多目标跟踪

目录

多目标跟踪定义：

多目标跟踪分类

多目标跟踪难点分析

多目标跟踪数据集

 多目标跟踪评价指标

---

https://blog.csdn.net/weixin_55775980/category_11713821.html?spm=1001.2014.3001.5482

多目标跟踪定义：

多目标跟踪旨在将视频序列中感兴趣的目标检测出来，并赋予每个目标单独的编号，在整个序列中形成目标的轨迹。

利用图像中目标的类别位置信息与之前帧的轨迹进行数据关联

多目标跟踪分类

1. Online: 算法在推理目标身份过程中，只能看见当前帧以及之前的帧

• Offline：算法在推理目标身份过程中，可以看见整个视频序列中的所有帧

多目标跟踪难点分析

        1、目标模糊、遮挡造成目标外观特征不稳定

        2、相机运动等造成的外观特征与运动特征变化

        3、各类别样本数量不均衡，分类器难以训练

        4、目标尺寸小容易造成漏检

        5、实时性要求

1. 多目标跟踪数据集

2. 

 多目标跟踪评价指标

一、经典度量方式

1、多数被跟踪轨迹（Mostly Tracked trajectories,MT）:

      真实轨迹中在大于等于80%的帧中被正确跟踪的数据，只关心轨迹，不关心ID是否切换，值越大越好

2、多数丢失轨迹（Mostly Lost trajectories,ML）:

      真实轨迹中在小于等于20%的帧中被正确跟踪的数据，只关心轨迹，不关心ID是否切换，越小越好

3、ID切换次数（ID Switches,IDS）:

      ID错误切换的次数，越小越好

二、ID度量方式：专门衡量ID分配的准确度和稳定性

IDF1：是指在ID保持相同的情况下，跟踪的准确流率和召回率的F-score值，一般来说IDF1是用来评价跟踪器好坏的第一默认指标。

三、经常使用的：

 1.MOTA：多目标跟踪准确率（Multiple Object Tracking Accuracy）

直观的衡量跟踪器在检测物体(TN, FP)和保持轨迹(IDSW) ID错误切换次数的指标。

2.MOTP：多目标跟踪准确率（Multiple Object Tracking Precision）

考虑回归的边界框质量，从而计算与真值边界框的欧氏距离度量，主要体现检测性能