單目標跟蹤演算法的評價指標不用我多說，因為其跟蹤情況較為簡單，已經有較為明確的判斷指標，但是一直以來，多目標跟蹤的評價指標都未統一，跟蹤演算法的**中也是用各種評價指標來分析自身的演算法，但是缺少與其它演算法的橫向比較，孰優孰劣不得而知。因為自己的畢業課題設計到這塊，需要找到一種相對來說大家用的較多的，公認度較大的一種指標來對自己設計的演算法和當前已有演算法進行比較，由此而來本文。
指標一：clear mot，來自**《evaluatingmultiple object tracking performance:the clear mot metrics》
先對該指標做乙個概述，其是由兩部分構成：motp（multiple object tracking precision）多目標跟蹤的精確度，體現在確定目標位置上的精確度；mota（multiple object tracking accuracy）多目標跟蹤的準確度，體現在確定目標的個數，以及有關目標的相關屬性方面的準確度。同時，兩者共同衡量演算法連續跟蹤目標的能力（即，在連續幀中能準確判斷目標的個數，精確的劃定其位置，從而實現不間斷的連續跟蹤）。
要設定一種評價指標，首先要分析下我們想從演算法中得到什麼樣的輸出，乙個理想的多目標跟蹤演算法應該具有如下的輸出：能精確的檢測到每個目標的位置；能保持對目標的連續跟蹤；每個目標對應乙個唯一的id，能對遮擋具有一定的魯棒性。據此可以給出評價指標的設計標準
i) 要精確的判定每個目標的位置；
ii) 能對每個目標進行連續跟蹤，每個目標對應乙個唯一的跟蹤軌跡；
同**價指標應該有如下性質：
i) 盡量少的引數，具有自適應的閾值；
ii) 清晰，可理解，符合人的直觀認知；
iii) 具有一定的普遍評價意義，能用於多種型別跟蹤的評價（2d的，3d的，行人，車輛，人臉等）；
iv) 指標的數量少而精（保正指標能描述跟蹤效果的前提下，指標的數量越少越好），這樣方便在大型系統中適用；
基於上述的標準，提出一種較為客觀的評價跟蹤演算法的指標。（以下是自己在word上寫好的，沒辦法，這裡的公式編輯太難弄了）
多目標跟蹤的評價指標
對於多目標追蹤問題，我們認為乙個理想的評價指標應該滿足下述三點要求 1 所有出現的目標都要能夠及時找到 2 找到目標位置要盡可能可真實目標位置一致 3 保持追蹤一致性，避免跟蹤目標的跳變 標準clear mot測量，包括兩個評價標準 1 multi object tracking accuracy ...
多目標優化演算法評價指標
多目標進化演算法解集的效能評價指標主要分為三個方面 1 解集的收斂性評價 convergence performance,cp 反映解集與真實pareto前沿之間的逼近程度 2 解集的均勻性評價 uniformity performance,up 體現解集中個體分布的均勻程度 3 解集的廣泛性評價 ...
多目標跟蹤演算法SOART
本文對多目標檢測方法soart進行了翻譯 文章的重點是有效地處理幀與幀之間的關聯。使用卡爾曼濾波器處理跟蹤問題的運動 使用匈牙利演算法處理資料關聯分量 文章只針對各種環境下的行人跟蹤，但是根據cnn 網路靈活性，可以應用到其他目標的跟蹤。1.文章是基於 cnn的在多目標跟蹤 2.提出了一種基於卡爾曼...