Visual Tracker Benchmark简易教程

Visual Tracker Benchmark使用总结

一·简单介绍

  Visual Tracker Benchmark是一个认可度比较高的评估单目标跟踪算法的标准，里面的主要有两个方面的图像评估标准：precision_plot 和 success_plot，可以通过三种方式对图像进行评估：OPE,TRE,SRE.具体介绍可以参见：http://blog.csdn.net/hjl240/article/details/52453030 其中，success_plot进行评估时不一定要取0.5作为阈值，对于ALOV数据集是采用0.5作为阈值的。而对于OTB来说，是求取success_plot 曲线下面的面积最为最终的success_plot 分数的。

二·使用教程

  首先，在benchmark的代码文件tracker_benchmark_v1.0中想了解整个框架，先读README.txt文件，接下来介绍的也就是里面的东西。对里面的一些重要函数以及文件夹作用进行介绍：
1.anno文件：主要存储的是数据集的bounding box。
2.figs文件：存储的是一些实验跑出的图片，就是各种属性的准确度或者成功率图。
3.perfMat文件：存储最终用于画图的mat文件。
4.results文件：存储的每个trackers的跟踪结果的mat文件和perfMat不一样，这个是相对于bounding box的跟踪框数据。
5.trackers文件：里面包含各种你需要对比的跟踪算法；要简单了解可以看trackers.txt文件
6.util文件：里面包含各种重要的函数
7.tmp文件：存储的跟踪数据集
  接下来是对自己的trackers 的设置：
1.最主要的是main_running.m函数，可以参见http://blog.csdn.net/mingbujingren/article/details/51204380
补充一些知识，其中的evalType变量可以选择OPE,TRE,SRE三种评估方式，而产生的mat文件就存储在results文件夹中，当看到某个mat文件为空的时候说明对应trackers算法有误没有把结果存入.mat文件中,这个时候要把空的mat文件删除掉，然后检查对应trackers的错误之处，接着再跑main_running才有用。
2.trackers的设置可以先看下里面已有的一些跟踪算法是怎么设置的，一般是调用的run_对应的tracker名称.m，这个函数是自己加的。最后返回的results一定要是cell型而不是struct 型。
3.画图就用的是perfPlot函数：画准确率图：metricTypeSet选择overlap，rankingType选择AUC
画成功率图:metricTypeSet选择error，rankingType选择threshold
4.configTrackers函数：里面要加入你自己相比较的trackers算法的名称，比葫芦画瓢，看着上面的给自己的trackers取一个名字就可以了。
  当你对程序理解后，你会发现其实如果有对一个算法的mat文件，直接放在results对应文件夹里面就可以跑了，前面费了那么大的周折无非是为了产生对应算法的结果.mat文件。为此，给大家推荐一个存储了很多对应results的网址：https://github.com/foolwood/benchmark_results
里面的百度云有各种算法的results，然后你会发现怎么有TRE,SRE没有OPE，其实OPE蕴含在TRE中，当你懂了TRE是怎么个操作法儿时就知道为什么OPE蕴含在TRE中了。