常用视频跟踪测试数据集--(Visual Tracking Benchmark)

多目标跟踪(Multi-Object Tracking, MOT)是计算机视觉中一项关键且具有挑战性的任务，旨在从视频序列中检测多个目标并维持它们的身份标识(ID)跨帧一致。与单目标跟踪不同，MOT需要同时处理多个目标的出现、消失、遮挡和交互等问题，是许多实际应用系统的核心技术。多目标跟踪通常被建模为"检测+关联"的两阶段问题：首先在每帧中检测所有感兴趣的目标，然后将这些检测结果跨帧关联以形成各目标的运动轨迹。检测跟踪分离范式(Detection-Based Tracking)

本文系统综述了卫星视频单目标跟踪(SOT)的研究进展，针对现有方法在旋转目标跟踪上的不足，提出了首个卫星视频旋转目标跟踪基准OOTB。该基准包含110段视频序列(29890帧)，覆盖车辆、船舶、飞机和火车四类目标，所有帧均采用旋转包围框(OBB)标注，并定义了12类细粒度属性。通过评测33种前沿跟踪器(58个模型)发现：基于孪生网络的跟踪器性能最优；旋转、完全遮挡和背景杂波是最具挑战性的场景；融合外观与运动特征的跟踪器表现更鲁棒。研究为卫星视频跟踪领域提供了标准化评测平台和性能基线，并指出未来应在特征融合、

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年以来每年与ICCV和ECCV研讨会一起举办的年度视觉对象跟踪挑战赛。之后还提出了其他几个旨在解决具体问题的数据集。它们包括大规模人员和刚性目标跟踪数据集NUS_PRO[17]、长期空中跟踪数据集UAV123/UAV20L[15]、彩色跟踪数据集TColor-128[16]、长期跟踪数据集OxUvA[13]、热跟踪数据集PTB-

（1）MOT数据集MOT16下载地址：链接：https://pan.baidu.com/s/1H7v6oyqpy9UKtRplS_PZVA提取码：t7vyMOTChallenge是目前MOT领域使用最多的数据集，主要是针对行人多目标跟踪任务，包括MOT15、MOT16、MOT17和MOT20等数据集（2）KITTI数据集KITTI数据集是目前全球最大的自动驾驶场景数据集，支持双目、光流、视觉测距、3D目标检测和3D跟踪等任务。

入手单目标跟踪的三个方面之数据集 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；有的包含出视野；有的会侧重测试tracker的长时记忆，所以熟悉一些常用数据集极其特性很有必要，这些数据集往往也有不同的评价指标。 数据集的评价指标不一，是为了更全面的测评tracker的性能。 OTB2013和OTB2015 OTB2013 [paper]和OTB2015 [paper] 这两个数据集别名

5. BENCHMARK RESOURCES FOR VISUAL OBJECT TRACKING 为了评价不同种跟踪算法的效果，需要同样的测试视频数据集，真值，和需要比较算法的实现。Table VI列举了当前可获得的公开主要资源。另一个重要的问题是如何定性和定量地评价跟踪算法。通常， 定性评价是基于人们直观的感受的。换句话说，如果计算的目标区域覆盖更多对的含有目标区域和少的没有目标像素，这个跟踪

Visual Tracker Benchmark v1.0全过程配置方法,测试跟踪序列OTB50/OTB100前言：最近在实习公司做long-time tracking算法.主要目的是在实时的前提下,解决长时跟踪中遇到的out of view,occlusion,fast motion等问题(目前这个算法应对变形能力较差,需要改进!).写完了算法，接下来开始测试算法性能。目前主流的跟踪测试集有两个：

fDSST算法的实现需要以下几个核心库的支持：库名称用途说明版本要求NumPy矩阵运算和数值计算基础>=1.18.0OpenCV图像处理和目标可视化>=4.2.0SciPy科学计算（特别是QR分解等运算）>=1.5.0Matplotlib特征可视化与结果分析可选。

搜罗一下，感觉没人把常见的目标跟踪数据集下载链接汇总整理的，这里就整理一下，因为有些网址很难打开，这里也是想方便之后大家获取，来看看吧！我就从大佬图中来找几个吧！因为不是全接触过，有些链接不是很好，有小伙伴有更好的建议，欢迎评论 ！ 请大家遵守相关的license，数据集仅供教育和研究使用 OTB Visual Tracker Benchmar：http://cvlab.hanyang.ac...

(Online Object Tracking Benckmark)，它是一个经典的目标跟踪数据集，包含了100个视频序列，涵盖了各种场景和挑战性的情况，有很多个评价指标，比如：APE、AOR。AUC：指的是ROC曲线下的面积，使用AUC作为评价指标是因为在某些情况ROC曲线并不能清晰的说明哪个分类器好，而AUC是一个数值，值越大，分类器效果越好；是一个针对视觉目标跟踪的挑战性数据集，包含了多个视频序列，并提供了丰富的挑战性标注，如目标尺度变化、遮挡、快速运动等，主要的评价指标有A、R、EAO、EFO。

之前做了一段时间的目标跟踪算法（以单目标跟踪SOT为主）的研究，学习了四十多篇顶会论文。所以，我新成立了专栏。专栏中，将论文笔记与大家分享，方便大家快速了解目标跟踪的进展，掌握不同算法思想。欢迎大家讨论，在评论区写出自己的想法～本文是对目标跟踪常见的数据集的整理，与大家分享。其他顶会论文的分析笔记，见专栏中的其他文章，欢迎关注～

YOLOv5+deepsort的多目标跟踪。

目前，目标跟踪作为计算机视觉中的一个重要的研究课题，在民用和军事等很多方向有着广泛的应用前景，主要包括自动驾驶、精准制导、视频监控等，而在这些领域寻求一定的精度和速度以及鲁棒性指标具有重要的工程意义。现在主要研究的目标跟踪算法一般是在给定一个视频序列的第一帧中目标位置的基础上，对后续帧中的原始目标进行跟踪。由于目标抖动、局部遮挡、背景光照变化、形状改变、快速运动等原因，在该领域仍然具有很大的挑战。 现有的目标跟踪算法主要有两大类：生成式方法和判别式方法，现在大部分SOTA的跟踪算法都是tracking-by

1. GOT-10k 《GOT-10k: A Large High-Diversity Benchmark for Generic Object Tracking in the Wild》 Generic Object Tracking Benchmark，提供了一个通用目标跟踪基准，发布于2018年。 网站：GOT-10k: Generic Object Tracking Benchmark (http://got-10k.aitestunion.com/) 完整数据大概有 666666 GB。 部分数据

多目标跟踪-训练自己的数据集

9、可见比例（visibility ratio），因为object的遮挡和图像边框裁剪,用一个介于0和1之间的数字表示该object的可见程度。2、3、4、5、接下来的四个数字表示行人在二维图像坐标中的边界框位置。6、是否考虑 the entry，flag： considered (1) ， ignored (0)最后三个7、 8、 9都是-1，xyz，具体怎么用，未知。2、3、4、5 bbox坐标（x, y, w, h）就像数据库里面的表，表达一对多的关系。0、Frame ID 表示帧ID。

MOT可视化