2、基础知识回顾：目标检测基础（YOLO系列）、卡尔曼滤波入门、匈牙利算法匹配
各位同学，欢迎来到第二章。在正式进入多目标跟踪之前，咱们得先把地基打牢。你想想看，跟踪的前提是什么？是检测。没有检测，你连“目标”在哪儿都不知道，还谈什么跟踪？
所以这一章，我会带大家快速过一遍三个核心基础：YOLO系列目标检测、卡尔曼滤波、以及匈牙利算法匹配。这三个东西，说白了就是多目标跟踪的“三驾马车”。
2.1 目标检测基础：YOLO系列
目标检测这块，我个人最常用的就是YOLO。为什么？因为它快，而且准。我在做实时跟踪项目时，YOLO几乎是首选。
2.1.1 从R-CNN到YOLO
早期的检测方法，比如R-CNN，是“先提候选框，再分类”。这流程太慢了。YOLO的思路完全不同——它把检测当成一个回归问题，一次搞定。
YOLO的核心思想很简单：
- 把图片分成S×S的网格
- 每个网格负责预测B个边界框
- 每个框输出：x, y, w, h, confidence, 以及类别概率
嗯，这里要注意：YOLO的损失函数是直接优化检测精度的。它把定位误差、置信度误差、分类误差放在一起算。我刚开始用YOLOv3时，总觉得这个损失函数设计得有点“糙”，但后来发现，正是这种“糙”让它跑得飞快。
2.1.2 YOLOv3与YOLOv5的差异
YOLOv3用了Darknet-53作为骨干网络，还引入了多尺度预测。YOLOv5呢？它其实不是官方版本，但社区用得最多。我个人习惯用YOLOv5，因为它的工程化做得特别好。
| 特性 | YOLOv3 | YOLOv5 |
|---|---|---|
| 骨干网络 | Darknet-53 | CSPDarknet |
| 数据增强 | 基础 | Mosaic, MixUp |
| 训练速度 | 较慢 | 快（自动锚框） |
| 部署难度 | 中等 | 简单（ONNX/TensorRT） |
2.1.3 检测输出与跟踪的接口
检测器输出什么？说白了就是一堆框：[x1, y1, x2, y2, confidence, class_id]。这些框会喂给跟踪器。但这里有个坑——检测器的帧率必须稳定。如果检测器突然掉帧，跟踪器就会“断片”。
我曾经在一个项目中，检测器在GPU上跑30fps，但CPU负载一高就掉到15fps。结果跟踪器频繁丢失目标。后来我加了帧率监控和缓冲机制，才算稳住。
2.2 卡尔曼滤波入门
卡尔曼滤波，听起来很高大上，其实没那么玄乎。它就是一个“预测+修正”的循环。你想想看，我们跟踪目标时，目标的位置是不断变化的。卡尔曼滤波能帮我们估计出目标最可能的位置。
2.2.1 核心思想
卡尔曼滤波假设系统是线性的，噪声是高斯分布。它有两个主要步骤：
- 预测（Predict）：根据上一帧的状态，预测当前帧的状态
- 更新（Update）：用当前帧的观测值，修正预测值
公式其实就五个：
# 预测步骤
x_pred = F * x_prev + B * u
P_pred = F * P_prev * F^T + Q
# 更新步骤
K = P_pred * H^T * (H * P_pred * H^T + R)^(-1)
x_updated = x_pred + K * (z - H * x_pred)
P_updated = (I - K * H) * P_pred别被公式吓到。在SORT和DeepSORT里，我们只用到了位置和速度。状态向量一般是 [x, y, s, r, vx, vy, vs]，其中s是面积，r是宽高比。
2.2.2 在跟踪中的应用
在SORT中，卡尔曼滤波负责预测每个目标在下一帧的位置。然后我们用匈牙利算法，把预测框和检测框做匹配。
我记得第一次调卡尔曼滤波的参数时，Q和R怎么设都不对。Q是过程噪声协方差，R是观测噪声协方差。Q设大了，预测会抖动；R设大了，更新会滞后。后来我总结了一个经验：Q先设小一点，R根据检测器的精度来调。
2.3 匈牙利算法匹配
匈牙利算法，说白了就是解决“谁跟谁配对”的问题。在跟踪里，我们要把上一帧的轨迹和当前帧的检测框一一匹配起来。
2.3.1 算法原理
匈牙利算法解决的是指派问题。给定一个代价矩阵，找到总代价最小的匹配方案。代价矩阵里，行是轨迹，列是检测框，每个元素是它们之间的“距离”。
算法步骤：
- 每行减去最小值
- 每列减去最小值
- 用最少的线覆盖所有零
- 如果线数等于矩阵维度，找到最优解；否则调整矩阵，重复
嗯，听起来有点绕。但在代码里，我们直接用scipy的linear_sum_assignment函数就行。一行代码搞定。
from scipy.optimize import linear_sum_assignment
# cost_matrix: 轨迹数 × 检测数
row_ind, col_ind = linear_sum_assignment(cost_matrix)2.3.2 代价矩阵的设计
代价矩阵怎么算？在SORT里，用的是IoU距离。IoU越大，代价越小。在DeepSORT里，还加入了外观特征距离（余弦距离）。
我个人习惯把两种距离加权融合：
cost = lambda_iou * iou_distance + lambda_app * appearance_distance权重怎么调？我一般先设lambda_iou=0.5, lambda_app=0.5，然后根据跟踪效果微调。如果目标频繁遮挡，我会加大外观特征的权重。
2.3.3 匹配的阈值
匹配不是无条件的。我们通常会设一个阈值，只有代价小于阈值的匹配才被接受。在SORT里，IoU阈值一般设为0.3。小于0.3的，就算匹配上了也不认。
为什么？因为如果两个目标离得太远，强行匹配只会让跟踪器“漂移”。我曾经试过把阈值设到0.1，结果跟踪器疯狂跳变，ID切换率飙升。
2.4 三者如何协同工作
好了，三个基础都讲完了。它们是怎么配合的？我画个流程给你看：
- 检测器（YOLO）：输出当前帧的所有检测框
- 卡尔曼滤波：预测上一帧轨迹在当前帧的位置
- 匈牙利算法：计算预测框和检测框的代价矩阵，做最优匹配
- 更新：匹配上的轨迹用检测框更新卡尔曼滤波；没匹配上的检测框新建轨迹；没匹配上的轨迹标记为丢失
这个循环每帧执行一次。你想想看，是不是很简单？
下一章，我们会正式进入SORT算法的实现。到时候你会看到，这三个基础组件是如何被组装成一个完整的跟踪系统的。嗯，做好准备，代码量会有点大。