什么是 多对象跟踪精度（MOTP）？
多对象跟踪精度（MOTP）是一种 CLEAR MOT 定位度量：它平均已接受 Ground Truth 与预测 Detection Match 的空间相似度或距离。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
把定位质量与匹配覆盖率分开
CLEAR MOT Evaluator 先按 Localization Threshold 与连续性规则建立一对一 Match，再平均这些配对的定位量。未匹配 Ground Truth 与预测不会直接进入 MOTP 分子，而是作为 FN、FP 进入 MOTA 和相关 Detection Metric。
CLEAR MOT 原始定义把 MOTP 表示为平均 Distance Error；当前视觉跟踪 Leaderboard 常改用 IoU Similarity。因此报告任何 MOTP 时，都必须明确分数方向与单位。
声明 MOTP 使用相似度还是距离
在 Similarity 约定下，MOTP = 已匹配 Pair 的 Similarity 总和 / TP，越高越好；Bounding Box 场景通常使用零到一之间的 IoU。在 Distance 约定下，MOTP = 已匹配 Pair 的 Distance 总和 / TP，越低越好，单位可能是像素、米或其他 State-space Measure。
只有协议明确规定这种归一化关系时，才能用 distance = 1 - similarity 互换表示；任意 Euclidean Distance 或 Mahalanobis Distance 都不能这样转换。
结合 Matching Protocol 解释 MOTP
TrackEval 将 Localization Similarity 总和除以 CLEAR True-positive Count 得到 MOTP。它先延续合格的上一帧配对，再偏好更高 Similarity，因此 Matching 规则本身会改变参与平均的样本。
Tracker 可以只准确定位少量容易对象而获得高 MOTP，同时漏掉大量对象。应一起报告 TP、FN、FP、MOTA、HOTA 分量、Detection Representation 与阈值，也不能直接比较 Distance-style 与 Similarity-style MOTP。
主要特点
- 只平均已接受 Detection Match 的定位质量
- 可能采用越高越好的 Similarity 或越低越好的 Distance
- 依赖 Matching Threshold 与连续性规则
- 平均值本身不惩罚未匹配 Detection
- 可用于 Box、Mask、Point 或业务 State Distance
- 名称中的 Precision 不等于分类精确率
常见用途
- 报告 CLEAR MOT Benchmark 的 Bounding-box 对齐质量
- 在固定 Matching Protocol 下比较定位能力
- 审计二维、三维、Mask 或 Point Tracking 精度
- 区分定位变化与 Detection Error 变化
- 按明确约定复现历史 Tracking Table
示例
Loading code...常见问题
MOTP 如何计算？
完成协议规定的一对一 Matching 后，把所有 True-positive Pair 的 Localization Similarity 或 Distance 相加，再除以 Pair 数量。报告必须说明平均的具体量及优劣方向。
MOTP 越高一定越好吗？
不一定。平均 IoU 等 Similarity 约定是越高越好，平均 Distance 或 Localization Error 约定是越低越好。应读取 Evaluator 定义，不能根据指标名称推断方向。
为什么 Tracking 很差时 MOTP 仍可能很高？
MOTP 只平均已接受 Match。Tracker 可能准确定位少量容易对象，却产生大量漏检、虚警或身份错误；这些故障需要通过 MOTA、HOTA、IDF1 与原始计数判断。
MOTP 与分类 Precision 有什么区别？
分类 Precision 使用 `TP / (TP + FP)` 衡量预测中的虚警比例；MOTP 衡量已匹配 Detection 的定位质量。历史名称中的 Precision 并不对应分类公式。
不同实现的 MOTP 可以直接比较吗？
只有 Detection Representation、Similarity 或 Distance、Threshold、Matching Policy、Ignore Rule、Aggregation 与分数方向完全一致时才可以，否则同一标签可能代表不兼容的量。