2、标注基础：视频标注与图片标注的区别、关键概念（帧、目标、轨迹、ID）
大家好，我是老张。今天咱们聊聊视频标注的基础。
说实话，很多刚入行的朋友觉得标注嘛，不就是画框框？图片上画框，视频里也画框，能有多大区别？
嗯，我当年也是这么想的。直到第一次接了个视频跟踪项目，被甲方爸爸打回来三次……那滋味，真不好受。
今天我就把踩过的坑，一次性说清楚。
一、图片标注 vs 视频标注：到底差在哪？
先看一张对比表，一目了然：
| 对比维度 | 图片标注 | 视频标注 |
|---|---|---|
| 核心任务 | 识别并框出物体 | 识别 + 持续跟踪物体 |
| 数据量 | 单张独立 | 连续帧序列（30fps = 每秒30张） |
| 标注对象 | 静态目标 | 动态目标 + 轨迹 + ID |
| 时间维度 | 无 | 有（前后帧关联） |
| 常见错误 | 漏标、框不准 | ID跳变、轨迹断裂、目标消失 |
| 标注效率 | 较高（单张处理） | 较低（需逐帧或插帧） |
说白了，图片标注是「拍照片」，视频标注是「拍电影」。照片里人不动，你可以慢慢画。电影里人一直在动，你不仅要画，还得保证每一帧里「同一个人」的框始终跟着他走。
二、四个关键概念：帧、目标、轨迹、ID
这四个词，是视频标注的「四梁八柱」。我一个个讲，每个都带实战经验。
1. 帧（Frame）
帧就是视频里的一张张图片。视频本质上是快速播放的图片序列。
举个例子：一段10秒的视频，30fps，那就是300帧。
标注时怎么处理？
- 关键帧标注： 只标注第1帧、第30帧、第60帧……中间帧靠算法插值。
- 逐帧标注： 每一帧都手动标注。精度最高，但累死人。
- 我个人的习惯： 对于运动缓慢的目标（比如行人走路），每5帧标一次；对于快速运动的目标（比如赛车），每1-2帧标一次。这个经验值，是我在多个项目中试出来的。
2. 目标（Object）
目标就是你要跟踪的东西。可以是一个人、一辆车、一只猫，甚至是一个零件。
标注目标时要注意：
- 类别明确： 是「行人」还是「骑自行车的人」？是「轿车」还是「SUV」？分类越细，模型学得越准。
- 遮挡处理： 目标被遮挡了怎么办？我一般会标「可见部分」，并在属性里注明「遮挡程度：50%」。
- 边界清晰： 框要刚好包住目标，不要留太多空白，也不要切掉目标的身体/车尾。
我记得有一次，团队里新来的同学把「行人」和「骑电动车的人」都标成了「人」。结果模型训练出来，看到骑电动车的人就识别成「人+车」两个目标……嗯，这就是分类不细的后果。
3. 轨迹（Trajectory）
轨迹就是目标在视频中移动的路径。说白了，把每一帧里目标的中心点连起来，就是轨迹。
轨迹标注的核心要求：
- 连续性： 目标从第1帧出现，到第100帧消失，中间不能断。断了就叫「轨迹断裂」。
- 平滑性： 相邻帧之间，目标的位置变化应该是连续的。如果第5帧在左边，第6帧突然跳到右边，那就是标注错误。
- 完整性： 目标从进入画面到离开画面，全程都要有标注。
4. ID（身份标识）
ID是视频标注里最容易出错的地方。每个目标都有一个唯一的ID，从出现到消失保持不变。
ID的规则：
- 唯一性： 同一视频中，每个目标一个ID，不能重复。
- 稳定性： 目标从第1帧到第100帧，ID始终是同一个。
- 不可复用： 目标离开画面后，它的ID就作废了。新出现的目标要用新ID。
常见的ID错误：
- ID跳变： 同一个目标，第1-50帧是ID=1，第51帧突然变成了ID=2。模型会以为来了个新目标。
- ID交换： 两个人交叉走过，标注员搞混了，把A的ID给了B，B的ID给了A。这是最坑的错误，模型会学出「灵魂互换」的效果。
- ID丢失： 目标还在画面里，但标注员忘了标，导致ID中断。
三、知识体系结构图
下面这张图，把视频标注的核心逻辑串起来了：
四、实战中的常见问题
讲完理论，说说实战。我整理了几个高频问题：
- 目标短暂消失又出现，ID怎么处理？
比如一个人走到树后面，3秒后又走出来。我的做法是：保持原ID不变，中间被遮挡的帧标注「遮挡」属性。这样模型就知道：这个人没丢，只是暂时看不见。
- 多个目标外观相似，怎么区分？
比如一群穿同样校服的学生。我建议：利用运动轨迹来区分。即使外观一样，每个人的运动路径是不同的。标注时先标第1帧，然后逐帧跟踪，利用位置变化来区分。
- 标注工具卡顿怎么办？
嗯，这个问题我遇到过。视频标注工具吃内存，尤其是长视频。我的建议是：把长视频切成10-20秒的片段，分段标注。既减轻工具压力，也方便多人协作。
好了，这一章的内容就到这里。记住这四个概念：帧、目标、轨迹、ID。它们是视频标注的基石，也是你后面学习跟踪算法的基础。
公众号:蓝海资料掘金营，微信deep3321