【目标跟踪】MOT数据集GroundTruth可视化
MOT数据集格式简介
MOT15数据集下载:https://pan.baidu.com/s/1foGrBXvsanW8BI4eybqfWg?pwd=8888
以下为一行gt示例:
1,1,1367,393,73,225,1,-1,-1,-1
各列数据对应含义如下
<frame>,<id>,<bb_left>,<bb_top>,<bb_width>,<bb_height>,<conf>,<x>,<y>,<z>
- frame:图片帧id
- id:目标id
- bb_left:bbox左上角坐标x
- bb_top:bbox左上角坐标y
- bb_width:bbox的宽度
- bb_height:bbox的高度
- conf:置信度
- x:三维坐标系x值,对于二维任务填充为-1
- y:三维坐标系y值,对于二维任务填充为-1
- z:三维坐标系z值,对于二维任务填充为-1
gt可视化
由于是跟踪任务,因此在可视化检测框的同时进一步添加箭头,用来标识目标的运动轨迹。
处理思路是读取一张图片后,同时读取两张图片的gt,若两张图片同时包含同一个目标,则用箭头连接前一帧bbox的中心点和后一帧bbox的中心点。
具体代码如下:
import cv2def match_obj(obj_list, obj_id):try:index = obj_list.index(obj_id)except:index = -1return indexdef main(i):img = cv2.imread("img/" + "0000{:0>2d}.jpg".format(i))img2 = imgwith open('gt/gt.txt', 'r') as f:lines = f.readlines()object_list = []center_list = []for line in lines:img_id = line.split(',')[0]if img_id == str(i):object_id = line.split(',')[1]object_list.append(object_id)x, y, w, h = int(line.split(',')[2]), int(line.split(',')[3]), int(line.split(',')[4]), int(line.split(',')[5])center1 = (int(int(x) + int(w) / 2), int(int(y) + int(h) / 2))center_list.append(center1)if img_id == str(int(i) + 1):object_id = line.split(',')[1]index = match_obj(object_list, object_id)x, y, w, h = int(line.split(',')[2]), int(line.split(',')[3]), int(line.split(',')[4]), int(line.split(',')[5])center2 = (int(int(x) + int(w) / 2), int(int(y) + int(h) / 2))if index != -1:img2 = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255))img2 = cv2.arrowedLine(img2, center_list[index], center2, (0, 255, 255), 1, 8, 0, 0.5)cv2.imwrite("result/" + "0000{:0>2d}.jpg".format(i), img2)if __name__ == '__main__':for i in range(1, 52):main(i)
可视化效果如图所示:
【目标跟踪】MOT数据集GroundTruth可视化相关推荐
- 单目标跟踪——【数据集基准】RGB数据集OTB / NFS / TrackingNet / LaSOT / GOT-10k / UAV123 / VOT 简介
入手单目标跟踪的三个方面之数据集简介 目前单目标跟踪领域有哪些公认比较好的数据集? 这可以从一些优秀论文中找,看他们在验证自己的tracker用到哪些数据集.这些数据集的侧重不一,有的会包含快速移动: ...
- 【目标跟踪】|数据集汇总
测试使用的数据集 OTB在它的第一个[9]和第二个[12]版本中分别收集了51个和100个移动对象,而ALOV++[21]提供了一个更大的超过300个视频的池.VOT[4].[5].[8]是自2013 ...
- 目标跟踪OTB数据集使用过程中遇到的坑
记录一下使用OTB过程遇到的一些问题. 刚刚拿到这个toolkit,一开始以为可以直接跑了,发现其实最好的是把你的tracker弄成一个exe放到它的trackers文件夹底下,然后跑main_run ...
- 单目标跟踪SiamMask:特定目标车辆追踪 part2
日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) CNN:RCNN.SPPNet.Fast RCNN.Faste ...
- 目标跟踪论文(一):SiamFC孪生网络
Fully-Convolutional Siamese Networks for Object Tracking 项目网页 http://www.robots.ox.ac.uk/~luca/siame ...
- android opencv kcf,目标跟踪的深度学习方法 与 opencv 实现 kcf 方法
目标跟踪的深度学习方法 与 opencv 实现 kcf 方法 算法选型 10 2.1. 现有算法分类 10 2.2. 图像目标跟踪方法 11 1. 概述 1.1. 背景 行为识别的前提是需要对人体目标 ...
- 352万帧标注图片,1400个视频,亮风台推最大单目标跟踪数据集
CVPR 2019期间,专注于AR技术,整合软硬件的人工智能公司亮风台公开大规模单目标跟踪高质量数据集LaSOT,包含超过352万帧手工标注的图片和1400个视频,这也是目前为止最大的拥有密集标注的单 ...
- 无需标注数据集,自监督注意力机制就能搞定目标跟踪
选自towardsdatascience 作者:Rishab Sharma 机器之心编译 编辑:陈萍.杜伟 深度学习的蓬勃发展得益于大规模有标注的数据驱动,有监督学习推动深度模型向着性能越来越高的方向 ...
- 注意力机制可视化_目标跟踪中的(STAM)时空注意力机制
目标跟踪分为单目标跟踪和多目标跟踪,单目标跟踪较为简单,这里我们只讨论多目标跟踪. 多目标跟踪的遮挡问题 多目标跟踪时特别容易发生目标间的相互遮挡,从而导致严重的预测偏移问题,如下图所示: 红色框的行 ...
最新文章
- 最简单的前后端分离部署(Koa2)
- maven web project打包为war包,目录结构的变化
- ASP.NET MVC: EF 没有创建数据库表
- 监控 WebBrowser 控件内容的改变
- 从零点五开始用Unity做半个2D战棋小游戏(三)
- 基于Xml 的IOC 容器-解析配置文件路径
- Swift入门 新浪微博
- LeetCode 298. 二叉树最长连续序列(自顶向下)
- java 结合redis队列_在 Java 中使用 redis 的消息队列服务
- 《机器学习实战》第二章学习笔记:K-近邻算法(代码详解)
- 从IP盗窃知悉:你的知识产权如何被盗?
- 关于http协议详解(摘)
- 重命名从喜马拉雅下载的音频文件
- jquery 库下载地址http://www.jq22.com/jquery-info122
- 2021年中国嵌入式系统软件业务收入及业务收入结构分析[图]
- 手机加上芯片可看免费电视 明年国内将上市(图)
- 详解三大专利类型之首:发明专利
- SpringCloud—笔记(三)高级篇
- 调整兰德系数(Adjusted Rand index,ARI)的计算
- 使用Java+SSM框架+JSP开发简单在线电影推荐网 电影推荐系统 豆瓣电影爬虫 基于用户、物品的协同过滤推荐算法 大数据 机器学习 SimpleMovieRecommendOnline