1. 课程导学与硬件选型：目标跟踪项目全景、课程目标、硬件平台选型
大家好，我是你们这门课的老朋友。做嵌入式视觉这些年，我踩过的坑比吃过的盐还多。今天咱们先不急着敲代码，坐下来聊聊这门课到底要带大家走到哪，以及——你手头那台电脑，到底能不能跑起来？
目标跟踪项目全景：我们到底在做什么？
说白了，目标跟踪就是让机器“盯住”一个东西。你想想看，无人机跟着你跑、监控摄像头锁定嫌疑人、工厂流水线追踪零件——这些场景背后，都是同一套逻辑在干活。
我当年第一次做目标跟踪项目，是在一个智能交通系统里。摄像头架在路口，要跟踪一辆闯红灯的摩托车。结果呢？摩托车一拐弯，算法直接跟丢了旁边的大卡车。嗯，那会儿我才意识到，跟踪不是“认出来”就完事了，你得让机器学会“持续关注”。
这门课会带你走完一个完整的目标跟踪项目流程：
- 数据采集：怎么从摄像头里拿到干净、可用的视频流
- 数据回放：离线调试时，怎么把录好的数据喂给算法
- 算法选型：KCF、DeepSORT、Siamese Network，到底哪个适合你
- 部署优化：在树莓派上跑出30帧，需要做哪些取舍
核心目标：30节课后，你能独立搭建一套“采集-回放-跟踪”的完整流水线。不是纸上谈兵，是真能跑在硬件上的那种。
硬件平台选型：树莓派 vs Jetson Nano vs PC
选硬件这事儿，我吃过不少亏。记得有次给客户做方案，图便宜选了块性能不够的开发板，结果算法跑起来卡成PPT。后来我学乖了——先定算法，再选硬件。
咱们来看看三个主流平台的对比：
| 平台 | 算力 | 功耗 | 价格 | 适合场景 |
|---|---|---|---|---|
| 树莓派4B | ~0.5 TFLOPS | 5-7W | ~500元 | 轻量级跟踪、原型验证 |
| Jetson Nano | ~0.5 TFLOPS (GPU加速) | 5-10W | ~900元 | 深度学习跟踪、实时推理 |
| PC (i5 + GTX 1660) | ~5 TFLOPS | 200W+ | ~5000元 | 算法开发、性能调优 |
我的建议：如果你是学生或者刚入门，先拿PC跑通流程。等算法调明白了，再往嵌入式上移植。别一上来就买Jetson，万一吃灰呢？
为什么会这样？因为树莓派的CPU算力有限，跑传统视觉算法（如KCF）还行，但一上深度学习就吃力了。Jetson Nano有GPU加速，但它的128个CUDA核心跟桌面显卡比还是差一截。PC嘛，啥都能跑，就是不能带着到处跑。
摄像头选型与接口：别让摄像头拖后腿
摄像头这事儿，看着简单，坑其实不少。我曾经在一个项目里用了USB免驱摄像头，结果在树莓派上死活调不出30帧——后来发现是USB带宽被WiFi网卡抢了。你说冤不冤？
咱们常用的摄像头接口就三种：
- USB摄像头：即插即用，适合PC和树莓派。注意选UVC协议的，兼容性好。
- CSI摄像头：树莓派专用接口，带宽高、延迟低。适合做实时跟踪。
- MIPI摄像头：Jetson Nano常用，需要转接板。画质好，但配置稍麻烦。
选型时记住三个要点：
- 分辨率：640x480够用，1080p更好，但帧率会掉。我一般用720p做平衡。
- 帧率：目标跟踪至少需要15fps，30fps是理想值。低于10fps，跟踪框会抖得你怀疑人生。
- 接口带宽：USB 2.0理论带宽480Mbps，但实际跑1080p@30fps就吃力了。建议用USB 3.0或CSI。
避坑指南：我曾经买过一个号称1080p@60fps的USB摄像头，结果在树莓派上只能跑15fps。后来发现是驱动没装对。所以——买之前先查查社区里有没有人用同样的板子跑成功过。
知识体系总览
下面这张图，是我自己画的本课程知识体系。你可以把它当成一张地图，走到哪一步，回头看看就知道自己在哪里。
这张图里，硬件是地基，采集和回放是左右手，算法是大脑，部署是肌肉。咱们这门课，就是带着你一层一层往上搭。别急，慢慢来。
课程目标：30节课后你能带走什么？
我不喜欢画大饼。咱们说点实在的：
- 硬技能：能独立配置树莓派摄像头、写Python脚本采集视频、用OpenCV做回放、调通至少一种跟踪算法。
- 软技能：遇到问题知道怎么查、怎么试。比如摄像头不出图，你能自己排查是驱动问题还是带宽问题。
- 项目经验：最后会有一个综合实战，把前面学的串起来。做完这个，你就能拿出去跟别人说“我做过目标跟踪项目”。
一个小建议：每节课后，花15分钟把代码跑一遍。别光看，动手才是硬道理。我当年学OpenCV，就是靠一行一行敲出来的。
好了，第一章就聊到这儿。硬件选型这块，如果你还在纠结买哪个，我的建议是：先用手头的PC开始。等学完第三章，你自然就知道该买什么了。