1. MOT評價指標
MOT：multiple object tracking
評價出發點：
- 所有出現的目標都要及時能夠找到；
- 目標位置要盡可能與真實目標位置一致；
- 每個目標都應該被分配一個獨一無二的ID，並且該目標分配的這個ID在整個序列中保持不變。
評價指標數學模型：
評價過程的步驟：
- 建立 目標與假設最優間的最優一一對應關系，稱為correspondence
- 對所有的correspondence，計算位置偏移誤差
- 累積結構誤差
a. 計算漏檢數
b. 計算虛警數（不存在目標卻判斷為目標）
c. 跟蹤目標發生跳變的次數
2. 實現思路
- 確定對應關系
如何確定對應關系，最直接的想法就是使用最鄰近法？具體而言，就是比較groundtruth與預測框中心的距離。
另一個問題，如果沒有檢測到目標呢，所以需要設置一個距離閾值。
第三個問題，距離使用什么距離？歐氏距離。（曼哈頓距離、余弦距離、馬氏距離不考慮，具體了解每種距離的物理意義和適用的情形、度量的特性）
簡而言之，就是只要在一定的距離范圍內，就認為是匹配到了目標。
- 如何刻畫追蹤一致性（持續跟蹤）
追蹤一致性：追蹤預測目標和對應目標長時間保持對應關系不變的能力
上圖分析：O1在正確匹配三幀之后發生了誤匹配問題。
總結：誤匹配問題多發生在兩個跟蹤目標很接近的時候。
問題與思考：如何記錄整個目標在整個幀頻中的無匹配次數。
藍色點：匹配到了錯誤的目標
紅色點：匹配到了正確的目標
上述示意圖都在跟蹤對象O1，如果記錄無匹配次數的話，整個過程發生一次無匹配；
如果記錄無匹配的幀數，case1是2次誤匹配，case2是4次誤匹配
采用最優匹配序列對整個跟蹤鏈進行統計。具體方法如下：
- 構建假設位置與目標的匹配序列，Mt = {(Oi, Hi)} (該變量表示到t幀為止所建立的匹配序列）。在t+1幀，如果Oi的匹配對象是Hk, 發生誤匹配。同時將（Oi, Hk）更新到M(t+1)中。
3. 計算指標
