简介：
MOTChallenge是多目标跟踪领域最为常用的benchmark，其中2D MOT15，3D MOT15，MOT16，MOT17，MOT20都是多目标跟踪领域常用的数据集。
下面我们按照MOTChallenge中的评价标准进行介绍，当然MOTChallenge也主要参考《Evaluating Multiple Object Tracking Performance: The CLEAR MOT Metrics》
评价指标：
总结
CLEAR MOT Metrics认为一个好的多目标跟踪器应该有如下三点特性：
1.所有出现的目标都要能够及时找到（检测的性能）
2.找到目标位置要尽可能可真实目标位置一致（检测的性能）
3.保持追踪一致性，避免跟踪目标的跳变 （匹配的性能）
所以可以看出，多目标跟踪和目标检测是密不可分的，检测的性能不可避免的会对跟踪的性能造成影响。
MOTChallenge的评价指标一共有十一个，分别是
| Measure | Better | Perfect | Description |
|---|---|---|---|
| MOTA | higher | 100% | 跟踪的准确度，和出现FN，FP，IDs的数量负相关，可能出现负值。 |
| MOTP | higher | 100% | 跟踪的精度，GT和检测的bbox的匹配交叠 |
| IDF1 | higher | 100% | 正确的检测数量和GT的数量的比值 |
| FAF | lower | 0 | 每帧的平均误报警数 |
| MT | higher | 100% | 命中的轨迹占总轨迹的占比，定义命中的轨迹为长度小于ground truth 80%的轨迹 |
| ML | lower | 0 | 丢失的轨迹占总轨迹的占比，定义丢失轨迹为长度小于ground truth 20%的轨迹 |
| FP | lower | 0 | FP的总数量，false positives也就是误检 |
| FN | lower | 0 | FN的总数量，false negatives也就是漏检 |
| IDs | lower | 0 | ID改变的总数量 |
| Frag | lower | 0 | 轨迹被打断的总数量 |
| Hz | higher | Inf | 处理速度，不包括检测器的耗时，而且这个指标由作者提供，MOTChallenge是计算不出来的，因为递交的是offline文件。 |
MOTA
其中，FN为False Negative，FP为False Positive，IDSW为ID Switch，GT为Ground Truth 物体的数量。MOTA考虑了tracking中所有帧中对象匹配错误，主要是FN，FP，ID Switch。MOTA给出了一个非常直观的衡量跟踪器在检测物体和保持轨迹时的性能，与物体位置的估计精度无关。MOTA取值应小于100，当跟踪器产生的错误超过了场景中的物体，MOTA会为负数。需要注意的是，此处的MOTA以及MOTP是计算所有帧的相关指标再进行平均（既加权平均值），而不是计算每帧的rate然后进行rate的平均。
MOTP
其中，d为检测目标i和给它分配的ground truth之间在所有帧中的平均度量距离，在这里是使用bounding box的overlap rate来进行度量（在这里MOTP是越大越好，但对于使用欧氏距离进行度量的就是MOTP越小越好，这主要取决于度量距离d的定义方式）；而c为在当前帧匹配成功的数目。MOTP主要量化检测器的定位精度，几乎不包含与跟踪器实际性能相关的信息。
FN&FP&IDs&Frag
假设GT只有一条，用虚线表示，也就是说在GT中由6帧图像，并只有一个track id。下面由a，b，c，d四张图，涵盖了FN，FP，IDs和Frag的情况。
在图a中，GT被预测为红蓝两条，红色轨迹F1时并没有匹配上GT，所以GT实际上是一个FN，也就是实际为目标，但是被遗漏了。同理红色轨迹的F1结果，也就是一个FP，因为实际上是一个不存在的东西被判定成了目标。
同理，蓝色轨迹F3，F4也是FP，又因为GT由4到5时，id从红色变成蓝色，所以存在IDs。
在图b中，还是同样的GT，这次红蓝两条轨迹没有交叠，在F3的地方GT断开了，所以存在一次Frag。
