第2章：目标检测基础
2.1 目标检测与目标跟踪的关系
很多人刚开始接触视觉时，会把检测和跟踪搞混。我当年也犯过这个错——以为跟踪就是检测的连续版本。其实没那么简单。
目标检测，说白了就是在一张图里找出「有没有目标」和「目标在哪儿」。它不关心上一帧发生了什么，每张图都是独立处理的。
目标跟踪呢？它更像个「盯梢」任务。给定第一帧的目标位置，后续帧里持续锁定它。跟踪会利用时序信息——目标不会突然消失，也不会瞬移。
举个例子你就明白了：
- 检测：你走进会议室，扫一眼，看到张三坐在第三排靠窗位置。
- 跟踪：你盯着张三，他站起来、走到白板前、转身——你的视线一直跟着他。
检测是跟踪的基础。没有检测结果，跟踪就无从开始。但跟踪反过来也能辅助检测——比如目标被遮挡时，跟踪可以预测它的大概位置。
核心关系：检测提供「初始化」和「重定位」，跟踪提供「持续锁定」和「预测」。两者配合，才能应对复杂环境。
我在项目中遇到过一种典型场景：无人机跟踪地面车辆。车辆经过树荫下时，检测器完全失效了。但跟踪算法靠着运动预测，硬是撑过了那几帧。嗯，这就是跟踪的价值。
2.2 常用目标检测算法简介
现在主流的检测算法，基本可以分成两派：两阶段和单阶段。我一个个说。
2.2.1 Faster R-CNN
这是两阶段检测的代表。第一阶段先找出可能包含目标的区域（候选框），第二阶段再对这些区域做精细分类和位置修正。
你想想看，这就像先拿望远镜扫一遍，发现可疑目标后，再用显微镜仔细看。精度确实高，但速度嘛...在嵌入式设备上跑，帧率往往只有个位数。
我个人习惯是：如果对精度要求极高、硬件算力充足，才会考虑Faster R-CNN。比如工业质检场景，一张图看几秒都行。
2.2.2 SSD
SSD是单阶段检测的早期代表。它直接在特征图上预测边界框和类别，一步到位，不需要候选区域提取。
速度比Faster R-CNN快不少，但小目标检测能力偏弱。为什么？因为浅层特征图分辨率高但语义信息不足，深层特征图语义丰富但分辨率低。小目标在深层特征图上几乎「消失」了。
我记得有一次做行人检测，SSD在远距离小目标上漏检率很高。后来换了YOLO，情况好了一些。
2.2.3 YOLO（重点）
YOLO（You Only Look Once）是目前最流行的单阶段检测器。它把检测当作回归问题——一次前向传播，直接输出边界框和类别概率。
YOLO的核心思想是：将图像分成S×S的网格，每个网格负责预测中心点落在该网格内的目标。
从YOLOv3到YOLOv8，我基本都用过。说说我的感受：
- YOLOv3：经典，多尺度检测，小目标能力提升明显。但模型偏大。
- YOLOv4：集成了很多trick，训练更稳定。我项目里用得最多。
- YOLOv5：轻量、易用，社区活跃。适合快速验证。
- YOLOv8：最新，支持实例分割，但推理速度略慢。
我的建议：嵌入式场景首选YOLOv5s或YOLOv8n。模型小、速度快，精度也够用。别一上来就上大模型，跑不动。
下面是一个简单的YOLOv5推理代码示例：
import torch
# 加载模型
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)
# 推理
results = model('test.jpg')
# 显示结果
results.show()
results.print()你看，就这么几行。但实际部署时，要考虑模型量化、NMS优化、输入尺寸调整等细节。这些后面章节会细讲。
2.3 检测框与跟踪框的区别
这个问题，我面试新人时经常问。很多人答不上来。
检测框：由检测算法输出，每一帧独立生成。框的位置、大小完全由当前帧的图像内容决定。
跟踪框：由跟踪算法输出，基于上一帧的框位置和运动模型预测得到。它带有「记忆」属性。
区别在哪？我列个表：
| 特性 | 检测框 | 跟踪框 |
|---|---|---|
| 生成方式 | 每帧独立检测 | 基于历史帧预测 |
| 计算量 | 大（需要完整推理） | 小（只需简单计算） |
| 稳定性 | 可能抖动（每帧独立） | 平滑（时序滤波） |
| 抗遮挡能力 | 弱（遮挡即丢失） | 较强（可预测位置） |
| ID一致性 | 无（每帧重新识别） | 有（保持同一ID） |
实际项目中，我通常的做法是：检测框作为「锚点」，跟踪框作为「平滑输出」。检测框更新时，用跟踪框做插值滤波，避免框的剧烈跳动。
避坑指南：我曾经在一个项目中，直接用检测框作为跟踪结果，没有做任何平滑处理。结果视频播放时，框一直在抖，客户直接投诉。后来加了卡尔曼滤波，问题解决。
还有一个容易忽略的点：检测框的置信度阈值。跟踪时，如果检测框置信度太低，就不要用它来更新跟踪器。否则会把噪声引入跟踪结果。
我一般设两个阈值：
- 高阈值（0.7）：用于初始化新目标
- 低阈值（0.3）：用于更新已有跟踪目标
这样既保证了新目标的可靠性，又不会因为偶尔的漏检导致跟踪中断。
2.4 本章知识体系
下面这张图，帮你理清本章的核心逻辑：
这张图把本章三个核心知识点串起来了。你仔细看，从左到右，从「关系」到「算法」再到「框的区别」，逻辑是递进的。
好了，这一章就到这里。检测是跟踪的基础，打好这个基础，后面讲跟踪算法时你才能跟得上。