天天看點
傳回

tracker_benchmark_v1.0配置過程中出現的問題及解決方案

畢業設計是CV方向的，一直在調試tracker_benchmark_v1.0的代碼，遇到了很多的問題，本篇部落格記錄我遇到的問題和解決的辦法，也許還有錯誤的地方，歡迎大家一起讨論研究~

一、介紹和注意事項

我用的環境是MATLAB2019b

首先是到Visual Tracker Benchmark官網下載下傳壓縮包

解壓得到檔案後會有十五個項目，這裡我對幾個重要的項目進行介紹

項目名稱 存儲的内容或功能
figs overall檔案夾下存儲perfPlot.m運作得到的圖像，每次運作結果會得到24張圖檔，其中12張準确率圖12張成功率圖，12張圖檔中1張是全局對比圖11張是11種挑戰屬性下對比圖
perfMat overall檔案夾下存儲perfPlot.m運作得到的圖像對應的.mat檔案，一般有兩個
results 存儲的是main_running.m運作生成的.mat檔案
tmp imgs檔案夾下存儲的是drawResultBB.m運作得到的實時跟蹤圖
trackers 一共23個項目，其中VIVID_Tracker中包含5種跟蹤算法
util 存儲的是一些重要的.m檔案
drawResultBB.m 用于繪制實時跟蹤圖
main_running.m 用于生成.mat檔案
perfPlot.m 用于繪制準确率和成功率對比曲線

注意

1.11種挑戰屬性

挑戰屬性縮寫 挑戰屬性含義
IV 光照變化
SV 尺度變化
OCC 遮擋
DEF 形變
MB 運動模糊
FM 快速運動
IPR 平面内旋轉
OPR 平面外旋轉
OV 離開視野
BC 相似背景
LR 低分辨率

2.我有一個習慣就是每次運作不同跟蹤算法的perfPlot.m之前，我都會删除figs\overall和perfMat\overall下的所有檔案

3.我們需要手動在results檔案夾下建立一個results_OPE_CVPR13檔案，存放OPE标準下生成的.mat檔案

4.我們需要手動在tmp檔案夾下建立OPE.txt和SRE.txt，用于存儲OPE标準下或SRE标準下運作程式生成的日志

5.util檔案夾下我們主要修改configSeqs.m和congfiTrackers.m

運作的流程主要是main_running.m生成.mat檔案，drawResultBB.m生成實時跟蹤圖，perfPlot.m生成對比曲線圖。

二、configSeqs.m配置

1.到Visual Tracker Benchmark官網下載下傳OTB資料集所有視訊序列，包括OTB50和OTB100（依次點選每個圖檔）

如果你覺得費勁

OTB50網盤連結，提取碼：2gvh

OTB100網盤連結，提取碼：cqiw

2.修改configSeqs.m視訊路徑

按照下述方法修改，主要就是把視訊路徑更改一下然後在後面加上\img

如果你覺得費勁

修改好的configSeqs.m網盤連結，提取碼：59jv

（視訊是在OTB50還是OTB100我已經對應好了，你隻需要修改前面的路徑，也就是C:\Users\86139\Desktop\這塊内容）

seqVTD={struct('name','singer1','path','C:\Users\86139\Desktop\otb100\Singer1\img\','startFrame',1,'endFrame',351,'nz',4,'ext','jpg','init_rect', [0,0,0,0]),...
    struct('name','soccer','path','C:\Users\86139\Desktop\otb50\Soccer\img\','startFrame',1,'endFrame',392,'nz',4,'ext','jpg','init_rect', [0,0,0,0]),...
    struct('name','matrix','path','C:\Users\86139\Desktop\otb50\Matrix\img\','startFrame',1,'endFrame',100,'nz',4,'ext','jpg','init_rect', [0,0,0,0]),...
    struct('name','ironman','path','C:\Users\86139\Desktop\otb50\Ironman\img\','startFrame',1,'endFrame',166,'nz',4,'ext','jpg','init_rect', [0,0,0,0]),...
    struct('name','deer','path','C:\Users\86139\Desktop\otb50\Deer\img\','startFrame',1,'endFrame',71,'nz',4,'ext','jpg','init_rect', [0,0,0,0]),...
    struct('name','skating1','path','C:\Users\86139\Desktop\otb50\Skating1\img\','startFrame',1,'endFrame',400,'nz',4,'ext','jpg','init_rect', [0,0,0,0]),...
    struct('name','shaking','path','C:\Users\86139\Desktop\otb50\Shaking\img\','startFrame',1,'endFrame',365,'nz',4,'ext','jpg','init_rect', [0,0,0,0]),...
    struct('name','singer2','path','C:\Users\86139\Desktop\otb50\Singer2\img\','startFrame',1,'endFrame',366,'nz',4,'ext','jpg','init_rect', [0,0,0,0])};

三、configTrackers.m配置

1.其中包含三個部分trackersVIVID、trackers1、trackersEXE，我是注釋了三個部分（ctrl+r），然後自己寫了一個子產品trackersTEST，測試CXT和CSK跟蹤算法（你有什麼需求可以更改對應的代碼），對應的代碼如下

function trackers=configTrackers

trackersTEST={struct('name','CSK','namePaper','CSK'),...
    struct('name','CXT','namePaper','CXT')};

trackers = [trackersTEST];

2.至于trackerVIVID中包含的MS、PD、RS、TM、VR5種跟蹤算法，我一直沒有調試出來，調試運作到每個run_XXX.m檔案中報錯

函數或變量tkMeanShift_Init未定義
函數或變量tkMeanShift_Next未定義
函數或變量tkPeakDifference_Init未定義
函數或變量tkPeakDifference_Next未定義
函數或變量tkRatioShift_Init未定義
函數或變量tkRatioShift_Next未定義
函數或變量tkTemplateMatch_Init未定義
函數或變量tkTemplateMatch_Next未定義
函數或變量tkVarianceRatio_Init未定義
函數或變量tkVarianceRatio_Next未定義

其中每個函數都有對應的dll檔案，我一開始懷疑自己的MATLAB版本過高，無法解析動态dll庫，以緻函數無法識别，但是我嘗試了很多版本的MATLAB以後發現還是不行，如果有解決這個問題的同學，歡迎一起交流讨論（最後我是放棄了這五個跟蹤算法，還有很多跟蹤算法在調試的過程中出現問題，我也是直接選擇了放棄，我主要利用這個資料集進行自己算法和KCF等一些算法的比較，是以這些算法沒有調試出來也沒有太大的影響）

注意

1.像視訊序列Jogging裡面有兩個groundtruth_rect.txt，對于這種視訊序列，我們把其一分為二，分成Jogging-1和Jogging-2兩個視訊序列（其中的img檔案夾是一樣的，這種情況是因為視訊序列中由兩個跟蹤目标，每一個.txt檔案對應其中一個目标的pos和target_sz）

四、main_running.m配置

1.我建議把MATLAB的目前檔案夾改成tracker_benchmark_v1.0，這樣所有的addPath都不會報錯，否則需要更改為絕對路徑

tracker_benchmark_v1.0配置過程中出現的問題及解決方案

2.下載下傳vlfeat工具，修改代碼第八行（對應好自己的路徑和vlfeat的版本）

3.把代碼第20行更改為OPE，資料集一共有三種評價标準OPE、SRE、TRE，其中OPE需要運作1次，SRE需要運作12次，TRE需要運作20次（其中TRE第1次結果為OPE）。我建議選擇OPE評價标準，因為隻需要運作一次，而且能滿足你的絕大部分需求。此外，有的跟蹤算法光是OPE一個視訊就要跑很久，如果是SRE或者TRE的話，沒幾天下不來。

運作之後的結果圖

tracker_benchmark_v1.0配置過程中出現的問題及解決方案
tracker_benchmark_v1.0配置過程中出現的問題及解決方案

一共是102個項目，一個跟蹤算法有51個項目

tracker_benchmark_v1.0配置過程中出現的問題及解決方案

注意

1.如果需要調試代碼的話，建議在第136和第144行設定兩個斷點，如果調試到第140行的時候直接跳轉到end，說明目前檔案不在tracker_benchmark_v1.0目錄下，極大可能是進入到了trackers下的某個算法檔案夾中，需要手動傳回上一級目錄；第136行運作結束後進入到相應算法的run_XXX.m，我一般習慣再在run_XXX.m中設定斷點進行調試，最好在run_XXX.m最後一部分顯示fps（一般在計算fps的下一行添加，如果原檔案有顯示的話就不必了，如果能顯示出fps的話，基本上這個算法是沒問題的，如果調試後遲遲沒顯示fps，就是太慢了）

2.如果顯示empty all表示錯誤運作，生成empty all的原因是已經存在了對應算法的.mat檔案，是以代碼在第105行進入到了checkResult.m，在load相應的.mat的檔案時發現為空，說明生成了錯誤的.mat檔案，需要手動删除results_OPE_CVPR13目錄下的所有.mat檔案（這裡說明，如果已經生成了.mat檔案且沒有錯誤的情況下，再次運作main_running.m不會生成新的.mat檔案，如果有需求則需要删除原來的所有.mat檔案）

3.如果在調試的過程中能夠顯示跟蹤算法的fps但是一直顯示error的話，建議把第157~163行注釋掉

五、drawResultBB.m配置

我們把results_OPE_CVPR13中的結果，也就是102個項目複制到results_SRE_CVPR13和results_TRE_CVPR13中（在results_SRE_CVPR13和results_TRE_CVPR13已經存在各個算法的.mat檔案，由于我這次舉得例子是CXT和CSK算法的對比，是以選擇替換，還是根據自己的需求進行更改）

運作drawResultBB.m，在tmp\imgs檔案夾下可以看到每個視訊序列中每一幀的實時跟蹤圖，由于我是進行了兩種算法的對比，是以有兩種框線

tracker_benchmark_v1.0配置過程中出現的問題及解決方案
tracker_benchmark_v1.0配置過程中出現的問題及解決方案

六、perfPlot.m配置

1.代碼的第49~59行是生成曲線圖的形狀配置，可以是直線、虛線、點等形狀，原代碼

plotDrawStyle10={   struct('color',[1,0,0],'lineStyle','-'),...
    struct('color',[0,1,0],'lineStyle','--'),...
    struct('color',[0,0,1],'lineStyle',':'),...
    struct('color',[0,0,0],'lineStyle','-'),...%    struct('color',[1,1,0],'lineStyle','-'),...%yellow
    struct('color',[1,0,1],'lineStyle','--'),...%pink
    struct('color',[0,1,1],'lineStyle',':'),...
    struct('color',[0.5,0.5,0.5],'lineStyle','-'),...%gray-25%
    struct('color',[136,0,21]/255,'lineStyle','--'),...%dark red
    struct('color',[255,127,39]/255,'lineStyle',':'),...%orange
    struct('color',[0,162,232]/255,'lineStyle','-'),...%Turquoise
    };

由于我喜歡直線，是以我都改成了直線圖（看自己的需求）

plotDrawStyle10={   struct('color',[1,0,0],'lineStyle','-'),...
    struct('color',[0,1,0],'lineStyle','-'),...
    struct('color',[0,0,1],'lineStyle','-'),...
    struct('color',[0,0,0],'lineStyle','-'),...%    struct('color',[1,1,0],'lineStyle','-'),...%yellow
    struct('color',[1,0,1],'lineStyle','-'),...%pink
    struct('color',[0,1,1],'lineStyle','-'),...
    struct('color',[0.5,0.5,0.5],'lineStyle','-'),...%gray-25%
    struct('color',[136,0,21]/255,'lineStyle','-'),...%dark red
    struct('color',[255,127,39]/255,'lineStyle','-'),...%orange
    struct('color',[0,162,232]/255,'lineStyle','-'),...%Turquoise
    };

2.由于我們主要測試OPE評價标準下跟蹤算法的性能，是以我們将原代碼第103行和第142行改為

103：
evalTypeSet = 'OPE';
142：
evalType = evalTypeSet;%SRE, TRE, OPE

3.為了得到準确率圖和成功率圖，我們将第105行修改為

在figs\overall檔案夾下生成了24張圖檔，12張準确率圖12張成功率圖

tracker_benchmark_v1.0配置過程中出現的問題及解決方案
tracker_benchmark_v1.0配置過程中出現的問題及解決方案
tracker_benchmark_v1.0配置過程中出現的問題及解決方案

全部的流程大概就是這樣，如果大家有什麼疑問或者本篇部落格有什麼錯誤，歡迎大家到下方評論，我有時間一定會及時解答

cv 目标跟蹤 OTB benchmark
上一篇: 【論文閱讀】目标跟蹤： UpdateNet - 精讀筆記 （通讀第一遍）AbstractIntroductionRelated WorkMethodExperiment
下一篇: android 遊戲引擎 排行_4月旗艦手機性能排行榜：小米10 Pro第四，OPPO Ace2第五

繼續閱讀