3、目标检测基础：基于传统方法的障碍物检测（背景建模、光流法），基于深度学习的检测概览
3.1 传统方法：为什么还要学它？
说实话，现在做自动驾驶感知，大家一上来就谈深度学习。但我个人觉得，传统方法就像练武的扎马步——看着土，但底子得打牢。
我在2016年刚入行时，车载芯片算力还很有限。那时候跑个YOLOv1都费劲，帧率只有个位数。怎么办？只能靠传统方法顶上。你想想看，如果连背景建模和光流法都不懂，你很难理解为什么后来深度学习能做得更好。
传统方法的核心思路很简单：找变化。障碍物相对于静止的背景，一定有某种“不一样”。要么是像素值变了，要么是运动轨迹不同了。
3.2 背景建模：从“静态”中找“动态”
背景建模，说白了就是让摄像头记住“路应该长什么样”。然后，一旦出现和记忆不符的东西，那就是障碍物。
3.2.1 帧差法
最朴素的方法。拿当前帧减去上一帧，差值大的地方就是运动区域。
# 帧差法伪代码
def frame_diff(prev_frame, curr_frame, threshold=30):
diff = cv2.absdiff(prev_frame, curr_frame)
_, mask = cv2.threshold(diff, threshold, 255, cv2.THRESH_BINARY)
return mask嗯，这里要注意：帧差法对光照变化极其敏感。我曾在隧道出口吃过亏——车刚出隧道，光照突变，整个画面都在“动”，算法直接崩了。
3.2.2 混合高斯模型（GMM）
比帧差法聪明一点。它给每个像素点建一个高斯分布模型，描述“这个像素正常情况下应该是什么值”。
举个例子：路面的灰度值通常在120-140之间波动。GMM会记住这个范围。如果突然出现一个灰度值200的像素点，模型就会判定为前景。
关键参数：
- 学习率α：控制背景更新的速度。α太大，慢速移动的物体会被“融入”背景；α太小，光照变化会导致大量误检。
- 高斯分量个数K：一般取3-5个。我习惯取3，够用且速度快。
避坑指南：我曾经在雨天的项目中，GMM把雨滴也检测成了障碍物。后来加了形态学滤波（先腐蚀再膨胀），把小雨点过滤掉，效果好了很多。
3.3 光流法：追踪每一个像素的运动
背景建模看的是“像素值变了没”，光流法看的是“像素跑到哪去了”。
光流法的基本假设有两个：
- 亮度恒定：同一个点在前后两帧中，亮度不变。
- 小运动：物体移动的距离很小，可以用微分近似。
基于这两个假设，我们可以推导出光流基本方程：
Ix * u + Iy * v + It = 0
其中：
Ix, Iy 是图像梯度
It 是时间梯度
(u, v) 是光流向量一个方程有两个未知数，解不了。所以有了Lucas-Kanade方法——它假设一个局部窗口内所有像素的运动相同，用最小二乘法求解。
3.3.1 稠密光流 vs 稀疏光流
| 类型 | 方法 | 计算量 | 适用场景 |
|---|---|---|---|
| 稀疏光流 | Lucas-Kanade | 低 | 特征点跟踪（如车辆角点） |
| 稠密光流 | Farneback | 高 | 运动分割、障碍物轮廓提取 |
我个人在实际项目中，更常用稀疏光流。为什么？因为稠密光流虽然信息丰富，但计算量太大，在嵌入式平台上跑不动。我一般用Shi-Tomasi角点检测提取特征点，然后用LK光流跟踪这些点。
注意：光流法在纹理稀疏的区域（比如大片白色墙面）会失效。因为没有足够的梯度信息，光流方程解不出来。这时候需要结合其他传感器（如激光雷达）做补充。
3.4 传统方法的局限性
做了几年传统方法，我最大的感受是：它太“脆”了。
- 光照变化、阴影、雨雪天气，都会导致大量误检
- 无法区分“运动的树”和“运动的行人”——都是像素在动，但语义完全不同
- 参数调优全靠经验，换个场景就得重新调
所以，当深度学习在2015年左右开始爆发时，整个行业都在往这个方向转。但别急着否定传统方法——在算力受限、场景简单的条件下，它依然有实用价值。
3.5 深度学习检测概览：从“找变化”到“理解内容”
深度学习的思路完全不同。它不再问“哪里变了”，而是问“这是什么”。
一个典型的深度学习目标检测流程分三步：
- 特征提取：用卷积神经网络（CNN）从图像中提取高维特征
- 区域提议：找出可能包含物体的区域（候选框）
- 分类+回归：判断候选框里是什么，并微调框的位置
3.5.1 两阶段检测器：Faster R-CNN
先提候选区域，再分类。精度高，但速度慢。
我记得第一次在自动驾驶数据集上跑Faster R-CNN，mAP确实高，但帧率只有5 FPS。车都开出去50米了，它还没检测完上一帧。
3.5.2 单阶段检测器：YOLO系列
一步到位，直接回归出类别和位置。速度快，但小目标检测效果差一些。
YOLOv3是我用得最多的版本。它在速度和精度之间取得了很好的平衡。后来出的v4、v5、v8，各有改进，但核心思想没变——把检测当成回归问题来做。
3.5.3 基于Transformer的检测器：DETR
最近两年火起来的。把目标检测当成“集合预测”问题，用Transformer的注意力机制来建模物体之间的关系。
说实话，DETR在自动驾驶场景下还没大规模落地。主要问题是训练收敛慢，而且对小目标不友好。但我觉得这是个方向，值得关注。
3.6 本章小结
传统方法和深度学习，不是非此即彼的关系。我现在的做法是：
- 用传统方法做快速预处理（比如运动区域提取）
- 用深度学习做精确分类和定位
- 两者结合，取长补短
下一节，我们会深入讲深度学习的网络结构设计。但在此之前，我建议你把背景建模和光流法的代码亲手跑一遍。只有踩过传统方法的坑，你才能真正理解深度学习为什么“香”。
我的建议：初学者不要一上来就调YOLO。先花一周时间，把OpenCV里的背景建模和光流法demo跑通。你会发现，很多深度学习里的概念（如特征图、感受野）其实在传统方法里就有雏形。