目标检测IOU计算

IOU是交并比（Intersection-over-Union）是目标检测中使用的一个概念是产生的候选框（candidate bound）与原标记框（ground truth bound）的交叠率，即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。在多目标跟踪中，用来判别跟踪框和目标检测框之间的相似度。

IoU是两个区域的交除以两个区域的并得出的结果

from __future__ import print_function
from numba import jit
import numpy as np


# 计算IOU
@jit
def iou(bb_test, bb_gt):
    """
    计算预测框和目标框的交并比
    :param bb_test:表示预测框的左上角和右下角的坐标 [x1, y1, x2, y2]
    :param bb_gt: 表示目标框的左上角和右下角的坐标 [x1, y1, x2, y2]
    :return:
    """
    # 交集区域左上角坐标的最大值
    xx1 = np.maximum(bb_test[0], bb_gt[0])
    yy1 = np.maximum(bb_test[1], bb_gt[1])

    # 交集区域右下角坐标的最大值
    xx2 = np.maximum(bb_test[2], bb_gt[2])
    yy2 = np.maximum(bb_test[3], bb_gt[3])

    # 交集区域的宽
    w = np.maximum(0, xx2 - xx1)
    # 交集区域的高
    h = np.maximum(0, yy2 - yy1)
    # 交集区域的面积
    hw = h * w

    # 并集的面积
    s = (bb_test[2] - bb_test[0]) * (bb_test[3] - bb_test[1]) + (bb_gt[2] - bb_gt[0]) * (bb_gt[3] - bb_gt[1]) - hw

    return hw/s

if __name__ == '__main__':
    print(iou([133, 59, 310, 213], [182, 94, 327, 248]))
    print(iou([182, 94, 327, 248], [133, 59, 310, 213]))