前言：Hello大家好，我是小哥谈。小目标像素少、特征弱，检测时易被过滤，跟踪时易丢编号。本案例从三方面优化：检测端降低置信度门槛并提高输入分辨率；匹配端放宽外观相似度要求，避免小目标框被误删；轨迹管理端延长保留时间、减少确认帧数。最终形成一套可迁移的调参方案与验证方法，在速度与精度之间取得平衡。🌈
目录
🚀1.场景说明
在视频监控与智能交通等实际应用中，远处行人、远方车辆、高空无人机画面里的小型移动物体，往往只占据画面中极小的一块区域。这类目标由于像素少、纹理弱、边缘模糊，在检测阶段很容易被当作背景过滤掉；即使侥幸被检测到，其外观特征也极不稳定，跟踪阶段稍有风吹草动就会丢失编号，造成同一目标反复被当作新目标重新计数。更麻烦的是，小目标通常运动幅度大、位移快，相邻两帧之间位置变化明显，传统跟踪方法难以用位置预测把它们串起来。因此，小目标跟踪一直是工程落地中的难点。
本案例面向的就是这样一个典型场景：画面中既有近处的大目标，也有远处的小目标，二者混在一起。默认参数往往优先照顾大目标，小目标则被忽略。为了让远处的小型目标也能被稳定
转载自 CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/weixin_61961691/article/details/167466733
