目录

• Track1
• MOT17数据集
• • 数据集介绍
  • • 训练集
    • • det
      • gt
• COCO数据输入格式和YOLO数据输入格式和VOC数据输入格式
• 数据集可视化脚本

写在前面：本篇博文的目的是1. 理清MOT17数据集中文件及其内容的含义；2. COCO数据输入格式和YOLO数据输入格式和VOC数据输入格式的区别；3. 提供一个数据集可视化脚本，可以选中某个数据集，将该数据集中的groundtruth可视化在jpg上并生成视频播放。

Track1

数据格式的含义：

<camera_id> <obj_id> <frame_id> <xmin> <ymin> <width> <height> <xworld> <yworld>

MOT17数据集

数据集下载: https://pan.baidu.com/s/1TtKOUdcACLXBzS9L3lmE0A?pwd=67ey 提取码: 67ey
参考博客：多目标跟踪数据集 ：mot16、mot17数据集介绍以及多目标跟踪指标评测

数据集介绍

如下所示，该数据集中的文件结构如图所示。MOT17有21个训练集和21个检测集。

训练集

det

训练集中/det 文件夹中是针对检测的信息，该目录下只有一个det.txt文件，每行一个标注，代表一个检测的物体。
每一行标注的含义如下：第一个代表第几帧，第二个代表轨迹编号（因为检测结果只看检测框质量，不看id，故为id=-1。），bb开头的4个数代表物体框的左上角坐标及长宽。conf代表置信度，最后3个是MOT3D用到的内容，2D检测总是为-1.

<frame>, -1, <bb_left>, <bb_top>, <bb_width>, <bb_height>, <conf>, <3D_x>, <3D_y>, <3D_z> 

gt

训练集中/gt 文件夹中是针对追踪的信息，该目录下只有一个gt.txt文件，每行一个标注，代表一个检测的物体。
每一行标注的含义如下：第一个代表第几帧，第二个值为目标运动轨迹的ID号，bb开头的4个数代表物体框的左上角坐标及长宽，第7个值为目标轨迹是否进入考虑范围内的标志，0表示忽略，1表示active。第八个值为该轨迹对应的目标种类（种类见下面的表格中的label-ID对应情况），第九个值为box的visibility ratio，表示目标运动时被其他目标box包含/覆盖或者目标之间box边缘裁剪情况。

<frame>, <id>, <bb_left>, <bb_top>, <bb_width>, <bb_height>, <trajectory_conf>, <trajectory_type>, <visibility_ratio> 

COCO数据输入格式和YOLO数据输入格式和VOC数据输入格式

参考博客：VOC/YOLO/COCO数据集格式转换及LabelImg/Labelme/精灵标注助手Colabeler标注工具介绍
VOC标签格式，标注的标签存储在xml文件
YOLO标签格式，标注的标签存储在txt文件中
COCO标签格式，标注的标签存储在json文件中

数据集可视化脚本

yolo格式的可视化

import cv2
import os

label_path = '*.txt'
pic_path = '*.bmp'

img_gray = cv2.imread(pic_path)
width = img_gray.shape[1]
height = img_gray.shape[0]
label = []
if os.path.exists(label_path):
    label = []
    with open(label_path, 'r') as label_f:
        for line in label_f.readlines():
            txt_list = line.split(' ')
            print('txt_list',txt_list)
            norm_x = float(txt_list[1])
            norm_y = float(txt_list[2])
            norm_w = float(txt_list[3])
            norm_h = float(txt_list[4])
            xmin = int(width * (norm_x - 0.5 * norm_w))
            ymin = int(height * (norm_y - 0.5 * norm_h))
            xmax = int(width * (norm_x + 0.5 * norm_w))
            ymax = int(height * (norm_y + 0.5 * norm_h))
            label.append(ymin)
            label.append(xmin)
            label.append(ymax)
            label.append(xmax)  # [x1, x2, y1, y2]--> [212, 324, 296, 390]
    print('label',label)
    cv2.rectangle(img_gray, (label[1], label[0]),
                  (label[3], label[2]),
                  (120, 255, 120), 1)
cv2.imshow('vis', img_gray)
cv2.waitKey(0)