RT-MDNet视频目标跟踪源码运行笔记——Testing模式

1. 论文基本信息

• 论文标题：Real-Time MDNet
• 论文作者：Ilchae Jung（Dept. of CSE, POSTECH, Korea）等人
• 论文出处：ECCV 2018
• 在线阅读：http://openaccess.thecvf.com/content_ECCV_2018/papers/Ilchae_Jung_Real-Time_MDNet_ECCV_2018_paper.pdf
• 源码链接：https://github.com/IlchaeJung/RT-MDNet

---

2. 运行环境介绍

• NVIDIA GTX 1070
• Ubuntu 16.04 x64
• CUDA 8.0.61 for Ubuntu 16.04
• cuDNN 5.1 for CUDA 8.0
• Python 2.7
• PyTorch 0.3.1

---

3. 准备

S1. 准备好CUDA、cuDNN、Python和PyTorch，此处不再赘述，如有需要可以参考以下笔记：

• Ubuntu 16.04 x64安装CUDA 8.0和cuDNN 5.1笔记
• Ubuntu 16.04 x64安装Anaconda和PyTorch 0.2.0笔记（with GPU）

S2. 安装cffi，可以用如下命令进行安装：

pip install cffi

S3. 下载源码并解压，地址：https://github.com/IlchaeJung/RT-MDNet

S4. 下载网络文件rt-mdnet.pth，地址：https://www.dropbox.com/s/lr8uft05zlo21an/rt-mdnet.pth?dl=0 。如果无法访问Dropbox也可以到这里下载：https://download.csdn.net/download/discoverer100/11009050 。

S5. 将上述下载的网络文件存放到源码的models文件夹中（如果没有该文件夹就创建一个），如下图所示：

S6. 在源码目录中创建一个dataset文件夹，用于存放视频数据集。

---

4. 下载OTB100数据集

S1. 在这里下载OTB100训练数据集：http://cvlab.hanyang.ac.kr/tracker_benchmark/datasets.html 一共有100个视频序列（实际的视频是98个，因为有两个视频各自有两个ground-truth），每个视频独立下载。

S2. 选择一个自己感兴趣的视频（e.g, Bolt），把对应的文件夹复制到源码的dataset/OTB目录下（如果没有这样的目录就自己创建），复制后如下图所示：

---

5. 运行

S1. 打开源码目录下的Run.py文件，修改第100行的dateset路径为如下形式（注意： 1) 路径要结合实际情况赋值；2) 末尾要带一个正斜杠）：

dataset_path = '/home/dodge/Dev/Python2/RT-MDNet-master/dataset/'

S2. 在终端中，cd到源码的目录，然后运行如下命令：

python Run.py -visualize

此时算法会跟踪源码中dataset/OTB文件夹中放置的视频，其运行效果如下图所示（绿色矩形框表示ground-truth，红色矩形框表示算法result）：

---

6. 可能出现的问题及解决方法

问题 1： 源码的Run.py文件第36行进行numpy的loadtxt函数调用报错，形如ValueError: invalid literal for float(): 118,69,114,162。
解决： 该错误的原因是：有的视频ground-truth文件中的每一行是用逗号进行分隔的，而函数的默认分隔符为空格所致。解决方法之一是用代码编辑器打开ground-truth文本文件，将里面的逗号批量换成空格即可。

问题 2： 找不到numpy模块，ImportError: No module named numpy。
解决： 在自己的Python 2.7环境中安装numpy库，可以用命令conda install numpy进行安装。

问题 3： 找不到PIL模块，ImportError: No module named PIL。
解决： 在自己的Python 2.7环境中安装Pillow库，可以用命令pip install Pillow进行安装。

问题 4： 找不到matplotlib模块，ImportError: No module named matplotlib.pyplot。
解决： 在自己的Python 2.7环境中安装matplotlib库，可以用命令conda install matplotlib进行安装。

问题 5： 找不到scipy模块，ImportError: No module named 'scipy'。
解决： 在自己的Python 2.7环境中安装scipy库，可以用命令conda install scipy进行安装。

问题 6： 找不到sklearn模块，ImportError: No module named sklearn.linear_model。
解决： 在自己的Python 2.7环境中安装scikit-learn库，可以用命令conda install scikit-learn进行安装。

问题 7： 算法运行时报错直接退出，错误信息如下：

Fontconfig warning: FcPattern object weight does not accept value [50 200)
Segmentation fault (core dumped)

解决： matplotlib不显示画面或者发生error的问题容易出现在虚拟Python环境中。如果遇到了此问题，请首先确认自己的Python 2.7环境是不是设置为agg类型的后端，逐行运行如下代码进行查看：

Python
import matplotlib
matplotlib.get_backend()

若为形如agg类型的后端，则需要将其改为TkAgg类型的后端，方法如下：

S1. 在自己的Python 2.7环境中，首先卸载已经安装的matplotlib库，可以用命令conda uninstall matplotlib来卸载。

S2. 新建终端窗口（系统终端，非python虚拟环境下的终端），运行命令sudo apt-get install tcl-dev tk-dev python-tk安装Tk GUI。

S3. 在自己的Python 2.7环境中，重新安装matplotlib库，可以用命令conda install matplotlib进行安装。

S4. 打开源码目录中的tracker.py文件，在第5行代码后面增加如下两行代码：

import matplotlib
matplotlib.use('TkAgg')

增加代码后的tracker.py文件如下图所示：

S5. 重新运行跟踪源码即可。