无人驾驶车辆目标检测与跟踪指标简介

在多目标检测与跟踪任务中，不仅要考虑算法对所跟踪目标位置预测的准确性，还需要评估算法维持每个跟踪目标轨迹一致性的性能，并统计跟踪目标ID 号发生跳变的次数或频率。因此，针对MOT 任务的评价标准有很多，本章采用的是Bernardin 等人［K. Bernardin，2008］在2008 年提出的CLEAR MOT评价指标，即同时考虑 MOTP（Multiple Object Tracking Precision）、MOTA（Multiple Object Tracking Accuracy）和IDSW（ID Switch）3 种多目标跟踪指标，这些指标的具体细节可以参考论文［K. Bernardin，2008］。

IDSW 指标描述了跟踪算法对于维持同一目标相同ID 号的能力，刻画了追踪一致性的性能，其定义为跟踪目标ID 发生切换的次数。MOTP 指标描述了跟踪算法结果与目标真值匹配对的平均精度，有

式中： ct 为第t 帧算法得到的匹配对数量； d t ,i为第t 帧中第i 个匹配对的交并比（Intersection Over Union，IOU）。

MOTA 则综合考虑误检目标数（False Positive，FP）、漏检目标数（False Negative，FN）和IDSW 来评估跟踪算法性能，计算公式为(www.xing528.com)

式中：N FP,t、N FN,t、N GT,t和NIDSW,t 分别为第t 帧的误检目标数、漏检目标数、真值目标数和跟踪目标ID 切换次数。MOTP 和MOTA 都比较高才能说明跟踪算法性能良好。

除了使用以上评估指标来描述跟踪算法精度外，试验还考虑了算法对跟踪动态目标运动参数的输出精度、算法时间复杂度等评价标准，综合评价上述算法各项性能。