目标跟踪 MOT数据集和可视化

目录

MOT15数据集格式简介

gt可视化

本人修改的GT可视化代码:


MOT15数据集格式简介

以下内容转自:【目标跟踪】MOT数据集GroundTruth可视化-腾讯云开发者社区-腾讯云

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>

复制

  • 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。

只能跟踪一个人:

import osimport cv2
def match_obj(obj_list, obj_id):try:index = obj_list.index(obj_id)except:index = -1return indexif __name__ == '__main__':dir_a=r'B:\data\track\MOT15\train\ADL-Rundle-6'img_dir=r'B:\data\track\MOT15\train\ADL-Rundle-6/'txt_paths = files = ['%s/%s' % (i[0].replace("\\", "/"), j) for i in os.walk(dir_a) for j in i[-1] if j.endswith(('gt.txt', '.xpng'))]img_i=1track_show=Trueimg = cv2.imread(img_dir+"/img1/" + "0000{:0>2d}.jpg".format(img_i))img2 = imgfor txt_path in txt_paths:with open(txt_path, 'r') as f:lines = f.readlines()object_list = []center_list = []for line in lines:img_id = line.split(',')[0]if img_id == str(img_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(img_i) + 1):img_i+=1img = cv2.imread(img_dir + "/img1/" + "0000{:0>2d}.jpg".format(img_i))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)if track_show:cv2.imshow("sdf",img)cv2.waitKey(0)

本人修改的GT可视化代码:


import sys
import base64
import os
from collections import OrderedDictimport cv2
import shutil
import glob
module_path = os.path.abspath(os.path.join('..'))
if module_path not in sys.path:sys.path.append(module_path)
import jsonif __name__ == '__main__':dir_a=r'B:\data\track\MOT15\train'img_dir=r'B:\data\track\MOT15\train/'txt_paths = ['%s/%s' % (i[0].replace("\\", "/"), j) for i in os.walk(dir_a) for j in i[-1] if j.endswith(('gt.txt', '.xpng'))]version = '3.16.7'flags = {}lineColor = [0, 255, 0, 128]fillColor = [255, 0, 0, 128]track_show=Truesave_json=Falsefor xmlpathName in txt_paths:xmlpathName=xmlpathName.replace("\\","/")dancetrack_name=xmlpathName.split("/")[-3]img_info = OrderedDict()with open(xmlpathName) as fs:lines = fs.readlines()# lines = sorted(lines)for line in lines:line = line.replace("\n", '')line_info = line.split(',')frame = line_info[0]frame_image_name = '{:0>6d}'.format(int(frame)) + ".jpg"box = [int(line_info[2]), int(line_info[3]), int(line_info[2]) + int(line_info[4]),int(line_info[3]) + int(line_info[5]),int(line_info[1])]if frame_image_name in img_info:img_info[frame_image_name].append(box)else:img_info[frame_image_name] = [box]for image_name in img_info.keys():print(image_name)dic = {}dic['version'] = versiondic['flags'] = flagsdic['shapes'] = []img_path = dancetrack_name+"/img1/" + image_nameimg_new_name = dancetrack_name + "_" + image_nameimg_new_path = img_dir + img_pathimg = cv2.imread(img_new_path)imageHeight, imageWidth, _ = img.shapefor box in img_info[image_name]:shape = {}shape['label'] = 'person'shape['line_color'] = Noneshape['fill_color'] = Nonex1 = int(box[0])y1 = int(box[1])x2 = int(box[2])y2 = int(box[3])if track_show:cv2.rectangle(img, (x1, y1), (x2, y2), (0,0,255), 1)cv2.putText(img, "t:" + str(box[4]), (x1,y1+20), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0,0,255), 2)shape['points'] = [[x1, y1], [x2, y2]]shape['shape_type'] = 'rectangle'shape['flags'] = {}dic['shapes'].append(shape)if track_show:cv2.putText(img, image_name, (20, 40), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 1)cv2.imshow("sdf",img)cv2.waitKey(0)if save_json:dic['lineColor'] = lineColordic['fillColor'] = fillColordic['imagePath'] = img_new_namedic['imageData'] = base64.b64encode(open('{}'.format(img_new_path), "rb").read()).decode('utf-8')dic['imageHeight'] = imageHeightdic['imageWidth'] = imageWidthfw = open('{}json'.format(img_new_path.replace(img_new_path.split('.')[-1], "")), 'w')json.dump(dic, fw)fw.close()

可视化效果如图所示:

在这里插入图片描述

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/282804.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

数据结构之---- 分治算法

数据结构之---- 分治算法 什么是分治算法&#xff1f; 分治&#xff0c;全称分而治之&#xff0c;是一种非常重要且常见的算法策略。 分治通常基于递归实现&#xff0c;包括 分 和 治 两个步骤&#xff1a; 分&#xff08;划分阶段&#xff09;&#xff1a;递归地将原问题分…

数据高可用架构设计与实现

大型企业如何实现 MySQL 到 Redis 的同步 前面曾提到过 Read/Write Through 和 Cache Aside 这几种更新缓存的模式或者说策略&#xff0c;这几种策略都存在缓存不命中的可能性&#xff0c;如果缓存没有命中&#xff0c;就需要直接访问数据库以获取数据。—般情况下&#xff0c…

Y4M视频文件格式

什么是Y4M 以YUV4Mpeg格式创建的视频文件;这个视频文件存储了一组未压缩的YCbCr图像&#xff0c;这些图像逐帧组成视频;在压缩成MPEG-2或Matroska等更流行的视频格式之前&#xff0c;用作原始的彩色视频格式 Y4M文件是一个纯文本格式的header开始&#xff0c;header有0或多个…

【经典LeetCode算法题目专栏分类】【第2期】组合与排列问题系列

《博主简介》 小伙伴们好&#xff0c;我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。 ✌更多学习资源&#xff0c;可关注公-仲-hao:【阿旭算法与机器学习】&#xff0c;共同学习交流~ &#x1f44d;感谢小伙伴们点赞、关注&#xff01; 组合总和1 class So…

linux笔记--VSCode利用交换机跳转服务器

目录 1--前言 2--VSCode设置 3--ssh连接 1--前言 博主学校的服务器有两个&#xff0c;其中一个服务器&#xff08;14&#xff09;可以通过挂内网VPN来进行连接&#xff0c;但另一个服务器&#xff08;15&#xff09;即使挂了VPN也不能连接&#xff0c;只能通过内网进行连接。…

Java入门学习笔记一

一、Java语言环境搭建 1、JAVA语言的跨平台原理 1.1、什么是跨平台性&#xff1f; 跨平台就是说&#xff0c;同一个软件可以在不同的操作系统&#xff08;例如&#xff1a;Windows、Linux、mad&#xff09;上执行&#xff0c;而不需要对软件做任务处理。即通过Java语言编写的…

Ansible-playbook编译.yml脚本

1、playbook是什么&#xff1f; 在Ansible中&#xff0c;Playbook是用于配置、部署和管理被控节点的剧本。它由一个或多个play&#xff08;角色&#xff09;组成&#xff0c;每个play可以包含多个task&#xff08;台词&#xff0c;动作&#xff09;。使用Ansible的Playbook&am…

轻量封装WebGPU渲染系统示例<52>- Json数据描述材质、纹理等3D渲染场景信息

当前示例源码github地址: https://github.com/vilyLei/voxwebgpu/blob/feature/material/src/voxgpu/sample/DataDrivenScene3.ts 当前示例运行效果: ​​​​​​​ Json数据: {"renderer": {"mtplEnabled": true,"camera": {"eye&quo…

再怎么“顽固”的应用程序,也很难经得住以下的卸载方法

卸载程序是我们经常尝试的事情。这可能是因为我们不再需要程序,该程序可能会导致问题等。有时,如果你试图卸载某个程序,你会收到一个错误,但卸载没有发生。在这种情况下,你可以选择强制卸载。在本教程中,我将向你展示如何在Windows 10/11计算机上强制卸载程序。 ​控制面…

人工智能中的对比学习:算法原理与应用探索

导言 对比学习作为人工智能领域中的一种重要学习范式&#xff0c;在模型训练和应用中展现出独特的优势。然而&#xff0c;随着应用范围的扩大&#xff0c;对比学习也面临一些挑战。本文将深入探讨对比学习的算法原理、应用场景以及其在人工智能中的前景&#xff0c;并提出一些可…

浏览器的事件循环机制(Event loop)

事件循环 浏览器的进程模型 何为进程&#xff1f; 程序运行需要有它自己专属的内存空间&#xff0c;可以把这块内存空间简单的理解为进程 每个应用至少有一个进程&#xff0c;进程之间相互独立&#xff0c;即使要通信&#xff0c;也需要双方同意。 何为线程&#xff1f; …

芝麻杂草目标检测数据集VOC+YOLO格式近1300张

芝麻&#xff0c;芝麻科芝麻属的一年生草本植物&#xff0c;茎中空或具白色髓部&#xff1b;叶子为卵形&#xff1b;花朵单生或少数同生于腋下&#xff0c;呈白色&#xff1b;芝麻蒴果基部钝圆&#xff0c;顶部有尖&#xff0c;中间有棱&#xff1b;芝麻的种子通常呈扁平椭圆形…