机器学习算法评估指标——2D目标跟踪人工智能graviti的博客-

在2D目标跟踪任务中，我们需要从精度、鲁棒性、运行速度等方面对算法进行综合评估。首先介绍单目标跟踪（SOT）算法的常用评估指标；其次介绍多目标跟踪（MOT）算法的常用评估指标。

单目标跟踪

APE（Average Pixel Error）

• 定义：平均像素误差，一般指中心距离，即预测框与真实框中心位置的像素距离取帧平均
• 用途：用来判断两个矩形框的靠近程度。该值越大，说明误差越大

AOR（Average Overlap Rate）

• 定义：平均重叠率，即两个矩形框交集的面积与并集的面积之比取帧平均
• 范围：0~100%
• 用途：判断两个矩形框的重叠程度，值越高则重叠程度越高，即两个框越靠近，跟踪精度越高
• Overlap Rate和 IoU 定义是完全相同的，只不过在检测任务中常写作IoU，在跟踪任务中常写作 Overlap Rate

Pixel Error threshold

• 定义：需要人为设定的像素误差的阈值，Pixel Error低于该阈值的矩形框被认为是命中目标，反之则被认为未命中
• 用途：作为区分矩形框是否命中目标的指标，阈值越小则要求矩形框与真值像素误差越小

Overlap Rate threshold

• 定义：需要人为设定的重叠率的阈值，重叠率高于该阈值的矩形框被认为是命中目标，反之则被认为未命中
• 范围：0~100%
• 用途：作为区分矩形框是否命中目标的指标，阈值越高则要求矩形框与真值重叠程度越高

Success plot

定义：序列中跟踪成功的帧数占总帧数的比例定义为跟踪成功率，选取不同的阈值，则可以得到各阈值下的成功率，连接各点形成success曲线

 以Pixel Error threshold为横坐标，以跟踪成功率为纵坐标：像素误差-成功率图 以Overlap Rate threshold为横坐标，以跟踪成功率为纵坐标：重叠率-成功率图

用途：根据曲线下的面积来衡量tracker的跟踪精确度

TRE（Temporal Robustness Evaluation）

• 定义：时间鲁棒性评估。从整个序列中截取若干段（可以重复），每段的初始帧利用ground truth进行初始化，在每一段上分别运行跟踪算法，对每一段分别进行评估，最后对总体信息进行统计。

 以OTB对时间鲁棒性的测试为例： 1）将视频序列在时间轴上平均找出20个点作为起点，终点还是原来的最后一帧，形成20段视频序列 2）对20段视频序列运行算法（使用ground-truth进行初始化），得到每段视频的APE或AOR 3）绘制平均像素误差（APE）图或者平均重叠率（AOR）图 4）时间鲁棒性测试完成

SRE（Spatial Robustness Evaluation）

• 定义：空间鲁棒性评估。对起始帧的ground truth进行shift或scale操作形成若干段测试序列，在每一段上分别运行跟踪算法，对每一段分别进行评估，最后对总体信息进行统计。

 以OTB对空间鲁棒性的测试为例： 1）将一段视频在第一帧以真实位置稍作偏移，即测试初始化位置有偏差的目标序列。具体方法是：以8个方向（8种空间位置上的偏移，包括4种中心偏移和4种角偏移）、4个尺度（4种尺度变化）形成12段测试序列 2）对12段视频序列运行算法，得到每段视频的跟踪成功率 3）将这12段序列的成功率绘制成曲线 4）空间鲁棒性测试完成

EAO（Expect Average Overlaprate）图

• 定义：以AOR作为精度的衡量标准，以跟踪算法跟丢目标的次数作为鲁棒性的衡量标准。假设一个视频序列总帧数为N，跟丢帧数为SF。以 exp(-SF/N) 为横坐标，以AOR为纵坐标，绘制出EAO图。

• 范围：0~100%（横坐标），0~100%（纵坐标）
• 用途：在一张图中同时反映精度和鲁棒性。越靠近坐标轴右上角，即AOR趋于1，SF趋于0，说明该算法精度和鲁棒性越好

EFO（Equivalent Filter Operations）

• 定义：首先测试该机器在600×600图像上，对每个像素进行30×30滤波的时间。然后将跟踪算法耗时除以该机器上进行以上滤波操作的时间，这样得到的值就是EFO值。
• 用途：是用来衡量跟踪速度的指标，通过EFO指标可以减少硬件差异带来的影响

多目标跟踪

对于多目标跟踪问题，一个理想的评价指标应该满足下述三点要求：

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可真实目标位置一致
3. 保持追踪一致性，避免跟踪目标的跳变

为了满足上述要求，论文提出了一种系统、客观的评价过程。假设每一帧图像中有目标O={o1,o2,…,on}，tracker在该帧输出的假设为H={h1,h2,…,hm}，那么评价过程包含以下步骤：

1.  建立目标和假设间的最优一一对应关系

 在目标和假设间，采取最近邻的方法，将相互距离最小的假设匹配给对应的目标。如果在H中假设hi与目标oj的距离最近，且两者的距离dij<T（T为距离阈值），则应该视假设hi和目标oj存在对应关系；反之若dij>T，则视假设hi和目标oj不存在对应关系，此时oj为一个漏检目标。  注：（1）若以IoU作为衡量假设与目标是否匹配的标准，则IoU应该越大越好，即IoU大于阈值时视为匹配。 （2）为了降低错误率，减少对应发生跳变的次数，可以在同一目标存在多个合理对应时，选择已经存在的对应。

2.  对所有的目标-假设对应，计算位置偏移误差

3.  计算累积误差：误检、漏检、跟踪目标发生跳变等

• 具体过程
  1. 对t帧，考虑Mt-1映射中的每一个对应(oi, hj)，验证其是否依然有效；
  2. 对于那些上一步没有找到对应假设的目标，在新的假设集中寻找最佳匹配，即让总的目标-假设距离最小。在这个过程中可以统计匹配发生跳变的次数mmet，作为t帧的mismatch errors；
  3. 至此可以找到所有的目标-假设对应，所有的对应个数记为c-t，计算每一个对应的距离；
  4. 剩下的未找到对应的目标和假设个数分别记为mt和fpt，并用gt表示t帧真正目标的个数；
  5. 从第一帧开始逐帧计算上述变量，第一帧没有mme。

由此可以定义以下评估指标。

MOTP（Multiple Object Tracking Precision）

• 定义：算法输出与目标真值的平均偏差

• 用途：综合漏检率、误检率以及 ID 跳变率来评估跟踪准确度

MT（Mostly Tracked）

• 定义：满足目标真值至少在80%的时间内都匹配成功的track，在所有追踪目标中所占的比例。

ML （Mostly Lost）

• 定义：满足目标真值在小于20%的时间内匹配成功的track，在所有追踪目标中所占的比例。

 注：这里的MT和ML与当前track的ID是否发生变化无关，只要算法输出与目标真值匹配上即可。

FM（Fragmentation）

• 定义：每当轨迹将其状态从跟踪状态改变为未跟踪状态，并且在稍后的时间点跟踪相同的轨迹时，就会对FM进行计数。

 注：（1）FM与ID是否发生变化无关 （2）FM计数时要求目标的状态需要满足：tracked->untracked->tracked

• 用途：用来评估跟踪完整性