原子能力
ByteTrack
厂商/来源:
旷视科技研究团队
核心功能:
“YOLO 的超级外脑”。YOLO 只能告诉你“这里有辆车”，ByteTrack 能告诉你“这是刚才那辆编号为 #007 的车，它往左转了”。
| 适用场景 | 智慧零售客流统计（进出人数）、交通卡口车流量分析、传送带物品防重复计数 |
| 架构支持 | 极度轻量 (纯 C++/Python 矩阵运算)。不吃 GPU，只吃一点点 CPU。 |
| 核心机制 | 卡尔曼滤波 + 匈牙利算法：它不需要像 DeepSORT 那样提取复杂的图像特征（Re-ID，极其消耗算力）。ByteTrack 纯靠分析检测框的运动轨迹和重合度 (IoU)，甚至能把 YOLO 判定为低置信度（被遮挡）的目标也找回来。 |
| 交付形态 | Python 脚本库 / C++ TensorRT 插件 |
| 避坑指南 | [ID 频繁跳变 (ID Switch)] 1. 摄像机死角与遮挡：如果一个人走到柱子后面，3 秒后出来，ByteTrack 纯靠运动轨迹预测会失效，会给他分配一个全新的 ID，导致客流统计多出一人。对策：如果是极度拥挤、频繁遮挡的场景（如早高峰地铁站），纯运动追踪不够，必须退回到 BoT-SORT 或 DeepSORT，加上行人重识别（衣服颜色特征）网络，用算力换准确率。 2. 视频帧率下降：ByteTrack 严重依赖画面的连贯性。如果你的 RTSP 视频流因为网络卡顿掉到了 5 FPS，目标瞬间位移过大，追踪必然彻底崩溃。对策：必须保证视频解码输出稳定在 15-25 FPS。 |
| 推荐搭配 | [YOLOv8][越界画线统计脚本] [Nvidia Jetson] |
