4. 感知层KPI - 目标跟踪：多目标跟踪准确度（MOTA）、多目标跟踪精度（MOTP）、ID切换次数、轨迹生命周期
好，我们进入感知层KPI的第二个核心模块——目标跟踪。
检测是“看见”，跟踪是“看懂”。
你想想看，如果一辆车只是每帧检测出障碍物，但不知道上一帧的这辆车和这一帧的这辆车是不是同一辆，那它根本没法做预测和规划。所以，跟踪的质量直接决定了整个ADAS系统的“智商”。
我个人习惯把跟踪KPI分成四个维度：准不准、稳不稳、乱不乱、久不久。正好对应我们今天要讲的四个指标：MOTA、MOTP、ID Switch、轨迹生命周期。
4.1 多目标跟踪准确度（MOTA）
MOTA，全称是Multiple Object Tracking Accuracy。说白了，它衡量的是你的跟踪系统有没有漏跟、有没有误跟、有没有跟错对象。
公式长这样：
MOTA = 1 - (FN + FP + IDSW) / GT其中：
- FN：漏跟的目标数。该跟的没跟上。
- FP：虚跟的目标数。不该跟的瞎跟。
- IDSW：ID切换次数。跟到一半换人了。
- GT：真实目标总数。
MOTA的取值范围是(-∞, 1]。嗯，你没看错，可以是负数。如果系统乱报一通，FP和IDSW爆表，MOTA直接变负。我在项目中就见过一次，某个算法在密集场景下MOTA跑出-0.3，那基本等于没干活。
实际工程经验：
对于L2+级别的ADAS，MOTA一般要求大于0.7。L3以上，建议大于0.85。低于0.5的系统，基本没法用。
4.2 多目标跟踪精度（MOTP）
MOTA看的是“有没有跟到”，MOTP看的是“跟得有多准”。
MOTP衡量的是所有匹配上的目标，其预测位置和真实位置之间的平均重叠度或距离误差。
公式：
MOTP = (∑ d_i) / (∑ c_i)d_i是第i个匹配目标的距离误差（比如IoU或中心点距离），c_i是匹配上的目标总数。
我举个例子你就明白了。假设前方有一辆静止的卡车，你的跟踪框一直跟着它。如果框的中心点偏移了2米，那MOTP就很差。如果框始终紧紧贴合车身，MOTP就高。
我记得有一次，客户反馈AEB系统在跟车时频繁误触发。查了半天，发现是MOTP太差——跟踪框抖动厉害，导致相对速度计算不准。后来把MOTP从0.65优化到0.85，问题就解决了。
避坑指南：
我曾经踩过一个坑：只关注MOTA，忽略了MOTP。结果MOTA很高，但跟踪框飘忽不定，下游的预测模块根本没法用。记住，MOTA和MOTP要一起看，缺一不可。
4.3 ID切换次数（ID Switch）
ID Switch，也叫ID跳变。这是我最头疼的指标之一。
什么叫ID切换？就是系统给同一个目标分配了不同的ID。比如一辆白色轿车从你左边超车，系统一开始叫它ID_003，过了两帧突然变成了ID_017。这就是一次ID Switch。
为什么头疼？因为ID切换对下游模块的影响是灾难性的。
- 预测模块：以为来了个新目标，重新初始化轨迹，导致预测延迟。
- 规划模块：以为旁边突然冒出一辆车，急刹车或急转向。
- 决策模块：无法判断目标的历史行为，比如“这辆车是不是一直在我的盲区”。
我个人的经验是：ID切换次数应该控制在每100帧不超过5次。对于高速公路场景，要求更严，最好每100帧不超过2次。
注意：
ID切换和遮挡是“死对头”。目标被遮挡后重新出现，很容易发生ID切换。我曾经在隧道场景里，因为光线突变，ID切换率飙升到30%。后来加了外观特征匹配和运动预测，才压下来。
4.4 轨迹生命周期
轨迹生命周期，听起来有点玄乎，其实很简单——就是一条跟踪轨迹从出生到死亡的完整过程。
它包含几个关键阶段：
- 初始化：新目标出现，系统给它分配一个新ID。
- 确认：连续几帧都匹配成功，轨迹进入稳定状态。
- 维持：持续跟踪，不断更新状态。
- 遮挡/丢失：目标暂时消失，轨迹进入“挂起”状态。
- 终止：目标彻底离开视野，轨迹被删除。
这里有个关键参数——最大丢失帧数。也就是目标消失后，系统还“惦记”它多久。
我建议：
- 高速公路场景：最大丢失帧数设为5-10帧（约0.2-0.4秒）。
- 城市道路场景：可以放宽到15-20帧（约0.6-0.8秒）。
- 行人场景：建议30帧以上，因为行人容易被遮挡。
为什么？你想想看，高速上如果丢失一帧就重新初始化，那ID切换会多到爆炸。但如果丢失太久还保留轨迹，又会导致轨迹“幽灵”一样飘在那里，影响决策。
实战建议：
我习惯在日志里记录每条轨迹的“生命日志”——什么时候出生、什么时候被遮挡、什么时候死亡。这样一旦出问题，可以快速回放定位。比如，如果发现某条轨迹生命周期特别短（不到1秒），那大概率是检测不稳定或者匹配逻辑有问题。
4.5 四个指标的关系
这四个指标不是孤立的。我画个简单的逻辑链给你看：
MOTA低 → 可能是ID切换太多 → ID切换多 → 轨迹生命周期短 → 系统不稳定
MOTP低 → 跟踪框不准 → 影响下游预测 → 间接导致ID切换
所以，优化的时候要系统性地看。不能只盯着一个指标猛调。
| 指标 | 含义 | 典型阈值（L2+） | 常见问题 |
|---|---|---|---|
| MOTA | 跟踪准确度 | > 0.7 | 漏跟、虚跟、ID切换 |
| MOTP | 跟踪精度 | > 0.75（IoU） | 框抖动、位置偏移 |
| ID Switch | ID跳变次数 | < 5次/100帧 | 遮挡、外观变化 |
| 轨迹生命周期 | 轨迹持续时间 | > 2秒（平均） | 频繁初始化、丢失 |
嗯，这一节的内容就到这。记住一句话：检测是基础，跟踪是灵魂。没有好的跟踪，你的ADAS系统就像个健忘症患者——刚看到的东西，下一秒就忘了。
下一节，我们会聊感知层的最后一个KPI——感知融合与鲁棒性。到时候见。