Сбор и оценка достоверных данных для компьютерного зрения

В настоящее время я начинаю разрабатывать приложение компьютерного зрения, которое включает в себя отслеживание людей. Я хочу создать достоверные метаданныедля видео, которые будут записаны в этом проекте. Метаданные, вероятно, нужно будет пометить вручную, и в основном они будут состоять из местоположения людей на изображении. Я хотел бы использовать метаданные для оценкипроизводительности моих алгоритмов.

Конечно, я мог бы создать инструмент для маркировки, используя, например, qt и/или opencv, но мне было интересно, есть ли для этого какой-то стандарт де-факто. Я наткнулся на Viper, но он кажется мертвым и работает не так просто, как я надеялся. Кроме этого, я не нашел много.

Есть ли у кого-нибудь здесь рекомендации относительно того, какое программное обеспечение/стандарт/метод использовать как для маркировки, так и для оценки? Я предпочитаю что-то, ориентированное на С++, но это не является жестким ограничением.

С уважением и заранее спасибо! Tom