DarkLabel2.4版本导入MOT17数据集

devtools/2024/9/29 8:24:15/

背景

做目标追踪，目前找了一圈开源工具，发现DarkLabel还是很好用的，提供自动目标跟踪，标注很方便。
由于目标追踪我用的是bytetrack，官网是用mot17数据集训练的，我想看下官方数据集，以便于自己打标

导入效果

在这里插入图片描述

MOT17数据集说明

MOT官方地址https://motchallenge.net/data/MOT17/
用于目录跟踪的数据集
mot17 gt数据集介绍
在这里插入图片描述
gt：包含检测物体的标注信息，图片对应帧数、对象id、接下来4个代表Bounding box、目标轨迹是否进入考虑范围内的标志、分类类型、可见程度

DarkLabel

https://github.com/darkpgmr/DarkLabel 官网地址
修改darklable.yml，用来符合MOT17数据集的格式

format2:    # MOT (predefined format]fixed_filetype: 1                 # if specified as true, save setting isn't changeable in GUIdata_fmt: [fn, id, x1, y1, w, h, c=-1, c=-1, c=-1, c=-1]gt_file_ext: "txt"                 # if not specified, default setting is usedgt_merged: 1                    # if not specified, default setting is usedclasses_set: "coco_classes"     # if not specified, default setting is usedname: "MOT"

data_fmt 和上述MOT17数据集的说明一致，由于我的是bytetrack，所以我的格式为 [fn, id, x1, y1, w, h, c=-1, c=-1, c=-1, c=-1] ，后面4个训练用不到，填写-1

导入视频

由于官网提供的视频尺寸是不对的，所以我用代码通过图片目录生成视频
代码如：

import cv2
import os# 设置图片目录和视频输出文件名
image_folder = 'E://code//ByteTrack-main//datasets//mot//train//MOT17-02-DPM//img1'  # 替换为你的图片目录
video_output = 'output_video.mp4'# 获取目录下的所有图片文件，并按帧顺序排序
images = [img for img in os.listdir(image_folder) if img.endswith(".png") or img.endswith(".jpg")]
images.sort()  # 确保按顺序排序# 设置视频参数
frame_width = 1920
frame_height = 1080
fps = 30# 创建视频写入对象
fourcc = cv2.VideoWriter_fourcc(*'mp4v')  # 使用 mp4 编码
video = cv2.VideoWriter(video_output, fourcc, fps, (frame_width, frame_height))# 逐帧读取图片并写入视频
for image in images:img_path = os.path.join(image_folder, image)frame = cv2.imread(img_path)# 调整图片大小frame = cv2.resize(frame, (frame_width, frame_height))# 写入视频文件video.write(frame)# 释放视频写入对象
video.release()
cv2.destroyAllWindows()print(f'视频已生成: {video_output}')