VOT数据集评测工具VOT-Toolkit(MATLAB版)配置教程

简介: 简介:用于记录VOT数据集评测工具VOT-Toolkit(MATLAB版)配置过程

1. VOT-Toolkit简介

VOT-Toolkit是视觉目标跟踪挑战赛的官方工具包,该工具包是一组MATLAB脚本,用于估计视觉目标跟踪器的性能。

2. 下载源码

去官网下载VOT-Toolkit的源码,点击链接可以跳转到VOT-ToolkitGithub上对应的库。
![Figure_1.png](https://ucc.alicdn.com/pic/developer-ecology/20e2cf190ff24c6b8e4ee6dc7e65a01c.png

跳转以后会发现该库包含3 branches,默认下载master分子,而目前网络的多数教程都是基于dev分支,master分支和dev分支的主要区别在于dev包含工具包自带的Integration(至于Integration将会在后面介绍),而master分支需要另外自行下载,本文的配置以master分支为例。

Figure_2.png

3. 源码解压

VOT-Toolkit源码解压以后目录结构如图所示

Figure_3.png

首先对目录中各文件进行说明

  • workspace-该模块包含用于初始化,加载和使用工作区的功能。工作区是一个专用目录,与工具包目录分开,用于存储特定于实验的结果。该目录包含几个特殊的子目录,这些子目录包含序列数据,每个跟踪器的原始结果,报告文档和缓存的数据。
  • tracker-跟踪器模块包含与跟踪器相关的功能。该工具包在集成现有跟踪器方面具有很高的灵活性,这些跟踪器可以作为外部程序运行,并使用特殊协议与该工具包进行通信。
  • sequence-序列模块包含与序列,轨迹和区域有关的功能。该工具包将区域定义为图像帧中一组像素的描述,将轨迹定义为可以描述groundtruth批注或跟踪结果的区域列表,将序列定义为图像列表及其对应的groundtruth的组合注释和其他元数据。
  • analysis-分析模块包含与性能分析和结果常规分析相关的功能。该模块的核心是本文提出的基于准确性-稳健性度量对的排名方法。
  • report-该模块包含用于生成报告和可视化的功能。大多数报表都依赖于报表上下文结构,该结构提供了一种简单的机制来reports在工作区的目录中生成多页报表。
  • utilities-该模块包含在工具包中使用的实用程序功能。

4. 下载Integration

Integration实际是VOT-Toolkit自带的跟踪器实例,用于演示VOT-Toolkit的使用流程,dev分支默认包含Integration,而master分支需要自行下载,下载链接:Integration,里面包含NCC跟踪器分别由matlab,native(C++),python的实现源码

Figure_4.png

我们需要做的是将这几个目录复制到VOT-Toolkit中tracker下的examples目录下,因为下面将使用该跟踪器演示VOT-Toolkit的使用

5. 下载TraX

TraX(Visual Tracking eXchange protocol)是一种简单的协议,可简化计算机视觉跟踪算法的评估。基本思想是,跟踪器在(标准)输入/输出流或TCP套接字上使用的文本命令与评估软件进行通信,说简单点就是是的用matlab,c++,python等不同编程语言编写的跟踪算法都可以使用TraX协议与VOT-Toolkit进行通信,实施评估。TraX的下载链接:TraX

Figure_5.png

在VOT-Toolkit根目录下新建native文件夹,将TraX解压到native目录下,可以发现解压出来的Trax是源码,因此首先需要使用CMake进行编译,目前网上出现的VOT-Toolkit配置问题多数是因为缺少这一步骤。

6. 编译TraX

去官网下载CMake工具,这里下载msi安装,因为msi安装能够自动配置环境变量,由于CMake工具需要使用VS编译器,因此VS也是需要安装,请自行安装。

Figure_6.png

在TraX目录下新建build目录,用于编译TraX目标文件接收目录,打开CMake并且按照下图配置自己的目录

Figure_7.png

配置完成以后,点击下方的Configure按钮,选择编译器以及平台,我的Win10 X64+VS2015配置如下,配置完成以后点击Finish

Figure_8.png

完成以后输出如下

Figure_9.png

之后点击Generate->Open Project会自动使用VS打开该项目如下,最后在ALL BUILD上右击选择生成,便完成了TraX的编译

Figure_10.png

7. 测试自带NCC跟踪器

在VOT-Toolkit根目录下新建vot-workspace用于需要测试跟踪器的家目录,之后的评估报告都会在该目录的子目录下,首先运行toolkit_path.m文件,然后打开workspace目录下的workspace_create.m文件,然后进入vot-workspace目录运行workspace.m文件。

Figure_11.png

其中第一个1表示选择的测试视频序列,NCC作为要测试的跟踪器的名称标识,第二个表示该跟踪器的编程语言,输出如下表明新的跟踪器workspace创建成功

Figure_12.png

然后将tracker_NCC.m修改为,NCC跟踪器就配置完成了

% error('Tracker not configured! Please edit the tracker_NCC.m file.'); % Remove this line after proper configuration
tracker_label = ['NCC'];
tracker_command = generate_matlab_command('ncc', {'F:\vot-toolkit\tracker\examples\matlab'});
tracker_interpreter = 'matlab';

最后运行run_test.m,就可以评估NCC跟踪算法,出现如下错误表明指定目录没有视频序列,因此需要按照提示路径去下载视频序列放在指定目录

Figure_13.png

Figure_14.png

至此VOT-Toolkit工具配置全部完成。

参考博客:

【1】vot-toolkit使用简介

【2】VOTtoolkit的使用【2. 融合KCF】

【3】VOT-2016 代码评测工具的使用说明

目录
相关文章
|
3月前
|
机器学习/深度学习 传感器 数据采集
MATLAB基于PCA的Indian Pines数据集分类实现
MATLAB基于PCA的Indian Pines数据集分类实现
214 7
|
2月前
|
新能源 Java Go
【EI复现】参与调峰的储能系统配置方案及经济性分析(Matlab代码实现)
【EI复现】参与调峰的储能系统配置方案及经济性分析(Matlab代码实现)
139 0
|
3月前
|
机器学习/深度学习 监控 算法
分布式光伏储能系统的优化配置方法(Matlab代码实现)
分布式光伏储能系统的优化配置方法(Matlab代码实现)
169 1
|
3月前
|
存储 监控 算法
【顶级EI复现】工业园区需求响应资源聚合优化配置方法(Matlab代码实现)
【顶级EI复现】工业园区需求响应资源聚合优化配置方法(Matlab代码实现)
|
3月前
|
安全 调度
【火电机组、风能、储能】高比例风电电力系统储能运行及配置分析(Matlab代码实现)
【火电机组、风能、储能】高比例风电电力系统储能运行及配置分析(Matlab代码实现)
|
3月前
|
运维 供应链 算法
【顶级EI复现】【最新EI复现】基于共享储能服务的智能楼宇双层优化配置(Matlab代码实现)
【顶级EI复现】【最新EI复现】基于共享储能服务的智能楼宇双层优化配置(Matlab代码实现)
|
4月前
|
机器学习/深度学习 算法 安全
计及需求响应的粒子群算法求解风能、光伏、柴油机、储能容量优化配置(Matlab代码实现)
计及需求响应的粒子群算法求解风能、光伏、柴油机、储能容量优化配置(Matlab代码实现)
|
2月前
|
编解码 运维 算法
【分布式能源选址与定容】光伏、储能双层优化配置接入配电网研究(Matlab代码实现)
【分布式能源选址与定容】光伏、储能双层优化配置接入配电网研究(Matlab代码实现)
179 12
|
3月前
|
机器学习/深度学习 并行计算 算法
基于二进制粒子群优化(BPSO)最佳PMU位置(OPP)配置研究(Matlab代码实现)
基于二进制粒子群优化(BPSO)最佳PMU位置(OPP)配置研究(Matlab代码实现)
107 3
|
3月前
|
供应链 算法 安全
考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置(Matlab代码实现)
考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置(Matlab代码实现)

热门文章

最新文章