多目标跟踪的评价指标

多目标跟踪的评价指标

引用

CSDN

1.

https://blog.csdn.net/u013925378/article/details/103064719

对于多目标追踪问题，一个理想的评价指标应该满足以下三点要求：

1. 所有出现的目标都要能够及时找到
2. 找到目标位置要尽可能接近真实目标位置
3. 保持追踪一致性，避免跟踪目标的跳变

标准的CLEAR-MOT测量包括两个主要评价标准：

多目标跟踪准确度（MOTA）

MOTA衡量的是跟踪系统在所有帧中所有目标的误检、漏检和错误匹配情况。其计算公式如下：

• 漏检率：基于所有帧中总目标数的占比
• 误检率：
  
• 错误匹配率：
  

将这三种不同错误比率合计起来就是总错误率Etot，而1-Etot是跟踪准确率的结果。MOTA计算跟踪在所有帧中所有目标的误检、漏检和错误匹配，非常直观地给出了衡量跟踪识别目标和保持一致性的能力，且与估计目标位置精确度无关。

多目标跟踪精度（MOTP）

MOTP衡量的是所有帧中匹配的目标-预测对的总位置估计误差与匹配对数的比值。它衡量了跟踪估计目标位置精确度的能力，但不衡量跟踪的识别目标结构能力，以及保持跟踪一致性能力等。

MOTP和MOTA两个指标同时很高，那么tracker的性能就越好。

计算错误率的注意事项

在计算MOTP和MOTA时，都是计算的整个tracking过程的平均值，而不是每一帧的结果。这是因为单帧计算这些变量然后再计算平均往往会导致和直观上不同的结果。对于MOTP和MOTA，在计算最终均值或者比率之前，先汇总所有帧中的错误很重要。如果先计算每帧的错误率，然后再合计求平均，那么结果可能违反直观意义。

例如，假设有一个长度为8帧的序列。从第一帧到第四帧有o1,o2,o3,o4四个可见的目标，但是都没有被跟踪识别出来。从第五帧到第八帧只有一个o4目标，不过被h1跟踪识别出来了。对于第一帧到第四帧来说目标百分之百的被漏检了，漏检率就是100%。而第五帧到第八帧都没有漏检，漏检率为0%。那么平均漏检率就为(100%*4+0%*4)/8=50%。但是换一种算法，所有帧出现的总目标个数有20个，漏检个数有16个，则漏检率为16/20=80%，显然后一种算法的结果更符合直观意义一些。

额外引入的评价指标

• Recall（↑）：正确匹配的检测目标数/ground truth给出的目标数
• Precision（↑）：正确匹配的检测目标数/检测出的目标数
• MT（↑）：目标的大部分被跟踪到的轨迹占比（大于百分之八十）
• ML（↓）：目标的大部分跟丢的轨迹占比（小于百分之二十）
• PT（↓）：目标部分跟踪到的轨迹占比（1 - MT – ML）
• FM（↓）：真实轨迹被打断的次数
• IDS（↓）：一条跟踪轨迹改变目标标号的次数
• MOTA（↑）：结合了丢失目标、虚警率、标号转换之后的准确性
• MOTP（↑）：所有跟踪目标的平均边框重叠率