目前本文所涉內(nèi)容均未使用圖形處理器。

運行在有圖形處理器環(huán)境下的實驗將在稍后補(bǔ)充，敬請關(guān)注。

需要準(zhǔn)備的文章和工具有：

一、集成 OTB100

1.1 下載基準(zhǔn)測試

在該目錄中可以看到：trackers 目錄中已經(jīng)包含了若干跟蹤算法。而我們要做的就是把 ECO 和 ECO_HC 的跟蹤算法加進(jìn)去即可。

ECO 和 ECO_HC 的區(qū)別就是：前者使用“深度特征”，后者使用 HOG 和 CNN。

1.2 下載 ECO 代碼

可以參照 ECO 的 GitHub 頁面中提到的部署代碼的方法，將代碼下載到 trackers 目錄中。

由于 ECO 和 ECO_HC 是兩種不同的算法，因此，出于分別測試其性能的考慮，需要下載兩份代碼，并分別命名為 ECO 和 ECO_HC。如下所示：

將 ECO 和 ECO_HC 保存到 OTB100 基準(zhǔn)測試的 trackers 目錄下。

ECO 和 ECO_HC 的內(nèi)容完全一樣。

1.3 添加集成接口

切換到 ECO 目錄下 runfiles 文件夾中，將?OTB_DEEP_settings.m 文件夾復(fù)制到上一級目錄，并改名為 run_ECO.m，如下所示：

從 runfiles 文件夾中復(fù)制 OTB_DEEP_settings.m 文件到此目錄，并改名為 run_ECO.m

類似的，在 ECO_HC 目錄中，將 runfiles 文件夾中的 OTB_HC_settings.m 文件復(fù)制到上一級目錄，并改名為 run_ECO_HC.m 即可。

1.4 修改基準(zhǔn)測試代碼并運行基準(zhǔn)測試

由于 tracker_benchmark_v1.0 目錄的 results 目錄下已經(jīng)有其它跟蹤算法的結(jié)果，因此我們只需要運行 ECO 和 ECO_HC 的基準(zhǔn)測試即可。

OPE、SRE 和 TRE 評價方法可以并行運行，因此我們將 main_running.m 文件復(fù)制為三份，分別命名為 main_running_OPE.m 、 main_running_SRE.m 、 main_running_TRE.m ，并分別將其中第 20 行的 evalType 修改為對應(yīng)評價方法的名稱即可。例如 main_running_OPE.m 的第 20 行可以改為：

evalType='OPE';

main_running_SRE.m 和 main_running_TRE.m 的第 20 行可以參照此法修改。

緊接著在 utils 目錄中找到 configTrackers.m 文件，將 trackers 變量賦值為僅包含 ECO 和 ECO_HC，意即只運行 ECO 和 ECO_HC 基準(zhǔn)測試。如下所示：

將 trackers 變量修改為只包含 ECO 和 ECO_HC。

基準(zhǔn)測試運行完畢后再改回原始狀態(tài)，以便生成對比圖。

接下來運行三個 matlab，然后分別執(zhí)行 main_running 文件。

注意：SRE 和 TRE 評價方法運行耗時比 OPE 評價方法要長得多，如果要運行完全部 51 個基準(zhǔn)測試，約需耗時兩天。

如果要并行運行ECO 和 ECO_HC 測試，則需要準(zhǔn)備兩份 OTB100，并修改對應(yīng)的 configTrackers.m 的 trackers 變量為分別只包含 ECO 和 ECO_HC

二、OTB100 基準(zhǔn)測試下的實驗結(jié)果對比

三種評價方法運行完畢后，修改 util\configTrackers.m 文件，啟用所有跟蹤算法，即可開始輸出實驗結(jié)果圖。如下所示：

在 trackers1 變量中加入 ECO 和 ECO_HC 的定義。

將這兩個定義加到最前面，輸出圖片時的圖例就會排在最前面。

在 Matlab 中運行 perfPlot.m 文件。隨后會彈出比較結(jié)果圖，并且在 figs 目錄下生成相應(yīng)的圖片文件。

以下為 ECO 和 ECO_HC 與其它八種跟蹤算法的比較結(jié)果圖(按不同評價方法和排序方法分別顯示。按 AUC 排序的評價方法各 12 張圖，按閾值排序的評價方法各 24 張圖，按文件名順序排序)：

2.1 OPE(按 AUC 排序)

2.2 SRE(按 AUC 排序)

2.3 TRE(按 AUC 排序)

2.4 OPE(按閾值排序，前12張為覆蓋閾值，后12張為位置誤差閾值，下同)

2.5 SRE(按閾值排序)

2.6 TRE(按閾值排序)

從以上評價方法的結(jié)果圖中可以看出，ECO\ECO_HC 的跟蹤算法效果明顯優(yōu)于其它八種算法。

2.7 測試結(jié)果和修改后的代碼下載

三、集成 VOT2015\VOT2016 數(shù)據(jù)集

3.1 準(zhǔn)備 vot-toolkit

然后在 matlab 中切換到此目錄。

3.2 準(zhǔn)備工作區(qū)

切換到此目錄后，新建 VOT2015\VOT2015HC\VOT2016\VOT2016HC，分別用于實驗 ECO\ECO_HC 針對 VOT2015\VOT2016 數(shù)據(jù)集的工作目錄。如下所示：

新建 VOT2015\VOT2015HC\VOT2016\VOT2016HC 目錄

在此目錄中運行 toolkit_path.m，然后分別切換到新建的四個目錄中，分別運行 workspace_create 命令，并根據(jù)提示為當(dāng)前跟蹤算法命名。如下所示：

帶有 HC 的目錄中的跟蹤算法可以命名為 ECO_HC，以示區(qū)別。

3.3 編寫 tracker 文件

回到 ECO 代碼目錄，在 VOT_integration\configuration_file 目錄中找到 tracker_ECO.m 文件，將其內(nèi)容覆蓋剛才生成的四個文件夾下的 tracker_ECO(_HC).m 文件，并修改 ECO_repo_path 變量為 ECO 的根目錄。

注意：ECO_repo_path 只接受單引號變量。

切換到 ECO 代碼目錄，找到 VOT_integration\benchmark_wrapper 目錄下的 setup_tracker_paths.m 文件并運行。然后返回四個 VOT 工作目錄。

這一步的目的是使 vot 工具能找到 ECO 的目錄。

執(zhí)行每個工作目錄下的 run_experiments.m 即可開始實驗。

開始實驗前會自動下載相應(yīng)的數(shù)據(jù)集。由于數(shù)據(jù)集服務(wù)器位于境外，且內(nèi)容較大，因此建議先自行到官網(wǎng)下載相應(yīng)的數(shù)據(jù)集放到 sequences 目錄下，然后再運行相關(guān)命令。

四個實驗可以并行開展。

四、VOT2015\VOT2016 數(shù)據(jù)集的實驗報告

實驗運行結(jié)束后即可以開始分析實驗結(jié)果，并與其它跟蹤算法進(jìn)行比較。

其它跟蹤算法的結(jié)果在 VOT 官網(wǎng)即可找到，在運行分析實驗結(jié)果命令前，先將對應(yīng)的結(jié)果放置在工作區(qū)目錄的 results 文件夾中。如下所示：

除了 ECO 文件夾為運行實驗時生成外，其他均為從 VOT 官網(wǎng)下載

不必將所有算法的結(jié)果都放到 results 目錄中，挑選你想要作為參考算法的結(jié)果即可。

在運行分析命令前，需要先指定比較的算法列表。打開工作區(qū)的 run_analysis.m 文件，根據(jù)提示填入你想要比較的算法名稱，如下所示：

紅框中即為要比較的算法名稱列表

注意：算法名稱要與 results 目錄下的文件夾名稱一致，否則無法加載。

準(zhǔn)備就緒后運行 run_analysis.m 文件，分析結(jié)束后會在各自工作區(qū)目錄中生成一個 report 目錄。目錄中的內(nèi)容即為此次實驗的報告。

由于 VOT 報告均已網(wǎng)頁的形式展示，在此不便展示，您可以使用合適的方式下載后查看：

報告說明

因為此次實驗的環(huán)境與其它實驗的環(huán)境存在差異，實驗報告中提到的幀率(FPS)與運行實驗的計算機(jī)配置具有很強(qiáng)的相關(guān)性，因此幀率測試結(jié)果僅供參考。

實驗環(huán)境：

Windows 10 1809 x64

未使用圖形處理器。

未使用圖形處理器的原因有二：主要是目前并不具備實驗所指定的圖形處理器；其次，論文中提到了使用英特爾酷睿i7處理器時，ECO_HC算法的效率即可達(dá)到60幀每秒以上，故本次實驗全程都使用中央處理器執(zhí)行。這也是上述提到的“幀率數(shù)據(jù)僅供參考”的原因。

如果對實驗結(jié)果有疑問，請直接在下方留言，或來信咨詢(i#vistart.me)。

贊過：

贊 正在加載……

相關(guān)

總結(jié)

以上是生活随笔為你收集整理的otb100matlab,ECO for tracking 在 OTB100 基准测试和 VOT2016 数据集中的实验结果的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。