简介这份资源面向计算机视觉方向的学习者与开发者提供一套基于YOLOv9与DeepSort融合的目标跟踪算法Python实现可用于行人、车辆等目标的实时检测与多目标轨迹跟踪场景适合具备一定深度学习基础、希望快速上手跟踪项目的中高级读者。压缩包共8个文件约16.85MB包含Python主程序、Jupyter Notebook实验脚本、YAML环境配置、coco.names类别文件以及说明文档与演示动图覆盖从环境搭建到推理运行的完整链路。资源目录按code、data、helpers、configs等模块组织结构清晰便于按功能定位代码。目前已有595人学习下载。读者可借助其中的跟踪主脚本与Notebook理解检测与跟踪的衔接逻辑、参数配置方式及结果可视化流程并参考依赖清单与conda配置快速复现实验为二次开发或课程设计提供可用的工程起点。1. YOLOv9 加 DeepSort 这套组合到底在工程里解决什么问题如果你手头有一段监控视频、一路摄像头流或者一批无人机航拍片段想把画面里的人和车持续盯住而不是每帧单独画个框就完事那你需要的其实是「检测 跟踪」两件事。检测负责回答「这一帧里有什么、在哪」跟踪负责回答「这个框和上一帧那个框是不是同一个目标」。YOLOv9 干的是前者DeepSort 干的是后者。把这两个拼起来就是一套能输出稳定 ID 的多目标跟踪流水线常见于客流统计、路口车流分析、园区周界、体育视频分析这类场景。这套方案适合谁适合已经会写一点 Python、装过 PyTorch、能看懂检测框坐标但一直卡在「检测出来框会跳、ID 老变、遮挡一下就断」的从业者。它不适合零基础直接啃因为 DeepSort 的匹配逻辑和 YOLOv9 的推理封装都有参数要调。但只要你愿意照着跑一遍把检测器和跟踪器的接口对齐后面换模型、换场景都是改配置的事。下面我按「先跑通、再调参、最后避坑」的顺序把这条链路拆开讲清楚。2. YOLOv9 检测器与 DeepSort 跟踪器的接口怎么对齐2.1 为什么是 YOLOv9 做检测、DeepSort 做关联先说选型理由。YOLOv9 相比前几代主要变化在可编程梯度信息PGI和 GELAN 结构简单说就是在小目标和不明显目标上召回更稳这对跟踪很关键——检测漏一帧跟踪器就得靠预测硬撑撑久了 ID 就断。DeepSort 则是在 Sort 的基础上加了外观特征ReID 向量和级联匹配它不依赖检测器内部结构只吃「框 置信度 特征」这三样东西所以和 YOLOv9 是解耦的这也是它到现在还被大量项目沿用的原因。常见做法是YOLOv9 只负责前向推理输出 xyxy 格式的框、置信度和类别DeepSort 负责维护每个轨迹的卡尔曼状态和特征库。两者之间靠一个「检测结果列表」传递格式通常是 Nx5 或 Nx6 的数组。这里最容易翻车的地方是坐标格式——YOLO 原生输出是归一化 xywhDeepSort 要的是绝对坐标 xyxy中间必须转一次转错了框会整体偏移或者缩成一团。2.2 最小可跑通的目录结构与依赖安装我一般会先把工程骨架搭出来避免后面文件乱放。一个能跑的最小结构大概是这样tracker_project/ ├── weights/ │ └── yolov9.pt ├── configs/ │ └── deepsort.yaml ├── detector.py ├── tracker.py ├── main.py └── requirements.txt依赖这块Python 建议 3.8 到 3.10太新有些轮子还没跟上。装依赖用一条命令就够pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install opencv-python numpy scipy lap pyyaml这里lap是 DeepSort 做匈牙利匹配要用的线性分配库很多人漏装跑到匹配那一步才报ModuleNotFoundError。scipy用于卡尔曼滤波里的矩阵运算。如果你用 CPU 跑把第一行的 cu118 换成 cpu 即可但帧率会明显掉1080p 视频大概只有个位数 FPS。2.3 检测结果转成 DeepSort 能吃的格式这一步是整条链路的核心接口。YOLOv9 推理完你拿到的是归一化坐标需要还原到像素坐标再拼成 DeepSort 要的数组。下面是我常用的转换函数import numpy as np def xywh2xyxy(x, img_w, img_h): 把 YOLO 归一化 xywh 转成绝对坐标 xyxy # x: (N, 4) 归一化的 [cx, cy, w, h] y x.copy() y[:, 0] (x[:, 0] - x[:, 2] / 2) * img_w # 左上角 x y[:, 1] (x[:, 1] - x[:, 3] / 2) * img_h # 左上角 y y[:, 2] (x[:, 0] x[:, 2] / 2) * img_w # 右下角 x y[:, 3] (x[:, 1] x[:, 3] / 2) * img_h # 右下角 y return y def build_dets(pred, conf_thres0.4, img_size(640, 640)): 把模型输出整理成 DeepSort 需要的 [x1,y1,x2,y2,conf] pred pred[pred[:, 4] conf_thres] # 先按置信度过滤 if len(pred) 0: return np.empty((0, 5)) boxes xywh2xyxy(pred[:, :4], img_size[0], img_size[1]) dets np.concatenate([boxes, pred[:, 4:5]], axis1) return dets逻辑说明xywh2xyxy里减半宽高得到左上角加半宽高得到右下角这是标准做法。build_dets先做置信度过滤再拼成 Nx5。参数上conf_thres我一般从 0.4 起调跟踪场景宁可稍微低一点保召回因为漏检比误检更伤 ID 连续性img_size必须和你推理时的输入尺寸一致否则坐标会整体缩放错位。2.4 把检测框喂给 DeepSort 并取回轨迹DeepSort 的调用很固定初始化一次每帧 update 一次from deep_sort_realtime.deepsort_tracker import DeepSort tracker DeepSort( max_age30, # 轨迹丢失后保留多少帧 n_init3, # 连续命中多少帧才确认轨迹 max_iou_distance0.7, embeddermobilenet, # 外观特征提取器 ) def update_tracks(dets, frame): # dets 格式: [[x1,y1,x2,y2,conf], ...] tracks tracker.update_tracks(dets, frameframe) results [] for t in tracks: if not t.is_confirmed(): continue x1, y1, x2, y2 t.to_ltrb() results.append((t.track_id, x1, y1, x2, y2)) return results逻辑说明update_tracks接收检测框和当前帧返回确认过的轨迹。is_confirmed()过滤掉还没稳定的临时轨迹避免画面里闪出假 ID。参数上max_age控制遮挡容忍度30 帧在 25FPS 下约 1.2 秒路口场景可以调到 50n_init是确认门槛调大能减少误报但会让新目标出现得慢max_iou_distance是 IOU 匹配阈值目标密集时适当调小防止两个挨着的目标互相抢 ID。3. 参数怎么调让 ID 不跳、遮挡不断、密集场景不串3.1 置信度阈值与 NMS 的联动很多人只调conf_thres忽略了 NMS 的 IOU 阈值。这两个是联动的置信度低会放进更多框如果 NMS 阈值又高重叠框删不干净DeepSort 就会收到一堆重复检测导致同一目标被分配多个 ID。我一般这样配conf_thres0.35iou_thres0.5。密集人群场景把 iou_thres 降到 0.45让重叠框更容易被合并。def nms(boxes, scores, iou_thres0.5): 标准 NMS返回保留的索引 x1, y1, x2, y2 boxes[:, 0], boxes[:, 1], boxes[:, 2], boxes[:, 3] areas (x2 - x1) * (y2 - y1) order scores.argsort()[::-1] keep [] while order.size 0: i order[0] keep.append(i) xx1 np.maximum(x1[i], x1[order[1:]]) yy1 np.maximum(y1[i], y1[order[1:]]) xx2 np.minimum(x2[i], x2[order[1:]]) yy2 np.minimum(y2[i], y2[order[1:]]) w np.maximum(0.0, xx2 - xx1) h np.maximum(0.0, yy2 - yy1) inter w * h iou inter / (areas[i] areas[order[1:]] - inter) order order[1:][iou iou_thres] return keep逻辑说明按分数从高到低排序每次取最高分框删掉和它 IOU 超阈值的框。参数iou_thres越小删得越狠框越少。跟踪场景不建议删太狠因为两个真实目标重叠时删掉一个会直接丢目标。3.2 卡尔曼滤波与外观特征的权重平衡DeepSort 的匹配代价是「马氏距离 外观余弦距离」的加权和。默认外观权重偏大在光照突变或者目标换衣服的场景会失效马氏距离权重偏大则在目标交叉时容易串。我一般把max_cosine_distance设成 0.3nn_budget设成 100。nn_budget是每个轨迹保留的历史特征数调大更稳但更吃内存100 是个比较平衡的值。参数默认值密集场景建议作用max_age3050轨迹丢失保留帧数n_init33确认轨迹所需命中帧max_iou_distance0.70.5IOU 匹配阈值max_cosine_distance0.20.3外观距离阈值nn_budgetNone100特征库容量这张表可以直接抄进你的deepsort.yaml。注意max_iou_distance调小会让匹配更严格遮挡后重新出现的目标可能匹配不上所以要和max_age一起调别单独动一个。3.3 用视频流跑通并观察 ID 稳定性把上面几块拼起来主循环大概长这样import cv2 cap cv2.VideoCapture(test.mp4) while True: ret, frame cap.read() if not ret: break pred model(frame) # YOLOv9 推理 dets build_dets(pred, conf_thres0.35) tracks update_tracks(dets, frame) for tid, x1, y1, x2, y2 in tracks: cv2.rectangle(frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2) cv2.putText(frame, fID {tid}, (int(x1), int(y1) - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imshow(track, frame) if cv2.waitKey(1) 0xFF 27: break cap.release() cv2.destroyAllWindows()逻辑说明每帧先检测、再转换、再更新跟踪、最后画框。观察 ID 稳定性主要看两点目标被遮挡再出现时 ID 是否延续两个目标交叉时 ID 是否互换。如果互换频繁优先调max_cosine_distance如果遮挡后断掉优先调max_age。这套循环跑通你就有了一个可复现的基线后面所有优化都在这上面改。4. 避坑与排查这套组合最容易翻车的五个地方4.1 现象所有框都偏移到左上角原因坐标转换时把归一化坐标当成了绝对坐标或者img_size传的是模型输入尺寸而不是原图尺寸。YOLOv9 推理时通常会 letterbox 到 640输出坐标是相对 640 的如果你直接乘原图宽高就会偏。解决要么在推理后把坐标反 letterbox 回原图要么统一在 640 尺度上做跟踪再缩放显示。我一般选后者省事。4.2 现象ID 每帧都在变画面全是新 ID原因n_init设得太小或者检测框抖动太大导致 IOU 匹配失败。还有一种可能是外观特征提取器没加载成功DeepSort 退化成纯 IOU 匹配。解决先把n_init提到 3 以上检查 embedder 是否真的在跑打印特征向量维度再考虑对检测框做一点平滑。4.3 现象遮挡几秒后目标回来ID 变了原因max_age太小轨迹在遮挡期间被删了。解决把max_age调到 50 甚至 80同时确认卡尔曼预测没有发散。如果目标消失时间超过 max_age那 ID 变了是正常的这时候要靠 ReID 库做跨轨迹合并属于进阶操作。4.4 现象两个挨着的人 ID 来回换原因max_iou_distance太大两个框都能匹配上同一条轨迹或者外观特征区分度不够。解决把max_iou_distance降到 0.5max_cosine_distance降到 0.2让外观特征说话。如果还不行说明 ReID 模型对你的场景不适用需要换更强的特征提取器。4.5 现象帧率低到没法看原因YOLOv9 用了大模型或者每帧都在做 ReID 特征提取。解决换 yolov9-s 或 yolov9-t 小模型把 ReID 提取改成隔帧做或者用 TensorRT 加速。CPU 上跑 1080p 基本没救建议至少一张入门级显卡。5. 进阶技巧用轨迹平滑和跨帧校验把 ID 稳住跑通基线之后真正决定这套方案能不能上生产的是轨迹后处理。我一般会加两层第一层是轨迹平滑对每个 ID 的框做滑动平均减少抖动第二层是跨帧校验对短命轨迹存活少于 10 帧直接丢弃避免误检产生的假 ID。from collections import defaultdict, deque class TrackSmoother: def __init__(self, window5, min_life10): self.history defaultdict(lambda: deque(maxlenwindow)) self.life defaultdict(int) def update(self, tracks): smoothed [] for tid, x1, y1, x2, y2 in tracks: self.life[tid] 1 self.history[tid].append((x1, y1, x2, y2)) if self.life[tid] 10: # 短命轨迹先不输出 continue arr np.array(self.history[tid]) sx1, sy1, sx2, sy2 arr.mean(axis0) smoothed.append((tid, sx1, sy1, sx2, sy2)) return smoothed逻辑说明history存最近 window 帧的框life记存活帧数。短于min_life的轨迹不输出能过滤掉大部分误检。参数上window越大越平滑但延迟越高5 帧在 25FPS 下约 0.2 秒延迟基本无感min_life设 10 能挡掉绝大多数一闪而过的假目标。验证方法很简单拿一段有遮挡、有交叉的测试视频跑两遍一遍开平滑一遍不开对比 ID 切换次数。我自己的习惯是任何跟踪项目上线前必须先用固定视频跑出 ID 切换率这个指标低于 5% 才敢往生产推。这套 YOLOv9 加 DeepSort 的组合调好了在普通路口场景能做到 90% 以上的 ID 保持率但前提是你愿意花时间在参数和坐标转换上。希望帮到你。本文还有配套的精品资源点击获取 YOLOv9+DeepSort多目标跟踪实战：接口对齐、参数调优与避坑指南
简介这份资源面向计算机视觉方向的学习者与开发者提供一套基于YOLOv9与DeepSort融合的目标跟踪算法Python实现可用于行人、车辆等目标的实时检测与多目标轨迹跟踪场景适合具备一定深度学习基础、希望快速上手跟踪项目的中高级读者。压缩包共8个文件约16.85MB包含Python主程序、Jupyter Notebook实验脚本、YAML环境配置、coco.names类别文件以及说明文档与演示动图覆盖从环境搭建到推理运行的完整链路。资源目录按code、data、helpers、configs等模块组织结构清晰便于按功能定位代码。目前已有595人学习下载。读者可借助其中的跟踪主脚本与Notebook理解检测与跟踪的衔接逻辑、参数配置方式及结果可视化流程并参考依赖清单与conda配置快速复现实验为二次开发或课程设计提供可用的工程起点。1. YOLOv9 加 DeepSort 这套组合到底在工程里解决什么问题如果你手头有一段监控视频、一路摄像头流或者一批无人机航拍片段想把画面里的人和车持续盯住而不是每帧单独画个框就完事那你需要的其实是「检测 跟踪」两件事。检测负责回答「这一帧里有什么、在哪」跟踪负责回答「这个框和上一帧那个框是不是同一个目标」。YOLOv9 干的是前者DeepSort 干的是后者。把这两个拼起来就是一套能输出稳定 ID 的多目标跟踪流水线常见于客流统计、路口车流分析、园区周界、体育视频分析这类场景。这套方案适合谁适合已经会写一点 Python、装过 PyTorch、能看懂检测框坐标但一直卡在「检测出来框会跳、ID 老变、遮挡一下就断」的从业者。它不适合零基础直接啃因为 DeepSort 的匹配逻辑和 YOLOv9 的推理封装都有参数要调。但只要你愿意照着跑一遍把检测器和跟踪器的接口对齐后面换模型、换场景都是改配置的事。下面我按「先跑通、再调参、最后避坑」的顺序把这条链路拆开讲清楚。2. YOLOv9 检测器与 DeepSort 跟踪器的接口怎么对齐2.1 为什么是 YOLOv9 做检测、DeepSort 做关联先说选型理由。YOLOv9 相比前几代主要变化在可编程梯度信息PGI和 GELAN 结构简单说就是在小目标和不明显目标上召回更稳这对跟踪很关键——检测漏一帧跟踪器就得靠预测硬撑撑久了 ID 就断。DeepSort 则是在 Sort 的基础上加了外观特征ReID 向量和级联匹配它不依赖检测器内部结构只吃「框 置信度 特征」这三样东西所以和 YOLOv9 是解耦的这也是它到现在还被大量项目沿用的原因。常见做法是YOLOv9 只负责前向推理输出 xyxy 格式的框、置信度和类别DeepSort 负责维护每个轨迹的卡尔曼状态和特征库。两者之间靠一个「检测结果列表」传递格式通常是 Nx5 或 Nx6 的数组。这里最容易翻车的地方是坐标格式——YOLO 原生输出是归一化 xywhDeepSort 要的是绝对坐标 xyxy中间必须转一次转错了框会整体偏移或者缩成一团。2.2 最小可跑通的目录结构与依赖安装我一般会先把工程骨架搭出来避免后面文件乱放。一个能跑的最小结构大概是这样tracker_project/ ├── weights/ │ └── yolov9.pt ├── configs/ │ └── deepsort.yaml ├── detector.py ├── tracker.py ├── main.py └── requirements.txt依赖这块Python 建议 3.8 到 3.10太新有些轮子还没跟上。装依赖用一条命令就够pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install opencv-python numpy scipy lap pyyaml这里lap是 DeepSort 做匈牙利匹配要用的线性分配库很多人漏装跑到匹配那一步才报ModuleNotFoundError。scipy用于卡尔曼滤波里的矩阵运算。如果你用 CPU 跑把第一行的 cu118 换成 cpu 即可但帧率会明显掉1080p 视频大概只有个位数 FPS。2.3 检测结果转成 DeepSort 能吃的格式这一步是整条链路的核心接口。YOLOv9 推理完你拿到的是归一化坐标需要还原到像素坐标再拼成 DeepSort 要的数组。下面是我常用的转换函数import numpy as np def xywh2xyxy(x, img_w, img_h): 把 YOLO 归一化 xywh 转成绝对坐标 xyxy # x: (N, 4) 归一化的 [cx, cy, w, h] y x.copy() y[:, 0] (x[:, 0] - x[:, 2] / 2) * img_w # 左上角 x y[:, 1] (x[:, 1] - x[:, 3] / 2) * img_h # 左上角 y y[:, 2] (x[:, 0] x[:, 2] / 2) * img_w # 右下角 x y[:, 3] (x[:, 1] x[:, 3] / 2) * img_h # 右下角 y return y def build_dets(pred, conf_thres0.4, img_size(640, 640)): 把模型输出整理成 DeepSort 需要的 [x1,y1,x2,y2,conf] pred pred[pred[:, 4] conf_thres] # 先按置信度过滤 if len(pred) 0: return np.empty((0, 5)) boxes xywh2xyxy(pred[:, :4], img_size[0], img_size[1]) dets np.concatenate([boxes, pred[:, 4:5]], axis1) return dets逻辑说明xywh2xyxy里减半宽高得到左上角加半宽高得到右下角这是标准做法。build_dets先做置信度过滤再拼成 Nx5。参数上conf_thres我一般从 0.4 起调跟踪场景宁可稍微低一点保召回因为漏检比误检更伤 ID 连续性img_size必须和你推理时的输入尺寸一致否则坐标会整体缩放错位。2.4 把检测框喂给 DeepSort 并取回轨迹DeepSort 的调用很固定初始化一次每帧 update 一次from deep_sort_realtime.deepsort_tracker import DeepSort tracker DeepSort( max_age30, # 轨迹丢失后保留多少帧 n_init3, # 连续命中多少帧才确认轨迹 max_iou_distance0.7, embeddermobilenet, # 外观特征提取器 ) def update_tracks(dets, frame): # dets 格式: [[x1,y1,x2,y2,conf], ...] tracks tracker.update_tracks(dets, frameframe) results [] for t in tracks: if not t.is_confirmed(): continue x1, y1, x2, y2 t.to_ltrb() results.append((t.track_id, x1, y1, x2, y2)) return results逻辑说明update_tracks接收检测框和当前帧返回确认过的轨迹。is_confirmed()过滤掉还没稳定的临时轨迹避免画面里闪出假 ID。参数上max_age控制遮挡容忍度30 帧在 25FPS 下约 1.2 秒路口场景可以调到 50n_init是确认门槛调大能减少误报但会让新目标出现得慢max_iou_distance是 IOU 匹配阈值目标密集时适当调小防止两个挨着的目标互相抢 ID。3. 参数怎么调让 ID 不跳、遮挡不断、密集场景不串3.1 置信度阈值与 NMS 的联动很多人只调conf_thres忽略了 NMS 的 IOU 阈值。这两个是联动的置信度低会放进更多框如果 NMS 阈值又高重叠框删不干净DeepSort 就会收到一堆重复检测导致同一目标被分配多个 ID。我一般这样配conf_thres0.35iou_thres0.5。密集人群场景把 iou_thres 降到 0.45让重叠框更容易被合并。def nms(boxes, scores, iou_thres0.5): 标准 NMS返回保留的索引 x1, y1, x2, y2 boxes[:, 0], boxes[:, 1], boxes[:, 2], boxes[:, 3] areas (x2 - x1) * (y2 - y1) order scores.argsort()[::-1] keep [] while order.size 0: i order[0] keep.append(i) xx1 np.maximum(x1[i], x1[order[1:]]) yy1 np.maximum(y1[i], y1[order[1:]]) xx2 np.minimum(x2[i], x2[order[1:]]) yy2 np.minimum(y2[i], y2[order[1:]]) w np.maximum(0.0, xx2 - xx1) h np.maximum(0.0, yy2 - yy1) inter w * h iou inter / (areas[i] areas[order[1:]] - inter) order order[1:][iou iou_thres] return keep逻辑说明按分数从高到低排序每次取最高分框删掉和它 IOU 超阈值的框。参数iou_thres越小删得越狠框越少。跟踪场景不建议删太狠因为两个真实目标重叠时删掉一个会直接丢目标。3.2 卡尔曼滤波与外观特征的权重平衡DeepSort 的匹配代价是「马氏距离 外观余弦距离」的加权和。默认外观权重偏大在光照突变或者目标换衣服的场景会失效马氏距离权重偏大则在目标交叉时容易串。我一般把max_cosine_distance设成 0.3nn_budget设成 100。nn_budget是每个轨迹保留的历史特征数调大更稳但更吃内存100 是个比较平衡的值。参数默认值密集场景建议作用max_age3050轨迹丢失保留帧数n_init33确认轨迹所需命中帧max_iou_distance0.70.5IOU 匹配阈值max_cosine_distance0.20.3外观距离阈值nn_budgetNone100特征库容量这张表可以直接抄进你的deepsort.yaml。注意max_iou_distance调小会让匹配更严格遮挡后重新出现的目标可能匹配不上所以要和max_age一起调别单独动一个。3.3 用视频流跑通并观察 ID 稳定性把上面几块拼起来主循环大概长这样import cv2 cap cv2.VideoCapture(test.mp4) while True: ret, frame cap.read() if not ret: break pred model(frame) # YOLOv9 推理 dets build_dets(pred, conf_thres0.35) tracks update_tracks(dets, frame) for tid, x1, y1, x2, y2 in tracks: cv2.rectangle(frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2) cv2.putText(frame, fID {tid}, (int(x1), int(y1) - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imshow(track, frame) if cv2.waitKey(1) 0xFF 27: break cap.release() cv2.destroyAllWindows()逻辑说明每帧先检测、再转换、再更新跟踪、最后画框。观察 ID 稳定性主要看两点目标被遮挡再出现时 ID 是否延续两个目标交叉时 ID 是否互换。如果互换频繁优先调max_cosine_distance如果遮挡后断掉优先调max_age。这套循环跑通你就有了一个可复现的基线后面所有优化都在这上面改。4. 避坑与排查这套组合最容易翻车的五个地方4.1 现象所有框都偏移到左上角原因坐标转换时把归一化坐标当成了绝对坐标或者img_size传的是模型输入尺寸而不是原图尺寸。YOLOv9 推理时通常会 letterbox 到 640输出坐标是相对 640 的如果你直接乘原图宽高就会偏。解决要么在推理后把坐标反 letterbox 回原图要么统一在 640 尺度上做跟踪再缩放显示。我一般选后者省事。4.2 现象ID 每帧都在变画面全是新 ID原因n_init设得太小或者检测框抖动太大导致 IOU 匹配失败。还有一种可能是外观特征提取器没加载成功DeepSort 退化成纯 IOU 匹配。解决先把n_init提到 3 以上检查 embedder 是否真的在跑打印特征向量维度再考虑对检测框做一点平滑。4.3 现象遮挡几秒后目标回来ID 变了原因max_age太小轨迹在遮挡期间被删了。解决把max_age调到 50 甚至 80同时确认卡尔曼预测没有发散。如果目标消失时间超过 max_age那 ID 变了是正常的这时候要靠 ReID 库做跨轨迹合并属于进阶操作。4.4 现象两个挨着的人 ID 来回换原因max_iou_distance太大两个框都能匹配上同一条轨迹或者外观特征区分度不够。解决把max_iou_distance降到 0.5max_cosine_distance降到 0.2让外观特征说话。如果还不行说明 ReID 模型对你的场景不适用需要换更强的特征提取器。4.5 现象帧率低到没法看原因YOLOv9 用了大模型或者每帧都在做 ReID 特征提取。解决换 yolov9-s 或 yolov9-t 小模型把 ReID 提取改成隔帧做或者用 TensorRT 加速。CPU 上跑 1080p 基本没救建议至少一张入门级显卡。5. 进阶技巧用轨迹平滑和跨帧校验把 ID 稳住跑通基线之后真正决定这套方案能不能上生产的是轨迹后处理。我一般会加两层第一层是轨迹平滑对每个 ID 的框做滑动平均减少抖动第二层是跨帧校验对短命轨迹存活少于 10 帧直接丢弃避免误检产生的假 ID。from collections import defaultdict, deque class TrackSmoother: def __init__(self, window5, min_life10): self.history defaultdict(lambda: deque(maxlenwindow)) self.life defaultdict(int) def update(self, tracks): smoothed [] for tid, x1, y1, x2, y2 in tracks: self.life[tid] 1 self.history[tid].append((x1, y1, x2, y2)) if self.life[tid] 10: # 短命轨迹先不输出 continue arr np.array(self.history[tid]) sx1, sy1, sx2, sy2 arr.mean(axis0) smoothed.append((tid, sx1, sy1, sx2, sy2)) return smoothed逻辑说明history存最近 window 帧的框life记存活帧数。短于min_life的轨迹不输出能过滤掉大部分误检。参数上window越大越平滑但延迟越高5 帧在 25FPS 下约 0.2 秒延迟基本无感min_life设 10 能挡掉绝大多数一闪而过的假目标。验证方法很简单拿一段有遮挡、有交叉的测试视频跑两遍一遍开平滑一遍不开对比 ID 切换次数。我自己的习惯是任何跟踪项目上线前必须先用固定视频跑出 ID 切换率这个指标低于 5% 才敢往生产推。这套 YOLOv9 加 DeepSort 的组合调好了在普通路口场景能做到 90% 以上的 ID 保持率但前提是你愿意花时间在参数和坐标转换上。希望帮到你。本文还有配套的精品资源点击获取