tracking_test.py
	have_tracked():
		轨迹分析测试。遍历track_reid.py输出的文件夹trackdict下的所有.pkl文件。

time_test.py
    统计Pipeline整体流程中各模块耗时
	
module_analysis.py
	main(): 
		遍历文件夹下的每一个子文件夹，对子文件夹执行tracking_simulate() 函数；
	
	main_loop()：
		(1) 根据 deletedBarcode.txt 生成事件对，并利用事件对生成存储地址
		(2) 调用 tracking_simulate() 函数
	
	tracking_simulate(eventpath, savepath)：
		(1) 根据event_names获取事件名enent_name
		(2) 遍历并执行 eventpath 文件夹下的 0_track.data、1_track.data 文件，并调用do_tracking() 执行
		(3) 将前后摄、本地与现场，工8幅子图合并为1幅大图。
	
	do_tracking(fpath, savedir, event_name='images')
	
enentmatch.py
	1:n 模拟测试，have Deprecated! 

contrast_analysis.py
	1:n 现场测试评估。
	main():
		循环读取不同文件夹中的 deletedBarcode.txt，合并评估。
	main1():
		指定deletedBarcode.txt进行1:n性能评估
		
feat_select.py
	以下两种特征选择策略下的比对性能比较
	(1) 现场算法前后摄特征组合；
	(2) 本地算法优先选择前摄特征；