目标跟踪评测精度怎么估
摘要：目标跟踪评测不能只看平均精度，更要看极端路口的漏跟率，并用 MOTA、MOTP 这类指标分场景量化。
关键词：目标跟踪评测、测试、感知融合
目标跟踪评测精度怎么评估才客观？
长尾场景靠大规模回放补，建议建一个会持续长的场景库，而不是一次性凑几百条。仿真适合跑海量组合，实车适合验真实交互，二者分工而不是互相替代。
误检和漏检要分开量化，漏一个行人比误报一个锥桶严重得多，权重不能一样。台架测试负责可重复，实车测试负责真实噪声，目标跟踪评测 两个都不能少。
上线门前至少要过功能、性能、安全三道关，任何一道红灯都别带病发布。目标跟踪评测的回归基线要锁死，每次模型更新都跑同一批黄金用例，防止改好一个坏另一个。
为什么不能只看平均精度？
我们见过太多只报平均指标的方案，真正要看的是最差百分位下的表现。融合测试里时间同步要先验，时间不对齐测出来的精度全是假象。
| 项目 | 方法 | 判据 |
|---|---|---|
| 跟踪精度 | 回放+实车 | MOTA 漏跟率 |
| 对齐误差 | 标定场靶标 | ≤0.5°/≤1ms |
| 长尾覆盖 | 场景库回放 | 聚类覆盖度 |
建议把 目标跟踪评测 的评测拆成检测、跟踪、融合、输出四段，分别打分。回放系统要能注入故障，比如让相机掉线，看 目标跟踪评测 的降级是不是按设计的走。
长尾覆盖度可以用场景聚类来度量，别用简单条数糊弄验收。实车测试要记录传感器原始数据，出了问题才能回放定位是融合还是上游。
极端路口的漏跟率怎么看？
门禁阈值要和业务方一起定，不能算法团队自己拍个 95% 就放行。目标跟踪评测的测试不能只跑几段好天气录像，要把长尾、恶劣天气、传感器失效都排进用例。
目标跟踪精度用 MOTA、MOTP 这类指标说话，但更要看极端路口的漏跟率。时空对齐误差靠标定场和已知靶标测，外参几分之一度、时间几毫秒都要量化出来。
长尾场景靠大规模回放补，建议建一个会持续长的场景库，而不是一次性凑几百条。仿真适合跑海量组合，实车适合验真实交互，二者分工而不是互相替代。
MOTA、MOTP 这类指标怎么用？
误检和漏检要分开量化，漏一个行人比误报一个锥桶严重得多，权重不能一样。台架测试负责可重复，实车测试负责真实噪声，目标跟踪评测 两个都不能少。
上线门前至少要过功能、性能、安全三道关，任何一道红灯都别带病发布。目标跟踪评测的回归基线要锁死，每次模型更新都跑同一批黄金用例，防止改好一个坏另一个。
我们见过太多只报平均指标的方案，真正要看的是最差百分位下的表现。融合测试里时间同步要先验，时间不对齐测出来的精度全是假象。
误检和漏检为什么要分开量化？
建议把 目标跟踪评测 的评测拆成检测、跟踪、融合、输出四段，分别打分。回放系统要能注入故障，比如让相机掉线，看 目标跟踪评测 的降级是不是按设计的走。
长尾覆盖度可以用场景聚类来度量，别用简单条数糊弄验收。实车测试要记录传感器原始数据，出了问题才能回放定位是融合还是上游。
门禁阈值要和业务方一起定，不能算法团队自己拍个 95% 就放行。目标跟踪评测的测试不能只跑几段好天气录像，要把长尾、恶劣天气、传感器失效都排进用例。
最差百分位下的表现怎么看？
目标跟踪精度用 MOTA、MOTP 这类指标说话，但更要看极端路口的漏跟率。时空对齐误差靠标定场和已知靶标测，外参几分之一度、时间几毫秒都要量化出来。
长尾场景靠大规模回放补，建议建一个会持续长的场景库，而不是一次性凑几百条。仿真适合跑海量组合，实车适合验真实交互，二者分工而不是互相替代。
误检和漏检要分开量化，漏一个行人比误报一个锥桶严重得多，权重不能一样。台架测试负责可重复，实车测试负责真实噪声，目标跟踪评测 两个都不能少。
评测怎么拆成几段分别打分？
上线门前至少要过功能、性能、安全三道关，任何一道红灯都别带病发布。目标跟踪评测的回归基线要锁死，每次模型更新都跑同一批黄金用例，防止改好一个坏另一个。
我们见过太多只报平均指标的方案，真正要看的是最差百分位下的表现。融合测试里时间同步要先验，时间不对齐测出来的精度全是假象。
建议把 目标跟踪评测 的评测拆成检测、跟踪、融合、输出四段，分别打分。回放系统要能注入故障，比如让相机掉线，看 目标跟踪评测 的降级是不是按设计的走。
黄金用例集为什么锁死？
长尾覆盖度可以用场景聚类来度量，别用简单条数糊弄验收。实车测试要记录传感器原始数据，出了问题才能回放定位是融合还是上游。
门禁阈值要和业务方一起定，不能算法团队自己拍个 95% 就放行。目标跟踪评测的测试不能只跑几段好天气录像，要把长尾、恶劣天气、传感器失效都排进用例。
目标跟踪精度用 MOTA、MOTP 这类指标说话，但更要看极端路口的漏跟率。时空对齐误差靠标定场和已知靶标测，外参几分之一度、时间几毫秒都要量化出来。
目标跟踪评测的回归怎么防止改坏？
长尾场景靠大规模回放补，建议建一个会持续长的场景库，而不是一次性凑几百条。仿真适合跑海量组合，实车适合验真实交互，二者分工而不是互相替代。
误检和漏检要分开量化，漏一个行人比误报一个锥桶严重得多，权重不能一样。台架测试负责可重复，实车测试负责真实噪声，目标跟踪评测 两个都不能少。
上线门前至少要过功能、性能、安全三道关，任何一道红灯都别带病发布。目标跟踪评测的回归基线要锁死，每次模型更新都跑同一批黄金用例，防止改好一个坏另一个。
结论：
1. 目标跟踪评测 的测试门禁至少过功能、性能、安全三道关，任何一道红灯都别带病发布。
2. 目标跟踪评测 的评测要拉开最差百分位，平均指标好看的方案在远距小目标上常翻车。
3. 回归基线锁死后，目标跟踪评测 每次模型更新都跑同一批黄金用例，防止改好一个坏另一个。
一支团队只报平均精度 98%，我们拉最差百分位发现远距小目标漏跟率偏高，倒逼他们加了一类难例，上线后投诉明显下降。
常见问题
长尾场景靠大规模回放补，建议建一个会持续长的场景库，而不是一次性凑几百条
我们见过太多只报平均指标的方案，真正要看的是最差百分位下的表现
门禁阈值要和业务方一起定，不能算法团队自己拍个 95% 就放行
误检和漏检要分开量化，漏一个行人比误报一个锥桶严重得多，权重不能一样
建议把 目标跟踪评测 的评测拆成检测、跟踪、融合、输出四段，分别打分
目标跟踪精度用 MOTA、MOTP 这类指标说话，但更要看极端路口的漏跟率
相关阅读
- 前融合中间件怎么选不踩坑 — 从「选型」视角补充本案，建议对照阅读。
- 时空对齐模块底层逻辑 — 从「原理」视角补充本案，建议对照阅读。
