Abstract. Object tracking technology is being continually improved to ensure robust tracking performance under real conditions, such as cluttered background, fast motion, and lengthy occlusions. The performance of these video trackers depends significantly on evaluation methodologies adopted during the assessment of tracking algorithms. Most of these video trackers are evaluated using video sequences annotated with the simulated visual attributes of objects. Generating such sequences with the requisite attributes is laborious and time consuming. These annotated video sequences may fail to address real challenges; hence, the trackers must be tested using available opportunity targets in lengthy field trials. We present an innovative scheme for the hardware-in-loop testing of such video trackers for efficient evaluation under complex background scenarios. The designed simulator can provide the real-time visual characteristics of object parameters with a live background without halting the evaluation process. The proposed method facilitates the efficient evaluation of a closed-loop video tracker by providing a virtually endless video sequence containing realistic visual attributes of potential objects. In addition, the validation of the tracker’s performance in realistic scenarios, the comparative performance of tracking algorithms under varying operational conditions, and an in-depth analysis of the tracker system parameters are presented.

中文翻译：

---

光电跟踪系统评估和硬件在环测试的有效方法

摘要。目标跟踪技术正在不断改进，以确保在杂乱背景、快速运动和长时间遮挡等真实条件下具有稳健的跟踪性能。这些视频跟踪器的性能在很大程度上取决于在评估跟踪算法期间采用的评估方法。这些视频跟踪器中的大多数是使用用对象的模拟视觉属性注释的视频序列来评估的。生成具有必要属性的此类序列既费力又费时。这些带注释的视频序列可能无法解决真正的挑战；因此，必须在长时间的现场试验中使用可用的机会目标来测试跟踪器。我们提出了一种创新方案，用于对此类视频跟踪器进行硬件在环测试，以便在复杂背景场景下进行有效评估。设计的模拟器可以在不停止评估过程的情况下提供具有实时背景的对象参数的实时视觉特征。所提出的方法通过提供包含潜在对象的真实视觉属性的几乎无限的视频序列来促进闭环视频跟踪器的有效评估。此外，还介绍了真实场景中跟踪器性能的验证、不同操作条件下跟踪算法的比较性能以及跟踪器系统参数的深入分析。设计的模拟器可以在不停止评估过程的情况下提供具有实时背景的对象参数的实时视觉特征。所提出的方法通过提供包含潜在对象的真实视觉属性的几乎无限的视频序列来促进闭环视频跟踪器的有效评估。此外，还介绍了跟踪器在现实场景中的性能验证、跟踪算法在不同操作条件下的比较性能以及对跟踪器系统参数的深入分析。设计的模拟器可以在不停止评估过程的情况下提供具有实时背景的对象参数的实时视觉特征。所提出的方法通过提供包含潜在对象的真实视觉属性的几乎无限的视频序列来促进闭环视频跟踪器的有效评估。此外，还介绍了跟踪器在现实场景中的性能验证、跟踪算法在不同操作条件下的比较性能以及对跟踪器系统参数的深入分析。