满帧不等于跟得住:IDSW 从 154 到 5
检测说'有人',跟踪说'是同一个人'。140 行跟踪器 0.47ms,三个 bug 把 IDSW 从 154 修到 5,满帧只证明没拖慢。
本页目录
检测器每帧独立工作——第 137 帧说"一个人",第 138 帧又说"一个人",它不知道是不是同一个人。计数、测速、行为分析全押在"是同一个"这个判断上。这篇给流水线补上跟踪:零新模型,一段约 140 行的纯 numpy BYTE。

先交底
- track 段 0.47ms(p95 0.70),纯 CPU,含滤波 + 两阶段关联 + 越线计数全流程——摄像头满帧零感
- 但满帧 ≠ 跟得好:修复前的版本同样满帧,IDSW 是 154。帧率只证明"没拖慢",IDSW 才证明"跟得住"
- 所以跟踪质量必须用真值序列验收,fps 验收不了这件事
BYTE 的核心:低分框不是噪声
检测器打低分的框,很多不是噪声,是被遮挡到只剩残影的目标。全扔掉,遮挡一发生 id 就断;全当正常框用,噪声又进来乱配。BYTE 的解法是两阶段:高分框(>0.45)先跟存活轨迹关联;没配上的轨迹再跟低分框(0.20~0.45)关联——被遮挡的目标在这里续命,id 不断。
教学版两处务实替换:贪心匹配替代匈牙利(同帧 ≤4 目标结果一致)、alpha-beta 滤波替代 8 维卡尔曼。为什么不用框架一行搞定?要能改——换关联度量、以后加 ReID,都得从看得懂的实现开始。
三个 bug,三个台阶:154→102→5
v1→154:自测全 PASS,照样是坏的。 阶段二没匹配上的轨迹忘了放进存活池,miss 一帧就蒸发,max_age 形同虚设——检出分数抖一帧,id 就换一个。自测用例全是"构造连续遮挡",没覆盖"单帧检出抖动"这条路径。自测验证的是算法逻辑,真值序列验证的是系统行为,两码事。
v2→102:跟踪器的锅,检测来背。 检测头对同一个人输出 person 和 tie 两个框(跨类 NMS 之前互不抑制),两条轨迹轮流"命中",id 每秒交替。修复:跟踪前做 class-agnostic NMS。教训:跟踪的输入质量是检测的输出分布,评估必须端到端做。
v3→5:背景图自带 person。 造测试序列时选"person 分数最低"的图当背景——分数低不等于没有,背景里躺着一个低置信度 person,被跟了整整 900 帧。修复:重建序列。残留 5 次 switch 全在刻意构造的 40px 错位对穿段:参数救不了结构(六配置 sweep 的 IDSW 全在 4~6 次晃),下一级武器是外观特征 ReID。
最终账面:真值评估 IDSW 5 / MOTA* 0.6409(受控序列口径,只用于同序列自比,别拿去比 MOT 榜单)。
调参一句
track_high 宁高勿低:降到 0.30,弱检测晋级高阶,FP 直接 ×1.8 全场最差;升到 0.60 反而 IDSW -1。默认 0.45 是稳妥点,要动只往上动。max_age 覆盖"预期遮挡帧数 ×1.5"即可,以出画面为主的场景里长记忆无用。
两个坑
- numpy 2.x 删了 2D
np.cross——越线判据的叉积手写d0*v1 - d1*v0,两行的事,但不看 changelog 就是半天崩。 - 评估匹配数 = 0,还不报异常——tracker 在 640 letterbox 系工作,真值在 1280×720 系,两套坐标各算各的都对,拼在一起全错。坐标系一致性是经典课,只能靠数值合理性检查抓出来。
越线计数
叉积符号翻转记事件 + 3 帧冷却去抖。本序列 7 条事件里 5 条挤在对穿段 25 帧内——交叉段不仅换 id,还会密集重复计数。线要选在目标必经、远离交叉的位置;越线方向(进/出)取决于线段端点顺序,端点写反全反,接业务前先把方向语义定死。
环境口径:Jetson Orin Nano Super 8GB / JetPack 6 / TensorRT 10.7 / CUDA 12.6;复用检测篇的 INT8 引擎;锁频 1020MHz 满频占比 100%,900 帧,2026-11 实测。