Sep 24, 2018 原创文章
目标跟踪（2）-- 常用的算法测试数据集
OTB50 和 OTB100
下载地址：http://cvlab.hanyang.ac.kr/tracker_benchmark/index.html
OTB50拥有50个测试序列，由韩国汉阳大学计算机视觉实验室于2013年发布，因此也被称为OTB2013，而OTB100于2015年发布，亦被称为OTB2015，是对OTB50的扩充，在OTB50的基础上补充了50个新的测试序列。
VOT 数据集
下载地址：http://www.votchallenge.net/index.html
VOT测试集由VOT目标跟踪挑战赛主办方发布，用以测试相关算法的性能，且每年都会进行更新。
OTB和VOT的区别
OTB包括25%的灰度序列，但VOT都是彩色序列，这也是造成很多颜色特征算法性能差异的原因；两个库的评价指标不一样，具体请参考论文；VOT库的序列分辨率普遍较高，这一点后面分析会提到。对于一个tracker，如果论文在两个库(最好是OTB100和VOT2016)上都结果上佳，那肯定是非常优秀的(两个库调参你能调好，我服，认了~~)，如果只跑了一个，个人更偏向于VOT2016，因为序列都是精细标注，且评价指标更好(人家毕竟是竞赛，评价指标发过TPAMI的)，差别最大的地方，OTB有随机帧开始，或矩形框加随机干扰初始化去跑，作者说这样更加符合检测算法给的框框；而VOT是第一帧初始化去跑，每次跟踪失败(预测框和标注框不重叠)时，5帧之后重新初始化，VOT以short-term为主，且认为跟踪检测应该在一起不分离，detecter会多次初始化tracker。
OTB在2013年公开了，对于2013以后的算法是透明的，论文都会去调参，尤其是那些只跑OTB的论文，如果关键参数直接给出还精确到小数点后两位，建议您先实测(人心不古啊~被坑的多了)。VOT竞赛的数据库是每年更新，还动不动就重新标注，动不动就改变评价指标，对当年算法是难度比较大，所以结果相对更可靠。（相信很多人和我一样，看每篇论文都会觉得这个工作太好太重要了，如果没有这篇论文，必定地球爆炸，宇宙重启~~所以就像大家都通过历年ILSVRC竞赛结果为主线了解深度学习的发展一样，第三方的结果更具说服力，所以我也以竞赛排名+是否公开源码+实测性能为标准，优选几个算法分析）
引用自：https://www.zhihu.com/question/26493945/answer/156025576
数据集分类
在OTB数据集中，其以手工标定的方式对测试序列进行了分类。
| 分类 | 说明 |
|---|---|
| IV | Illumination Variation - 光线变化 目标所在区域的光线发生显著变化 |
| SV | Scale Variation - 尺度变化 第一帧和当前帧的边界框的比率超出范围ts，ts> 1（ts = 2） |
| OCC | Occlusion - 遮挡 目标被部分遮挡或完全遮挡 |
| DEF | Deformation - 形变 目标发生非刚性形变 |
| MB | Motion Blur - 运动模糊 由于目标或者镜头的运动而产生的模糊 |
| FM | Fast Motion - 快速移动 运动的真实值（ground truth）大于 tm 个像素 (tm=20) |
| IPR | In-Plane Rotation - 平面内旋转 目标在图像平面内发生旋转 |
| OPR | Out-of-Plane Rotation - 平面外旋转 目标在图像平面外发生旋转 |
| OV | Out-of-View - 目标消失 目标的一部分在视野之外 |
| BC | Background Clutters - 背景杂乱 背景与目标相似（具有相似的颜色和纹理图案） |
| LR | Low Resolution - 低分辨率 边界框（bounding box ）的真实值小于 tr (tr =400). |
参考资料：
- Visual Tracker Benchmark » Attributes http://cvlab.hanyang.ac.kr/tracker_benchmark/datasets.html
- 计算机视觉中，目前有哪些经典的目标跟踪算法？ - YaqiLYU的回答 - 知乎 https://www.zhihu.com/question/26493945/answer/156025576
