回归之一多目标跟踪算法评价指标
2014-03-07 20:48
465 查看
实习生像条狗,去年开始实习到现在都没有更新自己的博客,痛定思痛,决定回归,正好课题是目标跟踪这块,先就多目标跟踪算法评价指标谈谈自己的观点:
单目标跟踪算法的评价指标不用我多说,因为其跟踪情况较为简单,已经有较为明确的判断指标,但是一直以来,多目标跟踪的评价指标都未统一,跟踪算法的论文中也是用各种评价指标来分析自身的算法,但是缺少与其它算法的横向比较,孰优孰劣不得而知。因为自己的毕业课题设计到这块,需要找到一种相对来说大家用的较多的,公认度较大的一种指标来对自己设计的算法和当前已有算法进行比较,由此而来本文。
指标一:CLEAR MOT,来自论文《EvaluatingMultiple Object Tracking Performance:The CLEAR MOT Metrics》
先对该指标做一个概述,其是由两部分构成:MOTP(multiple object tracking precision)多目标跟踪的精确度,体现在确定目标位置上的精确度;MOTA(multiple object tracking accuracy)多目标跟踪的准确度,体现在确定目标的个数,以及有关目标的相关属性方面的准确度。同时,两者共同衡量算法连续跟踪目标的能力(即,在连续帧中能准确判断目标的个数,精确的划定其位置,从而实现不间断的连续跟踪)。
要设定一种评价指标,首先要分析下我们想从算法中得到什么样的输出,一个理想的多目标跟踪算法应该具有如下的输出:能精确的检测到每个目标的位置;能保持对目标的连续跟踪;每个目标对应一个唯一的ID,能对遮挡具有一定的鲁棒性。据此可以给出评价指标的设计标准
i) 要精确的判定每个目标的位置;
ii) 能对每个目标进行连续跟踪,每个目标对应一个唯一的跟踪轨迹;
同时评价指标应该有如下性质:
i) 尽量少的参数,具有自适应的阈值;
ii) 清晰,可理解,符合人的直观认知;
iii) 具有一定的普遍评价意义,能用于多种类型跟踪的评价(2D的,3D的,行人,车辆,人脸等);
iv) 指标的数量少而精(保正指标能描述跟踪效果的前提下,指标的数量越少越好),这样方便在大型系统中适用;
基于上述的标准,提出一种较为客观的评价跟踪算法的指标。(以下是自己在Word上写好的,没办法,这里的公式编辑太难弄了)
单目标跟踪算法的评价指标不用我多说,因为其跟踪情况较为简单,已经有较为明确的判断指标,但是一直以来,多目标跟踪的评价指标都未统一,跟踪算法的论文中也是用各种评价指标来分析自身的算法,但是缺少与其它算法的横向比较,孰优孰劣不得而知。因为自己的毕业课题设计到这块,需要找到一种相对来说大家用的较多的,公认度较大的一种指标来对自己设计的算法和当前已有算法进行比较,由此而来本文。
指标一:CLEAR MOT,来自论文《EvaluatingMultiple Object Tracking Performance:The CLEAR MOT Metrics》
先对该指标做一个概述,其是由两部分构成:MOTP(multiple object tracking precision)多目标跟踪的精确度,体现在确定目标位置上的精确度;MOTA(multiple object tracking accuracy)多目标跟踪的准确度,体现在确定目标的个数,以及有关目标的相关属性方面的准确度。同时,两者共同衡量算法连续跟踪目标的能力(即,在连续帧中能准确判断目标的个数,精确的划定其位置,从而实现不间断的连续跟踪)。
要设定一种评价指标,首先要分析下我们想从算法中得到什么样的输出,一个理想的多目标跟踪算法应该具有如下的输出:能精确的检测到每个目标的位置;能保持对目标的连续跟踪;每个目标对应一个唯一的ID,能对遮挡具有一定的鲁棒性。据此可以给出评价指标的设计标准
i) 要精确的判定每个目标的位置;
ii) 能对每个目标进行连续跟踪,每个目标对应一个唯一的跟踪轨迹;
同时评价指标应该有如下性质:
i) 尽量少的参数,具有自适应的阈值;
ii) 清晰,可理解,符合人的直观认知;
iii) 具有一定的普遍评价意义,能用于多种类型跟踪的评价(2D的,3D的,行人,车辆,人脸等);
iv) 指标的数量少而精(保正指标能描述跟踪效果的前提下,指标的数量越少越好),这样方便在大型系统中适用;
基于上述的标准,提出一种较为客观的评价跟踪算法的指标。(以下是自己在Word上写好的,没办法,这里的公式编辑太难弄了)
相关文章推荐
- Object Tracking Benchmark 目标跟踪中常用算法评价参数
- 多目标跟踪评价指标与经典测试集
- 基于MeanShift的目标跟踪算法及实现
- 目标跟踪算法——HCF:Hierarchical Convolutional Features for Visual Tracking
- 目标跟踪算法三:Modeling and Propagating CNNs in a Tree Structure for Visual Tracking (VOT2016冠军)
- 机器学习分类算法常用评价指标
- 算法性能评价指标+线性表
- 目标跟踪方法--Mean Shift 算法
- 基于MeanShift的目标跟踪算法及实现
- 运动目标检测跟踪各过程算法综述
- TLD跟踪算法(单目标)相关资料
- 目标跟踪KCF算法一些介绍
- OpenCV学习之利用Camshift算法进行彩色目标的跟踪
- 目标跟踪算法汇总及其相关论文
- 运动目标检测跟踪各过程算法综述
- 分类算法中常用的评价指标
- KCF目标跟踪算法介绍
- meanshift算法图解以及在图像聚类、目标跟踪中的应用
- 目标跟踪方法--CamShift 算法
- 运动目标跟踪主流算法大致分类