基本内容：
先附上Track_eval下载地址：.GitHub - JonathonLuiten/TrackEval: HOTA (and other) evaluation metrics for Multi-Object Tracking (MOT).
各个指标的原理我在这里不谈了，主要讲一下使用该工程计算指标的方法
我们在计算MOT评价指标的时候需要用到以上这个工程，下载好后，新建工程。
在算多目标跟踪指标的时候，我之前使用了motmetrics这个库，但是这个库不能算最新的HOTA指标，所以我们使用以上工程。
目录结构：
data├─ gt│ └─ mot_challenge│ ├─ MOT17-train│ │ ├─ MOT17-02-DPM│ │ │ ├─ gt│ │ │ │ └─ gt.txt│ │ │ └─ seqinfo.ini│ │ ├─ MOT17-04-DPM│ │ │ ├─ gt│ │ │ │ └─ gt.txt│ │ │ └─ seqinfo.ini│ │ ├─ MOT17-05-DPM│ │ │ ├─ gt│ │ │ │ └─ gt.txt│ │ │ └─ seqinfo.ini│ │ ├─ MOT17-09-DPM│ │ │ ├─ gt│ │ │ │ └─ gt.txt│ │ │ └─ seqinfo.ini│ │ ├─ MOT17-10-DPM│ │ │ ├─ gt│ │ │ │ └─ gt.txt│ │ │ └─ seqinfo.ini│ │ ├─ MOT17-11-DPM│ │ │ ├─ gt│ │ │ │ └─ gt.txt│ │ │ └─ seqinfo.ini│ │ └─ MOT17-13-DPM│ │ ├─ gt│ │ │ └─ gt.txt│ │ └─ seqinfo.ini│ └─ seqmaps│ └─ MOT17-train.txt└─ trackers└─ mot_challenge└─ MOT17-train└─ MOT└─ data├─ MOT17-02-DPM.txt├─ MOT17-04-DPM.txt├─ MOT17-05-DPM.txt├─ MOT17-09-DPM.txt├─ MOT17-10-DPM.txt├─ MOT17-11-DPM.txt└─ MOT17-13-DPM.txt
在下载好的项目主目录中创建data目录，需要创建的结构如上所示，其中trackers目录下的txt文件就是我们检测跟踪到的信息，gt下的gt.txt就是我们标定的目标信息文件。注意gt目录中的MOT17-train目录下的这些文件目录名要与trackers下的txt的文件名对应。seqinfo.ini是此视频序列的信息。（在不改变原代码的情况下，请按照上图配置）
上图所示，序列名，视频长度，像素等信息。对于要评测的MOT17数据集这个是给定的。
注意到gt目录下seqmaps中有一个MOT17-train.txt文件，此文件中记录了我们要评测的序列名字，格式如下：
请注意此文件在项目中从第二行开始读取，第一行一定空出来或者写其他标注信息。
运行代码：
打开工程中主目录下的scripts，运行run_mot_challenge.py 则可得到MOTA,MOTP,HOTA等结果。完成对行人跟踪的评测。
使用此项目评价自己的数据集：
该工程不仅可以评价MOT数据集，也可以评价自己数据集，接下来进行讲解：
打开run_mot_challenge.py文件，找到如下代码，进入到get_default_dataset_config()
default_dataset_config = trackeval.datasets.MotChallenge2DBox.get_default_dataset_config()
修改default_config字典中的值
default_config = {'GT_FOLDER': os.path.join(code_path, 'data/gt/demo/'), # Location of GT data'TRACKERS_FOLDER': os.path.join(code_path, 'data/trackers/demo/'), # Trackers location'OUTPUT_FOLDER': None, # Where to save eval results (if None, same as TRACKERS_FOLDER)'TRACKERS_TO_EVAL': None, # Filenames of trackers to eval (if None, all in folder)'CLASSES_TO_EVAL': ['pedestrian'], # Valid: ['pedestrian']'BENCHMARK': 'DEMO', # Valid: 'MOT17', 'MOT16', 'MOT20', 'MOT15' #'VIS19''SPLIT_TO_EVAL': 'val', # Valid: 'train', 'test', 'all''INPUT_AS_ZIP': False, # Whether tracker input files are zipped'PRINT_CONFIG': True, # Whether to print current config'DO_PREPROC': True, # Whether to perform preprocessing (never done for MOT15)'TRACKER_SUB_FOLDER': 'data', # Tracker files are in TRACKER_FOLDER/tracker_name/TRACKER_SUB_FOLDER'OUTPUT_SUB_FOLDER': '', # Output files are saved in OUTPUT_FOLDER/tracker_name/OUTPUT_SUB_FOLDER'TRACKER_DISPLAY_NAMES': None, # Names of trackers to display, if None: TRACKERS_TO_EVAL'SEQMAP_FOLDER': None, # Where seqmaps are found (if None, GT_FOLDER/seqmaps)'SEQMAP_FILE': None, # Directly specify seqmap file (if none use seqmap_folder/benchmark-split_to_eval)'SEQ_INFO': None, # If not None, directly specify sequences to eval and their number of timesteps'GT_LOC_FORMAT': '{gt_folder}/{seq}/gt/gt.txt', # '{gt_folder}/{seq}/gt/gt.txt''SKIP_SPLIT_FOL': False, # If False, data is in GT_FOLDER/BENCHMARK-SPLIT_TO_EVAL/ and in# TRACKERS_FOLDER/BENCHMARK-SPLIT_TO_EVAL/tracker/# If True, then the middle 'benchmark-split' folder is skipped for both.}
第一行和第二行分别指的是自己的数据集gt主目录和检测跟踪结果的主目录，第五行是要评价的类别，这里先不提，要与下文进行对应，第六行和第七行就是上述的主目录下的目录（用杠连接起来如下所示）。
整理下就是gt目录为：data/gt/demo/DEMO-val/
跟踪结果主目录为：data/trackers/demo/DEMO-val ，其他不变动。
在此py文件往下翻找代码找到如下属性，将这个改成自己数据集标号和类别。
self.valid_classes = ['pedestrian'] #有效类别设置
self.class_name_to_class_id = {'pedestrian': 1, 'person_on_vehicle': 2, 'car': 3, 'bicycle': 4, 'motorbike': 5,'non_mot_vehicle': 6, 'static_person': 7, 'distractor': 8, 'occluder': 9,'occluder_on_ground': 10, 'occluder_full': 11, 'reflection': 12}
继续向下翻找找到如下属性。下图为干扰类别项，将其改为自己类别的干扰项，不要为空会报错，博主已试。
distractor_class_names = ['person_on_vehicle', 'static_person', 'distractor', 'reflection'] #这个是mot评价的干扰项
到这里需要改的代码就已经修改完毕了。这个时候还需要添加一些文件到目录中。
对于我的设置，在data/gt/demo中创建seqmaps目录，在该目录下创建DEMO_val.txt，请注意这个文件名字与我们之前设置的default_config字典中的第六行和第七行的值要匹配。
文件内容的类型与之前所描述的MOT17-train.txt中的一致。
接下来就可以参考目录结构中第一个图进行创建目录和文件了，注意gt中序列目录的名字要和trackers的txt文件名对应上。
全部配置完后运行run_mot_challenge.py即可得到结果。
我这里附上一张效果图，仅供参考，计算了一个序列。
版权归原作者 路人1+1 所有， 如有侵权，请联系我们删除。