原文地址：
http://blog.csdn.net/fengying2016/article/details/72870566
在目标跟踪领域，visual tracker benchmark给不同的算法提供一个基准，这个基准从2013年提出，基本上目标跟踪的论文中都用到了这个基准。
2013年论文链接：
Online Object Tracking: A Benchmark （CVPR 2013）
http://faculty.ucmerced.edu/mhyang/papers/cvpr13_benchmark.pdf
2015年论文链接。
Object Tracking Benchmark。
http://faculty.ucmerced.edu/mhyang/papers/pami16_object_tracking_benchmark.pdf
官方链接：
http://cvlab.hanyang.ac.kr/tracker_benchmark/
新版的OTB补充了50个video，加上过去的50个组成了100个video。
下载Benchmark V1.0，在result里面可以看到已经存在了关于各种tracker在不同数据集上的结果了。
添加、测试自己的代码
（假设自己编写的目标跟踪代码为KCF1）
1.首先将代码先拷到tackers/这个文件夹下，你会发现里面已有好多算法的代码文件夹了；
2. 打开/util/configTrackers.m这个函数，在trackers1这个结构体中添加上你的代码的名字，比如：
struct(‘name’,’KCF1’,’namePaper’,’KCF1’)；
3. 修改自己的代码使其满足格式要求。
将自己的代码名字改为run_xxx.m格式，例如run_KCF1.m 。
代码开头必须是以下格式：
functionresults=run_CT(seq, res_path, bSaveImage)
Seq代表着输入的图片。
中间部分是自己目标跟踪的程序。
代码结尾格式：
results.type='rect';results.res = rect_position;results.fps = fps;
rect_position代表目标框左上角坐标。
4.运行main_running.m函数
将evalType分别改为’SRE’和’TRE’，运行main_running.m函数，
得到的结果是在文件夹results中的results_SRE_CVPR13和results_TRE_CVPR13。TRE结果的第一项其实就是OPE。
网友评论