我正在进行人员检测，我的结果是以代表检测到的人的边界框的形式。
现在我需要计算结果的精确度和召回率。
我知道我需要计算真阳性，假阳性和假阴性以获得P＆amp; R上。
我使用名为Vatic的注释工具手动注释了数据。 最后，Vatic生成了一个XML文件，该文件由地面实况的边界框的坐标组成。
XML文件的内容是（我没有费心关闭标签但包含它们以便了解内容）：
<object>
<name>People</name>
<moving>true</moving>
<action/>
<verified>0</verified>
<id>1</id>
<createdFrame>0</createdFrame>
<startFrame>0</startFrame>
<endFrame>1</endFrame>
<polygon><t>0</t><pt><x>434</x><y>422</y><l>1</l></pt><pt><x>434</x><y>574</y><l>1</l></pt><pt><x>582</x><y>574</y><l>1</l></pt><pt><x>582</x><y>422</y><l>1</l></pt></polygon>
<polygon><t>1</t><pt><x>432</x><y>421</y><l>0</l></pt><pt><x>432</x><y>573</y><l>0</l></pt><pt><x>580</x><y>573</y><l>0</l></pt><pt><x>580</x><y>421</y><l>0</l></pt></polygon>
对于这个问题，我只使用了2帧的注释，否则代码就会很大。
我将XML解释为＆lt; t＆gt;陈述帧号，＆lt; x＆gt;和＆lt; y＆gt;是边界框的4个角的坐标。不太明白什么＆lt; l＆gt; tag指定。
如何使用此XML并将其与我的结果进行比较，以计算真阳性，假阳性和假阴性？
结果是带有HOG探测器创建的边界框的图像形式。
可以使用某种开源工具来完成吗？或者编写代码来计算这些东西会更容易吗？可以用OpenCV和Python（首选）来完成吗？
由于