truth(n+1:end,:) = [];end%calculate distances to ground truth over all framesdistances = sqrt((positions(:,1) - ground_truth(:,1)).^2 + ...(positions(:,2) - ground_truth(:,2)).^2);distances(isnan(distances)) = [];%compute precisionsfor p = 1:max_threshold,precisions(p) = nnz(distances <= p) / numel(distances);endaverageLocationError = sum(distances)/numel(distances);%plot the precisionsif show == 1,
%       figure('Number','off', 'Name',['Precisions - ' title])plot(precisions, colortype, 'LineWidth',1.2)xlabel('Local error threshold'), ylabel('Precision')endend

clear all;
gt = importdata('groundtruth.txt');%ground truth file
A = importdata('boundingbox.txt'); %output file
gt(:,3:4) = gt(:,3:4)+0.001;[precisions1, distances1, averageLocationError1]=precision_plot(A,gt,'k',1);hold on;legend('tracker','Location','NorthEast');

注意：以上代码只是算一个视频序列的结果，那要怎么求出跟踪算法对于一整个数据集（如OTB 、VOT）的precision plot呢？一般来说直接跑benchmark就可以直接出来了但是我就想手算我就不嫌麻烦行不行？行！！！

运行完上面第二段代码，matlab右边工作台会出现一个：

双击点开：

就是50个点

再对视频集中所有的视频序列都跑一遍跟踪算法，比如跑OTB50（OTB50一个50个视频序列）是不是就得到了 50列这样的数据，全部拿到Excel中，每行求平均，再对求出的平均一画折线图，OK 完成。

success plot图

类似如下图：

其含义是：首先定义重合率得分（overlap score，OS），追踪算法得到的bounding box（记为a），与ground-truth给的box（记为b），重合率定义为：OS = |a∩b|/|a∪b|，|·|表示区域的像素数目。当某一帧的OS大于设定的阈值时，则该帧被视为成功的（Success），总的成功的帧占所有帧的百分比即为成功率（Success rate）。OS的取值范围为0~1，因此可以绘制出一条曲线。一般阈值设定为0.5。

简单来说：假设一个视频序列一共有1000帧，当横坐标为0.2时，对应的纵坐标为0.7：代表的意思就是：有70%的帧（即700帧）的OS大于0.2

matlab代码为：

function [ success_rate, OverlapRatio ] = success_plot( positions, ground_truth, colortype,show )% positions and ground_truth format: [x,y,w,h] of the top-left point of the% bounding boxRatio = bboxOverlapRatio(positions, ground_truth);OverlapRatio = diag(Ratio);threshold = [0.02:0.02:1];N = size(threshold,2);success_rate = zeros(N,1);for i = 1:Nsuccess_rate(i) = nnz(OverlapRatio >= threshold(i)) / numel(OverlapRatio);endif show==1plot(success_rate,threshold, colortype, 'LineWidth',1.2)xlabel('Overlap threshold'), ylabel('Success rate')end
end

clear all;
gt = importdata('bird1.txt');%ground truth file
A = importdata('bird1_bboxes.txt'); %output file
gt(:,3:4) = gt(:,3:4)+0.001;success_plot(A,gt,'r',1);hold on;
legend('ours','Location','NorthEast');

注意：以上代码只是算一个视频序列的结果，算全部序列方法和precision plot一致

目标跟踪中 precision plot图与 success Plot图的具体含义及代码实现相关推荐

（转）深度学习在目标跟踪中的应用
深度学习在目标跟踪中的应用原创 2016-09-05 徐霞清深度学习大讲堂点击上方"深度学习大讲堂"可订阅哦!深度学习大讲堂是高质量原创内容的平台,邀请学术界.工业界一线专家 ...
[转]深度学习在目标跟踪中的应用
原文链接:https://zhuanlan.zhihu.com/p/22334661 开始本文之前,我们首先看上方给出的3张图片,它们分别是同一个视频的第1,40,80帧.在第1帧给出一个跑步者的边框 ...
一文详解目标跟踪中的相关滤波
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达本文来源:AI干货知识库 / 导读 / 目标跟踪是计算机视觉领域的一个重要问题,目前广泛应用在体育赛事 ...
（FFT）快速傅里叶变换在目标跟踪中的运用
随着科学技术的不断发展,许多用于加快计算速度的算法应运而生,快速傅里叶变换就是其中之一,快速傅里叶变换是傅里叶变换的一种快速计算方式.傅里叶变换在科学研究中运用非常广泛,刚开始出现时,主要用于信号分析 ...
交互式多模型-粒子滤波IMM-PF—在机动目标跟踪中的应用/matlab实现
交互式多模型-粒子滤波IMM-PF-在机动目标跟踪中的应用/matlab实现原创不易,路过的各位大佬请点个赞 WX: ZB823618313 交互式多模型-粒子滤波IMM-PF-在机动目标跟踪中的应 ...
交互式多模型-扩展卡尔曼滤波IMM-EKF——机动目标跟踪中的应用
交互式多模型-扩展卡尔曼滤波IMM-EKF--机动目标跟踪中的应用原创不易,路过的各位大佬请点个赞针对机动目标跟踪的探讨.技术支持欢迎联系,也可以站内私信 WX: ZB823618313 机动目标 ...
智慧交通day04-特定目标车辆追踪03：siamese在目标跟踪中的应用-汇总
总结: Siamese网络衡量两个输入的相似程度,输出是一个[0,1]的浮点数,表示二者的相似程度.孪生神经网络有两个输入(Input1 and Input2),将两个输入feed进入两个神经网络(N ...
无迹卡尔曼滤波UKF—目标跟踪中的应用(算法部分)
无迹卡尔曼滤波UKF-目标跟踪中的应用(算法部分) 原创不易,路过的各位大佬请点个赞机动目标跟踪/非线性滤波/传感器融合/导航等探讨代码联系WX: ZB823618313 仿真部分见博客: [无迹卡 ...
无迹卡尔曼滤波UKF—目标跟踪中的应用(仿真部分)
无迹卡尔曼滤波UKF-目标跟踪中的应用(仿真部分) 原创不易,路过的各位大佬请点个赞机动目标跟踪/非线性滤波/传感器融合/导航等探讨联系WX: ZB823618313 算法部分见博客: [无迹卡尔曼 ...

目标跟踪中 precision plot图与 success Plot图的具体含义及代码实现

文章目录

precision plot图

success plot图

目标跟踪中 precision plot图与 success Plot图的具体含义及代码实现相关推荐

最新文章

热门文章

目标跟踪 中 precision plot图 与 success Plot图 的具体含义及代码实现

文章目录

precision plot图

success plot图

目标跟踪 中 precision plot图 与 success Plot图 的具体含义及代码实现相关推荐

最新文章

热门文章

目标跟踪中 precision plot图与 success Plot图的具体含义及代码实现

目标跟踪中 precision plot图与 success Plot图的具体含义及代码实现相关推荐