第一章 课程导学与预备知识：目标跟踪概述、评价指标、数据集介绍、环境配置
1.1 什么是目标跟踪？我眼中的“跟踪”这件事
目标跟踪，说白了就是让计算机“盯住”视频里某个物体。你给它第一帧的位置，它得在后续帧里一直找到这个物体。听起来简单？我刚开始做的时候也这么想。
但实际跑起来，问题就来了：目标会变形、会遮挡、会跑出画面，光照一变，颜色全乱套。嗯，这才是真实世界的挑战。
我个人习惯把目标跟踪分成两类：
- 单目标跟踪（SOT）：只盯一个目标，比如跟踪画面里的一辆车。
- 多目标跟踪（MOT）：同时盯多个目标，还要区分谁是谁。比如监控画面里跟踪多个人。
咱们这门课主要讲单目标跟踪。为什么？因为它是基础，也是很多高级应用的起点。我在项目中遇到过，很多同学一上来就想搞多目标，结果连单目标都跑不稳——这就像还没学会走路就想跑。
核心要点：目标跟踪不是目标检测。检测是“找出来”，跟踪是“盯住它”。两者可以结合，但思路完全不同。
1.2 评价指标：怎么才算“跟踪得好”？
你想想看，一个跟踪算法好不好，总得有个标准吧？我早期做项目时，光看视频觉得“嗯，好像还行”，结果一上指标，惨不忍睹。所以，指标就是你的照妖镜。
常用的评价指标有这几个：
| 指标 | 全称 | 说明 |
|---|---|---|
| Precision | 精确度 | 预测框中心与真实框中心的距离，小于阈值（通常20像素）算正确 |
| Success Rate | 成功率 | 预测框与真实框的IoU（交并比），大于阈值（通常0.5）算成功 |
| FPS | 帧率 | 每秒处理多少帧。实时应用至少需要30 FPS |
| AUC | 曲线下面积 | Success Rate曲线下的面积，综合衡量不同阈值下的表现 |
这里有个坑，我曾经踩过：Precision和Success Rate不是一回事。Precision只看中心点，哪怕框画得很大，只要中心点对，分数就高。但Success Rate要求框得准。所以，两个指标要一起看。
我的建议：做学术报告时，两个指标都展示。做工程落地时，优先看Success Rate和FPS。用户不关心你的中心点误差，只关心框得准不准、跑得快不快。
1.3 数据集介绍：你拿什么练手？
数据就是算法的粮食。我见过太多人，算法写得花里胡哨，结果在错误的数据集上评测，白忙一场。所以，选对数据集很重要。
常用的数据集有这些：
- OTB-2015：经典中的经典。100个视频序列，涵盖各种挑战（遮挡、光照变化、尺度变化等）。入门必备。
- VOT系列：VOT2016、VOT2018等。每年都有比赛，标注更精细，难度更高。适合进阶。
- LaSOT：大规模数据集，1400个视频，每个视频平均2500帧。适合训练深度学习模型。
- GOT-10k：超过10000个视频，类别丰富。强调零样本学习，训练集和测试集类别不重叠。
我个人习惯：入门先用OTB-2015，跑通流程。然后上LaSOT或GOT-10k做训练。最后用VOT系列做最终评测。这样循序渐进，不容易被打击到。
注意：不同数据集的评价协议不同。比如OTB用一次通过评估（OPE），VOT用重启机制。千万别混用，否则结果没法比。我曾经犯过这个错，被审稿人怼得体无完肤。
1.4 环境配置：把枪擦亮
工欲善其事，必先利其器。环境配置这一步，看似简单，但坑不少。我建议你按这个流程来：
- 安装Python：推荐3.8或3.9。太新或太旧都可能遇到包不兼容的问题。
- 创建虚拟环境：用conda或venv都行。我习惯用conda，管理方便。
- 安装PyTorch：根据你的CUDA版本选。不确定的话，先装CPU版本跑通再说。
- 安装OpenCV：视频处理必备。pip install opencv-python 就行。
- 安装其他依赖：numpy、matplotlib、tqdm等。
下面是我常用的环境配置脚本，你可以直接拿来用：
# 创建环境
conda create -n tracking python=3.8
conda activate tracking
# 安装PyTorch（以CUDA 11.3为例）
pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 --extra-index-url https://download.pytorch.org/whl/cu113
# 安装基础库
pip install opencv-python numpy matplotlib tqdm
# 安装跟踪库（可选）
pip install got10k # 用于GOT-10k数据集
pip install vot-toolkit-python # 用于VOT数据集避坑指南：我曾经在Windows上折腾了一天，发现OpenCV的VideoCapture读取某些视频格式会报错。后来换成Linux，一切顺畅。如果你有条件，建议用Linux做开发。实在不行，Windows也能跑，就是得多踩几个坑。
1.5 知识体系总览：一张图看懂本章
说了这么多，咱们来梳理一下。下面这张图展示了本章的知识结构，你可以把它当作学习地图：
这张图把本章内容串起来了。你从中心出发，先了解概述，再掌握评价指标，然后熟悉数据集，最后配好环境。每一步都是下一步的基础。
好了，第一章就到这里。环境配好之后，下一章咱们就开始动手写第一个跟踪器。到时候你会发现，理论是一回事，代码跑起来又是另一回事——嗯，这才是最有意思的地方。