多目标跟踪sort（（HOTA）多目标跟踪MOT指标计算方法）

时间2025-06-20 16:23:04分类IT科技浏览11291

导读：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 ....

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。