来源——OTB2013

预测框中心点与Ground Truth框的中心点的欧氏距离，通常阈值为20像素。即它们的欧氏距离在20像素之内就视为追踪成功。

缺点： 没有考虑到目标的大小，导致小目标即使预测框与Ground Truth框相距较远，但它们的欧式距离仍在20像素内。

来源——TrackingNet

考虑到Ground Truth框的尺度大小，将Precision 进行归一化，得到Norm. Prec，它的取值在[0, 0.5] 之间。即判断预测框与Ground Truth框中心点的欧氏距离与Ground Truth框斜边的比例。

来源——OTB2013

成功率计算是计算预测框与Ground Truth的真值框的区域内像素的交并比，即红色框与蓝色斜边区域的比值。公式如上图的S。 通常我们会看到论文中有一个AUC（Area under curve）分数，这个分数实际上算的是成功率曲线下的面积，达成的效果就相当于考虑到了不同阈值下的成功率分数。有的论文也会直接指定阈值（如0.5）。其实当成功率曲线足够光滑，取0.5对应的成功率分数和计算成功率的AUC分数是一样的【中值定理】。

来源——VOT2015

EAO是VOT的对短时跟踪的综合评价指标，它可以反应准确性（A）和鲁棒性（R），但不是由准确性（A）和鲁棒性（R）直接计算得到的。这和它的评估方法紧密相关，因为它的评估方法会产生许多个子序列。

符号定义：

公式定义： Φ N s \Phi_{N_{s}} ΦNs​​就是期望平均重叠（expected average overlap，EAO），即计算从第1帧到一个期望的极大值( N s N_s Ns​)对应的​ Φ i \Phi_i Φi​ 求个平均，就是期望平均覆盖率。 但是VOT中EAO计算并不是 N s = 1 : N m a x N_s = 1 : N_{max} Ns​=1:Nmax​，而是 N s = N l o w : N h i g h N_s = N_{low} : N_{high} Ns​=Nlow​:Nhigh​。 Φ ^ \widehat{\Phi} Φ 是期望平均重叠的度量（expected average overlap measure）追踪器在 N s = N l o w : N h i g h N_s = N_{low} : N_{high} Ns​=Nlow​:Nhigh​上运行的平均EAO分数。

来源——THE LONG-TERM DATASET (LTB50)

F-分数是引入了机器学习里的查准率、查全率和F1度量来分析长期跟踪器的跟踪和检测能力。其中有一些概念需要理清，比如准确性（precision）和召回率（recall）的定义方法。（公式来袭）

符号定义：

公式定义如下：

准确度（precision）： 其中， N p N_p Np​是当预测集合不为空集的帧数和，即当某一帧的追踪预测框的确定性分数（prediction certainty score）小于阈值，就将这一帧的输出视为空集。所以这里的Pr很像机器学习中的查准率。

召回率（recall）： N g N_g Ng​是当Gound Truth集合不为空集的帧数和，即当某一帧的目标消失，就将这一帧的输出视为空集。所以这里的Re很像机器学习中的查全率。

F-分数（F-score）：在实际的模型评估中，单用Precision或者Recall来评价模型是不完整的，评价模型时必须用Precision/Recall两个值。所以就有了F-分数。F-分数越大算法性能越好。所以vot在评估的时候摒弃了直接指定阈值的方式，对于不同的跟踪器，取它们F-分数最大的时候的准确度和召回率进行比较。

来源——OTB

评估指标： 精确度（Precision）、成功率（Success Rate） 评估算法： 在整个测试序列中运行跟踪器，给出第一帧的目标真值初始化追踪器。期间不再初始化。

来源——OTB

评估指标： 精确度（Precision）、成功率（Success Rate） 评估算法： 从时间上(即从不同帧开始)将序列划分为20段，在每个分段上评估跟踪器，分析跟踪器对初始化的鲁棒性。 出发点： 如果序列的早期部分更为重要，因为一次跟踪失败后的帧结果没有提供信息，TRE解决了这个问题。

来源——OTB

评估指标： 精确度（Precision）、成功率（Success Rate） 评估算法： 从空间上（从不同的初始框位置）分析跟踪器对初始化的鲁棒性。每个追踪器要在每个序列上运行12次，其中使用8个空间偏移（4个中心偏移和4个角偏移）+ 4个尺度变化(补充)。位移量为目标大小的10%，尺度比与地面真值的比例分别为0.8、0.9、1.1、1.2。 出发点： 在实践中，由于探测器或手动标记造成的错误，很难将目标准确框住。所以这个评价方法是为了评估跟踪方法是否对初始化错误敏感。

来源——OTB2015

理想情况下，当故障发生时，应在帧处重新启动跟踪方法。然而，需要考虑一些潜在的问题。首先，为了分析跟踪器的行为，我们改变重叠阈值；因此，跟踪失败发生在不同的帧上。然而，对于TB-50或TB-100基准数据集的每个图像序列，评估具有不同阈值和参数（以及SRER中的空间扰动）的所有可能场景是不切实际的。其次，许多跟踪算法都是用二进制代码分发的，不可能检测到故障并在某些特定帧重新启动跟踪器。因此，我们使用虚拟运行来近似一组实际实验生成的特定参数设置。

评估指标： 精确度（Precision）、成功率（Success Rate）、故障总数（failure） 评估算法： 在整个测试序列中运行跟踪器，当追踪失败，就在下一帧使用相应的Gound-truth对追踪器进行重新初始化。平均重叠分数（Success Rate）和故障总数表明了跟踪算法的准确性和稳定性。这里有个超参数 ω \omega ω控制对瞬时故障的敏感性，即当 ω \omega ω帧失败（确定性分数低于阈值）才判定为故障。

来源——OTB2015

评估指标： 精确度（Precision）、成功率（Success Rate） 评估算法： 对于空间扰动 δ \delta δ，整个序列按照每隔 τ \tau τ帧生成一个个到整个序列结尾的子序列。追踪器在所有子序列上运行。这里也有个超参数 ω \omega ω控制对瞬时故障的敏感性，即当 ω \omega ω帧失败（确定性分数低于阈值）才判定为故障。

来源——VOT2021

评价指标： 精度（Accuracy）、鲁棒性（Robustness）、EAO（Expected Average Overlap） 评估方法： 要求在序列中的多个帧处初始化跟踪器，这些帧称为锚定点，间隔约50帧。跟踪器从序列前半部分的每个锚点向前运行，对于后半部分的锚点向后运行，直到第一帧。

来源——VOT2021

【短时（ST）和长时（LT）跟踪器之间的一个主要区别是，需要LT跟踪器来处理目标可能离开视野更长时间的情况。这意味着LT跟踪器的自然评估协议是无重置协议。】 评估指标： 精度（Pr）【查准率】、召回率（Re）【查全率】、F-分数。 评估方法： 需要在序列的第一帧初始化跟踪器，并运行它直到序列结束。跟踪器需要报告每个帧中的目标位置，以及反映目标在该位置的确定性的分数。Pr、Re和F-分数的最终值是通过选择最大化跟踪器特定F-measure的确定性阈值来获得的。这避免了在主要性能度量中手动设置的所有阈值【那么对于每个追踪器它的取阈值的点就不一样了】。

接下来就是整理单目标的一些经典算法了~Fighting with CuteQiang