VOT2015 Benchmark简易教程

Visual Object Tracking Benchmark使用总结

一·简单介绍

  Visual Object Tracking是一个认可度比较高的评估单目标跟踪算法的标准，与OTB的主要不同是OTB只会给定第一帧然后让tracker去跟，中间有失败后不会重新reset。而VOT在tracker中间过程跟丢后会重新初始化参数让算法接着跟。VOT里面的主要有两个方面的图像评估标准：准确性和鲁棒性，因为两者的相关性最小。准确性是用average overlap作为衡量标准。什么是average overlap呢？如下图，简单说就是 groundtruth与predicted 区域的重叠部分与两者并起来的面积相除得到的结果。可以参见：vot2016benchmark标准介绍。而鲁棒性则是由跟踪过程中失败的次数来决定的。

二·使用教程

  对于VOT来说，并没有OTB那么好调试，因为中间牵涉到了一个trax protocol。而且 网上资料比较少，官网的教程也不是很详细。在编译和融合这两步中可能出现很多问题。下面我给大家分享自己的调试经验。
  首先，虽然整个流程官网的正个流程没有说明很多隐含的可能发生的错误，但是我们还是要把整个tutorials过一遍，明白大致的过程该怎样走。 然后下载一个最新版的vot toolkit。
  第二步就是搭建一个自己的vot-workspace；下载完后，就在MATLAB中运行toolkit_ path 函数，目的是检查整体的toolkit路径是否有问题，这一步一般都没问题。然后就在自己的vot-toolkit-master文件夹中新建一个vot-workspace文件夹。在workspace文件中找到 workspace_create 函数打开， 然后把MATLAB的当前目录调整到vot-workspace文件夹中，目的是在这个文件夹中建工作环境 。 这个时候再运行track_ create函数 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，你会发现会出来一些数据集让你选择。刚开始最好选择test，等你把程序完全调通了再选择对应的完整的数据集。还要输入自己tracker名字，最后选择程序语言。这个设置的过程可以参考官网教程 ，这个操作过程如下图。

上图中的bacf是我为自己的tracker函数取的名字。对应用的MATLAB语言。得到的结果，会在vot-workspace下生成几个函数，如下图，而且这个过程中在vot-toolkit-master文件下会生成一个native文件，这个文件就是对应的trax portocol的一些编译内容。

  第三步就是开始着手自己的tracker算法与VOT融合了；整个融合的过程只用修改两样东西，第一是刚刚生成出来的tracker_bacf函数，第二就是修改vot-toolkit-master\tracker\examples\matlab路径下的ncc函数，把自己的算法融合进来。其中ncc函数就是一个简单的融合函数，可能你会发现在n路径下还有一个vot的函数，这个函数是融合的关键，也可以理解为接口。刚开始不建议直接融合自己的算法。先把ncc函数跑通，融合成功再融合自己的算法。下面回到tracker_bacf函数中，先以ncc为例进行讲解：
1.编辑tracker_bacf函数将所要执行的算法告诉vot，各个语句的意义，如下图，按自己的实际情况编辑就可以。

2.编辑完后，运行run_test函数，还是在vot-workspace文件夹下会产生几个新的文件夹，其中sequences文件夹下就会产生三个test序列和一个list.txt文件。而在命令行的截图中我们可以看到“TraX support detected.”表明已经融合一半，快要成功了。




3.接下来，命令行会让你从三个序列中选择一个序列，就随便选一个，回车，发现如下图的结果。我们可以发现鼠标在图片上移动时会变成十字形，这个时候在图片上随便一处单击鼠标，你会发现会跳到第二帧，并开始跟踪了，再单击鼠标跟到第三帧，再在图片上单击……


  到这里可以说ncc融合成功通过了，恭喜你只完成了四分之一的工作，还有四分之三等着你。因为融合你自己的算法才是最头疼的，为什么呢？因为这个地方没办法打断点调试，对,就是这么惨!
   第四步，下面开始真正的融合。大致过程和上面ncc差不多但是关键就在于你的融合函数了。接下来剖析下ncc函数中几个关键变量，然后有利于大家去融合自己的算法。为了方便截图，我把那些注释全删了。

看上图，第三句中得到的三个量中handle不用管，image是要跟踪序列的图片所在的路径，region就是第一帧图片中对应目标的groundtruth，和图片区域2中的region意义不同。对于区域1的语句的作用是读入下一帧图片的位置信息给image，如果跟踪完了就break，不用frame自增1。而区域2中的region是我们执行完算法得到的一个变量，意义是我们算法跟踪的结果，也就是算法认为的目标区域。handle.report就传回我们的唯一变量region。这里的ncc_update就相当于跟踪算法。其中region如果对应是rectangle就是四个值，前两个是目标的中心坐标，后两个是目标区域长宽大小。
总结下算法融合要做的就是我知道了第一帧的路径image和groundtruth对应region，我也知道如何获取下一帧图片，然后要做的就是把自己的算法融进去最后返回算法得到的region回去就ok了。

  最后总结下可能遇到的错误以集一些技巧：
错误 一:在连接的过程中会出现Tracker execution interrupted: Unable to establish connection.
这个时候就要检查vot文件了，就是在你自己算法的文件夹下必须有vot文件才可以连接成功。我们刚才在做ncc实验时，也是路径下有两个函数的。你可以尝试把vot函数拿去，再执行run_test函数看有什么后果。
错误二：Tracker execution interrupted: Did not receive response.
这个错误的时候你就要检查自己的算法过程中的某一步是否出错了。最重要的是检查自己最后返回的变量region是不是double型变量。敲黑板划重点了。一定要检查，我自己是吃过亏的。如果类型没问题，那就只能看你自己的算法了。但是问题来了打断点没用，只能利用函数语句调喽。推荐用dlmread函数把自己不放心的变量写在一个txt文件中这样一个个推敲调试。还有注意vot里面的groundtruth是八坐标，如果是长方形框，要从八个坐标中提取自己想要的pos和target_sz。

如果你的算法可以测试成功，那就接着运行run_experiments函数生成结果，在运行run_analysis函数进行分析。测试成功就顶下吧，打字理思路也挺累的，谢谢！虽然排版有点丑。。。。