yolo_tracking项目val代码解析

  • 开发
  • 20

 

  1. 导入了一些Python的标准库和第三方库。
  2. 从boxmot.utils模块中导入了一些常量，这些常量用于指定与数据集、权重和示例相关的路径。
  3. 从tracking.utils模块中导入了一些函数，这些函数与下载、解压缩多目标跟踪数据集以及设置评估环境有关。
# 导入Python的正则表达式库，用于处理字符串和文本。  
import re  
  
# 导入Python的系统特定参数和函数库，例如访问命令行参数。  
import sys  
  
# 导入Python的命令行参数解析库，用于从命令行读取参数。  
import argparse  
  
# 导入Python的子进程管理库，用于启动新应用和与它们通信。  
import subprocess  
  
# 从boxmot.utils模块中导入几个常量，可能用于定义数据集的示例、根目录、权重和数据路径。  
from boxmot.utils import EXAMPLES, ROOT, WEIGHTS, DATA  
  
# 导入Path类，它是pathlib模块中的一个类，用于表示文件系统路径。  
from pathlib import Path  
  
# 从tracking.utils模块中导入多个函数。  
# 这些函数可能涉及下载多目标跟踪评估工具、下载多目标跟踪数据集、解压缩数据集以及设置评估环境。  
from tracking.utils import (  
    download_mot_eval_tools,  # 下载多目标跟踪评估工具的函数。  
    download_mot_dataset,    # 下载多目标跟踪数据集的函数。  
    unzip_mot_dataset,       # 解压缩多目标跟踪数据集的函数。  
    eval_setup               # 设置评估环境的函数。  
)

from ultralytics.utils.files import increment_path

这段代码的功能是从一个字符串 results 中解析出 MOT（多目标跟踪）挑战的结果，具体是提取 COMBINED HOTA、MOTA 和 IDF1 这三个指标的值。以下是代码的逐行解释：

def parse_mot_results(results):  
    """  
    从 run_mot_challenge.py 脚本生成的结果中提取 COMBINED HOTA、MOTA 和 IDF1。  
  
    Args:  
        results (str): MOT 挑战的结果字符串  
  
    Returns:  
        (dict): 包含 'HOTA'、'MOTA' 和 'IDF1' 的字典，格式为 {'HOTA': x, 'MOTA': y, 'IDF1': z}  
    """  
    # 将结果字符串以 'COMBINED' 为分隔符进行分割，并取第三个元素到倒数第二个元素，这通常包含 COMBINED HOTA, MOTA, IDF1 的结果  
    combined_results = results.split('COMBINED')[2:-1]  
      
    # 使用正则表达式从每个字符串中找到第一个整数或浮点数，并将其转换为浮点数  
    # re.findall("[-+]?(?:\d*\.*\d+)", f) 查找所有可能的整数或浮点数，但使用 [0] 仅取第一个  
    combined_results = [float(re.findall("[-+]?(?:\d*\.*\d+)", f)[0]) for f in combined_results]  
      
    # 使用 zip 函数将键列表 ['HOTA', 'MOTA', 'IDF1'] 和转换后的浮点数列表结合，生成字典  
    combined_results = {key: value for key, value in zip(['HOTA', 'MOTA', 'IDF1'], combined_results)}  
      
    # 返回包含 COMBINED HOTA, MOTA, IDF1 的字典  
    return combined_results

def trackeval(  
    args,              # 传递的命令行参数，通常包含用于执行trackeval所需的参数配置  
    seq_paths,         # 包含序列路径的列表或字典，用于指定哪些序列将被用于评估  
    save_dir,          # 保存评估结果的目录路径  
    MOT_results_folder,# 包含MOT跟踪结果的文件夹路径  
    gt_folder,         # 包含真实标签（ground truth）的文件夹路径  
    metrics = ["HOTA", "CLEAR", "Identity"]  # 评估时使用的指标列表，默认为HOTA, CLEAR, Identity  
):  
    """  
    使用指定的指标执行Python脚本以评估MOT挑战跟踪结果。  
  
    Parameters:  
        args (dict or argparse.Namespace): 包含执行trackeval所需参数的字典或命名空间对象。  
        seq_paths (list or dict): 包含序列路径的列表或字典，用于指定哪些序列将被用于评估。  
        save_dir (str): 保存评估结果的目录路径。  
        MOT_results_folder (str): 包含MOT跟踪结果的文件夹路径。  
        gt_folder (str): 包含真实标签（ground truth）的文件夹路径。  
        metrics (list): 一个列表，包含用于评估的指标。默认为["HOTA", "CLEAR", "Identity"]。  
  
    Returns:  
        None. 该函数主要执行评估并打印评估脚本的标准输出和标准错误。  
    """  

# Define paths  
# 获取每个序列路径的父目录名称（通常是序列的名称），并将它们存储在列表d中  
d = [seq_path.parent.name for seq_path in seq_paths]  
  
# Prepare arguments for subprocess call  
# 准备用于子进程调用的命令行参数列表  
args = [  
    # 使用当前Python解释器来执行脚本  
    sys.executable,   
    # 评估脚本的路径  
    EXAMPLES / 'val_utils' / 'scripts' / 'run_mot_challenge.py',  
    # 真实标签（ground truth）文件夹的路径  
    "--GT_FOLDER", str(gt_folder),  
    # 基准测试名称，这里为空字符串，可能需要在其他地方设置  
    "--BENCHMARK", "",  
    # 跟踪结果文件夹的路径，args.exp_folder_path应该是一个在函数外部定义的变量  
    "--TRACKERS_FOLDER", args.exp_folder_path,  
    # 要评估的跟踪器名称，这里为空字符串，可能需要在其他地方设置  
    "--TRACKERS_TO_EVAL", "",  
    # 要评估的数据拆分，这里设置为"train"  
    "--SPLIT_TO_EVAL", "train",  
    # 评估指标列表，使用*metrics来展开列表中的每个元素  
    "--METRICS", *metrics,  
    # 是否使用并行评估，这里设置为"True"  
    "--USE_PARALLEL", "True",  
    # 跟踪器子文件夹名称，这里为空字符串，可能需要在其他地方设置  
    "--TRACKER_SUB_FOLDER", "",  
    # 并行评估时使用的核心数，这里设置为4  
    "--NUM_PARALLEL_CORES", str(4),  
    # 是否跳过某些拆分文件夹，这里设置为"True"  
    "--SKIP_SPLIT_FOL", "True",  
    # 序列信息，使用*d来展开列表中的每个序列名称  
    "--SEQ_INFO", *d  
]

# 使用subprocess模块来执行评估脚本  
# Execute the evaluation script  
p = subprocess.Popen(  
    # 传递前面准备好的命令行参数列表  
    args=args,  
    # 将标准输出重定向到PIPE，以便在Python中捕获它  
    stdout=subprocess.PIPE,  
    # 将标准错误重定向到PIPE，以便在Python中捕获它  
    stderr=subprocess.PIPE,  
    # 设置text=True以确保输出以文本形式而不是字节形式返回  
    text=True  
)  
  
# 等待进程完成，并获取其标准输出和标准错误  
stdout, stderr = p.communicate()  
  
# 输出脚本运行时的标准输出内容  
# Output the results  
print("Standard Output:\n", stdout)  
  
# 检查是否有标准错误输出，如果有则输出  
if stderr:  
    print("Standard Error:\n", stderr)  
  
# 返回脚本运行时的标准输出内容，通常用于进一步处理或分析  
return stdout
def parse_opt():  
    # 创建一个命令行参数解析器  
    parser = argparse.ArgumentParser()  
  
    # 添加参数：YOLO模型的路径  
    parser.add_argument('--yolo-model', type=Path, default=WEIGHTS / 'yolov8n',  
                        help='指定YOLO模型的路径。默认为WEIGHTS目录下的yolov8n模型。')  
  
    # 添加参数：Re-ID模型的路径  
    parser.add_argument('--reid-model', type=Path, default=WEIGHTS / 'osnet_x0_25_msmt17.pt',  
                        help='指定Re-ID模型的路径。默认为WEIGHTS目录下的osnet_x0_25_msmt17.pt模型。')  
  
    # 添加参数：跟踪方法  
    parser.add_argument('--tracking-method', type=str, default='deepocsort',  
                        help='指定跟踪方法，可选值为deepocsort, botsort, strongsort, ocsort, bytetrack。默认为deepocsort。')  
  
    # 添加参数：输入源  
    parser.add_argument('--source', type=str, default='0',  
                        help='指定输入源，可以是文件路径、目录、URL或者glob模式，如果为0则使用摄像头。默认为0。')  
  
    # 添加参数：推理尺寸  
    parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640],  
                        help='指定推理（inference）的尺寸，可以是高度和宽度的组合。默认为宽度640。')  
  
    # 添加参数：置信度阈值  
    parser.add_argument('--conf', type=float, default=0.5,  
                        help='设置置信度阈值，用于过滤掉低置信度的检测结果。默认为0.5。')  
  
    # 添加参数：非极大值抑制IoU阈值  
    parser.add_argument('--iou', type=float, default=0.7,  
                        help='设置非极大值抑制（NMS）的交并比（IoU）阈值。默认为0.7。')  
  
    # 添加参数：计算设备  
    parser.add_argument('--device', default='',  
                        help='指定计算设备，可以是CUDA设备编号（如0或0,1,2,3）或者cpu。默认为空字符串，表示自动选择。')  
  
    # 添加参数：是否显示跟踪结果  
    parser.add_argument('--show', action='store_true',  
                        help='如果设置，则显示跟踪视频结果。')  
  
    # 添加参数：是否保存跟踪结果  
    parser.add_argument('--save', action='store_true',  
                        help='如果设置，则保存视频跟踪结果。')  
# 类别编号：0代表行人，1代表自行车，2代表汽车，... 79代表烤箱  
parser.add_argument('--classes', nargs='+', type=int, default=0,  
                    help='通过类别进行过滤，例如：--classes 0 或者 --classes 0 2 3')  
  
# 添加参数：项目路径  
# 结果将被保存到project/name目录下  
parser.add_argument('--project', default=ROOT / 'runs' / 'mot', type=Path,  
                    help='将结果保存到project/name目录下')  
  
# 添加参数：结果保存名称  
# 结果将被保存到project/name目录下  
parser.add_argument('--name', default='yolov8n_osnet_x0_25_msmt17',  
                    help='将结果保存到project/name目录下')  
  
# 添加参数：检测文件夹名称  
# 从项目下的哪个文件夹加载检测结果  
parser.add_argument('--dets', type=str, default='yolov8n',  
                    help='在项目下从哪个文件夹加载检测结果')  
  
# 添加参数：嵌入文件夹名称  
# 在项目/检测文件夹下从哪个子文件夹加载嵌入特征  
parser.add_argument('--embs', type=str, default='osnet_x0_25_msmt17',  
                    help='在项目/dets文件夹下从哪个子文件夹加载嵌入特征')  
  
# 添加参数：允许覆盖  
# 如果指定的项目/名称已存在，是否允许覆盖  
parser.add_argument('--exist-ok', action='store_true', default=True,  
                    help='如果项目/名称已存在，则允许覆盖，不递增名称')  
  
# 添加参数：半精度推理  
# 是否使用FP16半精度进行推理  
parser.add_argument('--half', action='store_true',  
                    help='使用FP16半精度进行推理')  
  
# 添加参数：视频帧率步长  
# 用于控制视频帧的采样频率  
parser.add_argument('--vid-stride', type=int, default=1,  
                    help='视频帧率的步长')  
  
# 添加参数：是否显示标签  
# 是否在显示时显示所有标签或仅显示边界框  
parser.add_argument('--show-labels', action='store_false',  
                    help='显示所有内容或仅显示边界框')  
  
# 添加参数：是否显示置信度  
# 在显示时是否隐藏置信度  
parser.add_argument('--show-conf', action='store_false',  
                    help='在显示时隐藏置信度')  
  
# 添加参数：是否保存为txt文件  
# 是否将跟踪结果保存为txt文件  
parser.add_argument('--save-txt', action='store_true',  
                    help='将跟踪结果保存为txt文件')  
  
# 添加参数：是否保存ID对应的裁剪图像  
# 是否将每个裁剪图像保存到其对应的ID文件夹下  
parser.add_argument('--save-id-crops', action='store_true',  
                    help='将每个裁剪图像保存到其对应的ID文件夹下')  
  
# 添加参数：是否保存为MOT格式  
# 是否将跟踪结果保存为MOT格式的单个txt文件  
parser.add_argument('--save-mot', action='store_true',  
                    help='将跟踪结果保存为MOT格式的单个txt文件')  
  
# 添加参数：边界框线宽  
# 边界框的线宽。如果为None，则根据图像大小进行缩放  
parser.add_argument('--line-width', default=None, type=int,  
                    help='边界框的线宽。如果为None，则根据图像大小进行缩放。')  
  
# 添加参数：按类别追踪  
# 在追踪时是否不混合类别  
parser.add_argument('--per-class', default=False, action='store_true',  
                    help='在追踪时是否不混合类别。')  
  
# 添加参数：详细输出  
# 是否打印每帧的结果  
parser.add_argument('--verbose', default=True, action='store_true',  
                    help='是否打印每帧的结果。')  
  
# 添加参数：类别无关的非极大值抑制  
# 是否使用类别无关的非极大值抑制  
parser.add_argument('--agnostic-nms', default=False, action='store_true',  
                    help='是否使用类别无关的非极大值抑制。')  
  
# 添加参数：基准数据集  
# 使用的基准数据集，如MOT16、MOT17或MOT20  
parser.add_argument('--benchmark', type=str, default='MOT17',  
                    help='使用的基准数据集，如MOT16、MOT17或MOT20。')  
  
# 添加参数：数据集分割  
# 使用的数据集分割，如train、test等  
parser.add_argument('--split', type=str, default='train',  
                    help='使用的数据集分割，如train、test等。')  
  

 opt = parser.parse_args()
    return opt

def run_trackeval(opt):  
    """  
    运行跟踪评估任务。  
  
    Args:  
        opt (argparse.Namespace): 包含任务配置选项的命名空间对象。  
  
    Returns:  
        dict: 跟踪评估结果的汇总字典。  
    """  
    if opt is None:  
        # 如果没有提供选项参数，则解析命令行参数  
        opt = parse_opt()  
        # 根据检测、嵌入和跟踪方法构建实验文件夹路径  
        exp_folder_path = opt.project / (str(opt.dets) + "_" + str(opt.embs) + "_" + str(opt.tracking_method))  
        # 如果路径已存在，则自动增加序号以创建新路径  
        exp_folder_path = increment_path(path=exp_folder_path, sep="_", exist_ok=opt.exist_ok)  
        # 更新选项中的实验文件夹路径  
        opt.exp_folder_path = exp_folder_path  
    else:  
        # 如果提供了选项参数，则直接使用它，并设置exist_ok为False，不自动增加路径序号  
        opt = opt  
        opt.exist_ok = False  
  
    # 定义验证工具的路径  
    val_tools_path = EXAMPLES / 'val_utils'  
    # 下载MOT评估工具  
    download_mot_eval_tools(val_tools_path)  
    # 下载MOT数据集  
    zip_path = download_mot_dataset(val_tools_path, opt.benchmark)  
    # 解压MOT数据集  
    unzip_mot_dataset(zip_path, val_tools_path, opt.benchmark)  
    # 设置评估环境，包括序列路径、保存目录、结果文件夹和真实标签文件夹  
    seq_paths, save_dir, MOT_results_folder, gt_folder = eval_setup(opt, val_tools_path)  
    # 运行跟踪评估任务  
    results = trackeval(opt, seq_paths, save_dir, MOT_results_folder, gt_folder)  
    # 解析MOT评估结果  
    combined_results = parse_mot_results(results)  
    # 打印汇总结果  
    print(combined_results)  
    # 返回汇总结果  
    return combined_results

 

阅读全部

相关推荐

  1. yolo_tracking项目val代码解析

    2024-03-27 17:30:12       21 阅读

  2. InterLM代码解析

    2024-03-27 17:30:12       34 阅读

  3. FasterRCNN代码解析

    2024-03-27 17:30:12       15 阅读

  4. tomcat中Pipeline-Valve解析

    2024-03-27 17:30:12       14 阅读

  5. 【数据可视化】教程&案例&相关项目，要点和难点，案例代码，代码解析

    2024-03-27 17:30:12       15 阅读

  6. 清华开源ChatGPT自动编程ChatDev项目结构和关键代码解析

    2024-03-27 17:30:12       46 阅读

  7. SpringBoot项目轻松集成Sentinel：熔断限流实战及核心代码解析

    2024-03-27 17:30:12       21 阅读

  8. Android-UWB通信示例代码解析

    2024-03-27 17:30:12       42 阅读

  9. 总结_看门狗项目应用解析

    2024-03-27 17:30:12       11 阅读

  10. VaR（Value at Risk）模型代码

    2024-03-27 17:30:12       56 阅读

最近更新

  4. TCP协议是安全的吗?

    2024-03-27 17:30:12       18 阅读

  12. 阿里云服务器执行yum，一直下载docker-ce-stable失败

    2024-03-27 17:30:12       19 阅读

  13. 【Python教程】压缩PDF文件大小

    2024-03-27 17:30:12       18 阅读

  18. 通过文章id递归查询所有评论（xml）

    2024-03-27 17:30:12       20 阅读

热门阅读

  8. Z字形变换

    2024-03-27 17:30:12       21 阅读

  9. Tomcat启动后快速闪退解决方法

    2024-03-27 17:30:12       23 阅读

  10. 指针的运算（萌新版）

    2024-03-27 17:30:12       16 阅读

  11. variational approximation posterior distribution （变分近似）

    2024-03-27 17:30:12       34 阅读

  13. 工控一体机丨工控计算机丨工控机有哪些具体应用？

    2024-03-27 17:30:12       18 阅读

  15. SpringMVC运行原理

    2024-03-27 17:30:12       18 阅读

  19. 函数模板案例---选择排序算法

    2024-03-27 17:30:12       17 阅读

  28. 记录一次AP重置经历

    2024-03-27 17:30:12       18 阅读

  30. Windows安装electron卡住报错的问题

    2024-03-27 17:30:12       17 阅读