【OTB使用介绍三】如何将自己的算法加入到Visual Tracker Benchmark v1.0中，以KCF为例

在【OTB使用介绍二】中，简单的讲解了OTB的三个m文件，这次主要讲解如何将自己算法加入到OTB中

原OTB并没有包含KCF，所以这里以KCF为例子，介绍如何将自己的算法加入到OTB中，
KCF的源码可以去http://www.robots.ox.ac.uk/~joao/circulant/下载

点击matlab code 即可下载matlab版本的KCF。

下载完毕后，解压缩文件，并把KCF的matlab源码放到benchmark的文件夹trackers中。如图

然后打开util文件夹中的configTrackers.m，并将KCF跟踪算法添加到trackers1这个结构体中。添加的形式如下：

trackers1={ 
    struct('name','SRDCF','namePaper','SRDCF'),...
    struct('name','KCF','namePaper','KCF'),...
    struct('name','DSST','namePaper','DSST'),...
    struct('name','Struck','namePaper','Struck')};

说明一下configTrackers.m文件中放的是所有的跟踪算法。算法对比的添加删除都是在此完成。

最后也是最重要的一步

就是需要写一个将KCF的输入输出对接到benchmark中的脚本run_tracker.m文件，打开trackers文件夹中的其他算法时会发现每个算法中都会有 run_(这里是算法名字).m 文件，例如CT中的 run_CT.m

参照其它算法 例如：run_CT.m对比Runtracker.m文件 在第一行的输入和最后几行的输出进行统一，

function results=run_CT(seq, res_path, bSaveImage)

results.res=res;

results.type='rect';

results.fps=(seq.len-1)/duration;

disp(['fps: ' num2str(results.fps)])

PS：其实，写的run_().m接口主要就是特别注意以上信息。其中seq包含的主要是测试序列的各种信息。
res_path 和 bSaveImage主要是保存的图片，即BB框画框图。

再详细点说，就是在KCF的文件夹下新建一个run_KCF.m
然后将run_tracker.m的代码复制过来并修改之。

其实就是重新在算法的文件夹下写一个函数接口（run_XX.m） 并保证这个函数里面要有第一行，第一行保证OTB能找到你的算法

%第一行保证OTB能找到你的算法
function results=run_XX(seq, res_path, bSaveImage)

**

和最后几行 ，最后几行保证你运行得到的结果能被OTB所用

**

    rects = [positions(:,2) - target_sz(2)/2, positions(:,1) - target_sz(1)/2];
    rects(:,3) = target_sz(2);
    rects(:,4) = target_sz(1);
    fps = numel(img_files) / time;
    results.type = 'rect';
    results.res = rects;%each row is a rectangle
    results.fps = fps;
    %**最后的这几行保证能将result返回给OTB**

这里贴出我根据自己的需要精简删除修改后的run_KCF.m。
(PS:这里的[positions , time] = tracker（）其实就是调用KCF了，里面的各种参数可能你用不上，就要进行修改调整)
**

再唠叨几句

**
最应该注意的地方就是原算法中seq 以及第一帧pos的获取的方式，将原算法中这两个参数的获取方式改成由你的function results=run_XX(seq, res_path, bSaveImage)中的seq 提供，而不是由原算法通过别的函数提供。差不多就是这个意思吧

  function results = run_KCF(seq, res_path, bSaveImage)

    kernel.type = 'gaussian'; 

    padding = 1.5;  %extra area surrounding the target
    lambda = 1e-4;  %regularization
    output_sigma_factor = 0.1;  %spatial bandwidth (proportional to target)

    interp_factor = 0.02;
    kernel.sigma = 0.5; 
    kernel.poly_a = 1;
    kernel.poly_b = 9;  
    features.hog = true;
    features.gray = false;
    features.hog_orientations = 9;
    cell_size = 4;  
    show_visualization = 0;
    %%%%%这里我就将seq传给了seq_KCF （其实不用，这个多余了。）
    %%%%%%然后直接通过调用关系，就可以将seq中的值传给（这里的seq是从OTB的main函数中来的） 
    %%%%%target_sz（目标大小）pos（目标位置）img_files（后续frames的地址）
    seq_KCF = seq;
    target_sz = seq_KCF.init_rect(1,[4,3]);
    pos = seq_KCF.init_rect(1,[2,1]) + floor(target_sz/2);
    img_files = seq_KCF.s_frames;
    video_path = [];

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%% 上面的这些参数设置其实为tracker(     );里面的各种参数进行设置服务，
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%这里的[positions , time] = tracker（）其实就是调用KCF了，里面的各种参数可能你用不上，就要进行修改调整。
    [positions , time] = tracker(video_path, img_files, pos, target_sz, ...
            padding, kernel, lambda, output_sigma_factor, interp_factor, ...
            cell_size, features,show_visualization);
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%    
    if bSaveImage
        imwrite(frame2im(getframe(gcf)),[res_path num2str(frame) '.jpg']); 
    end

    %return results to benchmark, in a workspace variable
    %下面这些处理就是为了将上面得到的[positions , time]变成OTB接受的返回值形式
    rects = [positions(:,2) - target_sz(2)/2, positions(:,1) - target_sz(1)/2];
    rects(:,3) = target_sz(2);
    rects(:,4) = target_sz(1);

    fps = numel(img_files) / time;
    results.type = 'rect';
    results.res = rects;%each row is a rectangle
    results.fps = fps;

  end

最后就是运行main_running.m函数。当然少不了类型的设置是TRE还是SRE，运行完main_running.m函数，得到的结果是在文件夹results中的results_SRE_CVPR13和results_TRE_CVPR13。（保存位置取决于你自己设置的位置）

注意如果运行出错的话，

之后在你再运行main_running.m之前，需要把你跑出来的错误结果删除后再调试运行因为不管你运行error还是empty all，都会写一个.mat结果到你的结果文件下。这时候，在结果文件夹中存在KCF的结果，main_running.m将会直接载入那个空的也就是错误的.mat，而不会去调用算法重新跑。

由于以前修改的太多，可能加入的KCF有一些问题，这里教大家如何去调试，找出问题出在哪里。

首先跑一遍mian_running.m,让工作区有subS这个数据就好。如图

这时候就可以打开run_KCF.m了，把第一行和最后一行注释掉。
并修改seq_KCF = subS。
这样就可以用加断点的方式，如在下面这个代码处

    [positions , time] = tracker(video_path, img_files, pos, target_sz, ...
            padding, kernel, lambda, output_sigma_factor, interp_factor, ...
            cell_size, features,show_visualization);

加断点运行判断有什么问题。

下面贴出完整的调试用run_KCF

  %function results = run_KCF(seq, res_path, bSaveImage)

    kernel_type = 'gaussian'; 
    kernel.type = kernel_type;


    padding = 1.5;  %extra area surrounding the target
    lambda = 1e-4;  %regularization
    output_sigma_factor = 0.1;  %spatial bandwidth (proportional to target)

    interp_factor = 0.02;
    kernel.sigma = 0.5; 
    kernel.poly_a = 1;
    kernel.poly_b = 9;  
    features.hog = true;
    features.gray = false;
    features.hog_orientations = 9;
    cell_size = 4;  
    show_visualization = 0;

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%修改这里%%%%%%%%%%%%%%%%%%5
    seq_KCF = subS;
%   seq_KCF = seq;
    target_sz = seq_KCF.init_rect(1,[4,3]);
    pos = seq_KCF.init_rect(1,[2,1]) + floor(target_sz/2);
    img_files = seq_KCF.s_frames;
    video_path = [];

    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    [positions , time] = tracker(video_path, img_files, pos, target_sz, ...
            padding, kernel, lambda, output_sigma_factor, interp_factor, ...
            cell_size, features,show_visualization);
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%    
    if bSaveImage
        imwrite(frame2im(getframe(gcf)),[res_path num2str(frame) '.jpg']); 
    end

    %return results to benchmark, in a workspace variable
    rects = [positions(:,2) - target_sz(2)/2, positions(:,1) - target_sz(1)/2];
    rects(:,3) = target_sz(2);
    rects(:,4) = target_sz(1);

    fps = numel(img_files) / time;
    results.type = 'rect';
    results.res = rects;%each row is a rectangle
    results.fps = fps;

 % end

如图所示，加断点调试时，可以通过步入 步进等操作，定位错误行。