CMOT代碼

接著~《CMOT中對跟蹤結(jié)果results.mat的理解》~

在CMOT中憾筏,只用了一個數(shù)據(jù)集ETH-Bahnhof(標(biāo)準(zhǔn)),注意梧兼,無論是Results的生成驰怎,還是Sequence中蚀之,都寫的ETH_Bahnhof(here)邑滨,就是個名稱的問題每界,可以改的捅僵。

剛開始我把param中的參數(shù)改為

img_path = './Sequences/ETH-Bahnhof/';

img_List = dir(strcat(img_path,'*.png'));

相對應(yīng)的,把Results和Sequence的序列也改成標(biāo)準(zhǔn)的樣子眨层,結(jié)果報錯了庙楚。就是這里的問題,不是Det的問題趴樱。step? by? step => ok

果然是基本流程啊馒闷,要認(rèn)真!H鳌纳账!

有關(guān)鍵的3個問題,


1捺疼、400 PK 1000

跟蹤結(jié)果有400個疏虫,檢測Det有400個,但是圖片共有1000張啤呼。卧秘??

只是設(shè)定的問題官扣,本來這個數(shù)據(jù)集圖片有1000張翅敌,只是detections沒有檢測全,只有400個惕蹄,要是detections檢測全的話蚯涮,就是1000個治专。因為檢測是400,所以frame_end也是400遭顶,雖然導(dǎo)入了1000張圖片看靠,但有效的就只有400張,跟蹤圖像上也只出現(xiàn)了400張液肌。這里用到的思想就是tracking-by-detections挟炬。


2、all_mot [ ]中的參數(shù)在代碼中的由來嗦哆。

現(xiàn)在有一個問題谤祖,即cmot_KCF_tracking_results.mat究竟從哪里保存的呢?

在主函數(shù)中老速,關(guān)于all_mot的描述是

[all_mot] = MOT_Draw_Tracking_HCF(Trk_sets, out_path, img_path, img_List, DrawOption,method);

其中粥喜,參數(shù)介紹~

% Tracking Results

[Trk_sets] = MOT_Tracking_Results(Trk,Trk_sets,fr);

在MOT_Draw_Tracking_HCF.m中,我們來看看all_mot究竟是如何組成的橘券。

本函數(shù)的作用是畫出跟蹤的結(jié)果(bbox)并寫入额湘。

函數(shù)介紹如下:在參數(shù)設(shè)定函數(shù)中有 param.new_thr = param.show_scan + 1;? ? % Temporal window size for tracklet initialization,這個和id有關(guān)~旁舰。

就是將center position,left-top position,size,labels先算好锋华,然后直接將結(jié)果組成矩陣放入字典中。在這里q=1:length(Trk_sets)箭窜,有400個索引毯焕,說明跟蹤的結(jié)果是400個。那么如何獲得跟蹤的結(jié)果呢磺樱?



3纳猫、detections的導(dǎo)入load

請問在MDP中detections是什么格式?他是自己創(chuàng)建的吧竹捉。芜辕。。

CMOT中得到的detections在跟蹤的過程中如何比對块差,怎么用侵续?作用是什么?

CMOT中憾儒,如果想要用其他數(shù)據(jù)集中的Det询兴,生成結(jié)果并做測試,如何將標(biāo)準(zhǔn)的det.txt中的數(shù)據(jù)生成.mat文件的只有x,y,w,h起趾?

答案是Yes。不過CMOT中的x,y 是中心position的警儒,所以后來會有center to left的操作训裆。這點要格外注意眶根。否則,在使用標(biāo)準(zhǔn)數(shù)據(jù)做評估時會drift边琉。


4属百、圖片的load方法


param.show_scan的作用是可以從指定幀查看跟蹤效果,不用只從第一幀查看变姨,當(dāng)然了族扰,還需要做些預(yù)關(guān)聯(lián)的操作。當(dāng)然啦定欧,為了防止Index exceeds matrix dimensions.在estimation_size.m中nof_s和show_scan 要對應(yīng)起來渔呵。


5、detections中的參數(shù)問題

x,y,w,h砍鸠。為了增加測試數(shù)據(jù)時的通用性扩氢,x,y最好是left-top。


6爷辱、detections在不同數(shù)據(jù)集的.mat录豺,此.mat和標(biāo)準(zhǔn)的Det中的det.txt文件的對應(yīng)轉(zhuǎn)換問題。

關(guān)于將.mat=>.txt饭弓,本寶寶之前寫過双饥,http://www.reibang.com/p/ba8530013f12


7、數(shù)據(jù)關(guān)聯(lián)

主要是用到了本地關(guān)聯(lián)和全局關(guān)聯(lián)弟断。各有各的作用兢哭,其中,with the global association, longer trajectories are built by linking fragmented trajectories.

本地關(guān)聯(lián)+全局關(guān)聯(lián)+ILDA=極大程度的提升算法性能夫嗓,很好的增強了發(fā)生遮擋時候的魯棒性迟螺。

~~~

因為Online MOT 無非就是確定如何將檢測結(jié)果形成軌跡的過程。

軌跡初始化-->軌跡和檢測結(jié)果進(jìn)行數(shù)據(jù)關(guān)聯(lián)(data association)-->判斷何時停止跟蹤舍咖。

tracklet initial-->data association between tracklets and detections-->stop tracking.

其中矩父,前兩個階段,即軌跡初始化和數(shù)據(jù)關(guān)聯(lián)排霉,都要用到一定的外觀模型和動作模型(位置模型)窍株。

順著這個思路,來看一段代碼:

%% Initiailization Tracklet

for i=1:init_frame

Obs_grap(i).iso_idx = ones(size(detections(i).x));

Obs_grap(i).child = [ ];

Obs_grap(i).iso_child =[ ];

end

[Obs_grap] = mot_pre_association(detections,Obs_grap,frame_start,init_frame);

可見攻柠,在軌跡初始化(Initiailization Tracklet)的時候球订,需要先設(shè)定一個用于軌跡初始化的初始幀init_frame = frame_start + param.show_scan;之后在for循環(huán)中,利用這一初始幀的信息形成Obs_grap瑰钮。再后來冒滩,就可以用形成的Obs_grap和檢測detections,以及幀的初始和結(jié)束范圍進(jìn)行數(shù)據(jù)預(yù)關(guān)聯(lián)浪谴,關(guān)聯(lián)的結(jié)果信息仍存在Obs_grap中开睡∫蚱唬可見,這個Obs_grap是專門用來存放數(shù)據(jù)關(guān)聯(lián)的信息的篇恒。但是需要注意的是扶檐,目前還沒有進(jìn)行軌跡初始化哦,只是先確定了邏輯上的初始關(guān)聯(lián)消息胁艰,因為沒有載入圖片款筑。隨后把第一幀和初始幀之間的圖片load進(jìn)來,利用這些圖片構(gòu)成的init_img_set進(jìn)行Initialization_Tracklets腾么。

好奈梳,之后可以進(jìn)入Tracking的過程中了。

首先哮翘,把初始幀之后的全部圖片load進(jìn)來颈嚼,還是形成init_img_set。這樣我們就知道饭寺,init_img_set中包含的是全部的圖片阻课。

然后,進(jìn)行data association艰匙。包括兩部分限煞,Local Association和Global Association。

為理解Obs_grap的關(guān)聯(lián)過程员凝。必須debug署驻,這樣方便理解哈~

再然后,Update健霹。包括兩部分旺上,Tracklet Confidence Update和Tracklet State Update & Tracklet Model Update。

再再然后糖埋,處理New Tracklet Generation的情況宣吱。至此,MOT的基本過程就說完了瞳别,可以將Tracking Results保存下來征候,即Trk_sets,這是極其重要的結(jié)果八盍病疤坝!不過呢,沒有可視的框框馆铁。

再再再然后跑揉,Draw Tracking Results,High (Red)-> Low (Blue)叼架。有可視的框了畔裕。

最后衣撬,Save tracking results乖订。當(dāng)然了扮饶,之后還可以做些評估啥的!

啊乍构,Obs_grap在哪里用到的甜无?需要存儲關(guān)聯(lián)信息的地方就會用到。

可以說哥遮,數(shù)據(jù)關(guān)聯(lián)是MOT的核心岂丘,用到這個的地方有:

~在1-init_frame中,用于邏輯的預(yù)關(guān)聯(lián)和擁有實物圖片的軌跡初始化會用到奥帘。

~兩大數(shù)據(jù)關(guān)聯(lián)過程寨蹋,即本地關(guān)聯(lián)和全局關(guān)聯(lián)已旧,會用到运褪。

~當(dāng)新軌跡需要產(chǎn)生的時候秸讹,需要用到璃诀。

To the end文虏,涉及軌跡tracklets的產(chǎn)生過程中和需要關(guān)聯(lián)的時候氧秘,會用到Obs_grap。具體怎么連啊灭忠。涕蜂。机隙。debug看吧有鹿。。娱俺。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末脑溢,一起剝皮案震驚了整個濱河市屑彻,隨后出現(xiàn)的幾起案子社牲,更是在濱河造成了極大的恐慌搏恤,老刑警劉巖熟空,帶你破解...
    沈念sama閱讀 210,914評論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異绍刮,居然都是意外死亡岁歉,警方通過查閱死者的電腦和手機刨裆,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 89,935評論 2 383
  • 文/潘曉璐 我一進(jìn)店門窍帝,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人深浮,你說我怎么就攤上這事〔伎ǎ” “怎么了?”我有些...
    開封第一講書人閱讀 156,531評論 0 345
  • 文/不壞的土叔 我叫張陵,是天一觀的道長薛匪。 經(jīng)常有香客問我冷溶,道長纯衍,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,309評論 1 282
  • 正文 為了忘掉前任苗胀,我火速辦了婚禮襟诸,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘基协。我一直安慰自己歌亲,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 65,381評論 5 384
  • 文/花漫 我一把揭開白布澜驮。 她就那樣靜靜地躺著陷揪,像睡著了一般。 火紅的嫁衣襯著肌膚如雪杂穷。 梳的紋絲不亂的頭發(fā)上悍缠,一...
    開封第一講書人閱讀 49,730評論 1 289
  • 那天,我揣著相機與錄音耐量,去河邊找鬼飞蚓。 笑死,一個胖子當(dāng)著我的面吹牛廊蜒,可吹牛的內(nèi)容都是我干的趴拧。 我是一名探鬼主播,決...
    沈念sama閱讀 38,882評論 3 404
  • 文/蒼蘭香墨 我猛地睜開眼劲藐,長吁一口氣:“原來是場噩夢啊……” “哼八堡!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起聘芜,我...
    開封第一講書人閱讀 37,643評論 0 266
  • 序言:老撾萬榮一對情侶失蹤兄渺,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后汰现,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體挂谍,經(jīng)...
    沈念sama閱讀 44,095評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,448評論 2 325
  • 正文 我和宋清朗相戀三年瞎饲,在試婚紗的時候發(fā)現(xiàn)自己被綠了口叙。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,566評論 1 339
  • 序言:一個原本活蹦亂跳的男人離奇死亡嗅战,死狀恐怖妄田,靈堂內(nèi)的尸體忽然破棺而出俺亮,到底是詐尸還是另有隱情,我是刑警寧澤疟呐,帶...
    沈念sama閱讀 34,253評論 4 328
  • 正文 年R本政府宣布脚曾,位于F島的核電站,受9級特大地震影響启具,放射性物質(zhì)發(fā)生泄漏本讥。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 39,829評論 3 312
  • 文/蒙蒙 一鲁冯、第九天 我趴在偏房一處隱蔽的房頂上張望拷沸。 院中可真熱鬧,春花似錦薯演、人聲如沸撞芍。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,715評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽勤庐。三九已至,卻和暖如春好港,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背米罚。 一陣腳步聲響...
    開封第一講書人閱讀 31,945評論 1 264
  • 我被黑心中介騙來泰國打工钧汹, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人录择。 一個月前我還...
    沈念sama閱讀 46,248評論 2 360
  • 正文 我出身青樓拔莱,卻偏偏與公主長得像,于是被迫代替她去往敵國和親隘竭。 傳聞我的和親對象是個殘疾皇子塘秦,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,440評論 2 348

推薦閱讀更多精彩內(nèi)容