36 lines
1.2 KiB
Plaintext
36 lines
1.2 KiB
Plaintext
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；
|