简介面向无人机视觉检测与多目标跟踪任务这份资源基于YOLOv5与DeepSort实现目标类别为drone适合计算机视觉研究者、无人机开发者及学生用于算法学习与二次开发。资源包共224个文件约173.66MB核心包括Python源码59个py、配置文件39个yaml/yml、模型权重3个pt、视频4个mp4以及说明文档10个md等环境已配置妥当下载后安装依赖即可运行。目前已吸引2892人学习下载。包内提供训练完成的YOLOv5s-drone.pt与YOLOv5m6-drone.pt两个模型附带测试视频和跟踪结果演示可直观观察检测跟踪效果。代码支持提取目标运动质心坐标并能绘制运动轨迹方便进行航迹分析与性能评估使用说明清晰可帮助快速上手是开展无人机视觉跟踪实验或项目改造的实用参考。 打开Yolov5_DeepSort_Pytorch-master-newest-drone.zip这个压缩包的时候我就知道这又是一套经典的“检测跟踪”方案但套上了drone这个后缀之后应用场景和踩坑点就完全不一样了。无人机视觉检测和跟踪这两年热度一直在线从安防巡检到智慧城市的交通流量统计再到农业植保的作物巡查几乎都绕不开这条技术链路。Yolov5负责的是“看到目标”DeepSort负责的是“记住目标是谁”两者配合才能在一段连续视频里得到稳定的目标轨迹和ID信息。这篇文章我会从项目拆解、环境搭建、核心代码逻辑、训练自己的无人机数据集到常见排查经验完整过一遍适合正准备做目标检测跟踪课题、无人机视觉方向的毕设或工程落地的同学参考。1. 项目整体拆解Yolov5DeepSort为什么是黄金搭档1.1 检测器和跟踪器各司其职先把这个组合的核心分工说清楚。Yolov5是单阶段检测器输入一帧图像输出这一帧里所有目标的位置、类别和置信度。DeepSort是多目标跟踪器输入检测框序列输出每个目标的稳定轨迹和身份ID。单看每一帧检测器已经给出了目标框为什么还要跟踪器因为无人机视频是一个连续时间序列单帧检测会面临遮挡、漏检、目标靠近时粘连等问题。DeepSort解决的问题就是在连续帧之间把同一个目标关联起来即使中间某几帧检测不到也能靠运动预测和外观特征把轨迹续上。这就是“先检测后跟踪”范式的价值所在。1.2 无人机视角下的特殊挑战这个项目带drone后缀不是白带的。无人机视觉和固定摄像头监控相比有四个明显差异。第一是目标尺度小高空视角下车辆、行人往往只占几十个像素。第二是视角变化快无人机本身在运动相机姿态变化导致背景和目标外观都在快速变化。第三是遮挡更多树冠、建筑、其他飞行器都会造成检测中断。第四是算力受限机载平台往往是Jetson Nano这类边缘设备跑不动太重模型。这套方案为什么在无人机场景里特别流行因为Yolov5s很小FP16推理在Jetson Nano上也能跑到20 FPS以上DeepSort的运动模型对短时遮挡有天然鲁棒性。后续训练自己的数据时这两点会体现得更加明显。2. 环境配置与运行准备别在第一步就卡住2.1 Pytorch环境搭建的关键点这个项目基于Pytorch实现第一步先把环境搞定。我实测下来比较稳的组合是Python 3.8或3.9 Pytorch 1.8到2.0之间都可以跑通关键是要和CUDA版本匹配。组件推荐版本备注Python3.8 / 3.93.10以上部分依赖编译有问题Pytorch1.8 ~ 2.02.x也兼容需注意torchvision配套CUDA10.2 / 11.3 / 12.1取决于Pytorch安装的cuda版本cuDNN与CUDA对应一般装Pytorch时自动带上GPU版本安装命令建议去Pytorch官网用converter生成核对一下显卡驱动的支持版本。如果你只是CPU跑测试速度会慢很多但能跑通无人机场景建议至少有一张GTX 1660以上的卡否则后面训练自己的数据集会非常痛苦。2.2 依赖安装的坑与解决方案项目里requirements.txt包含了一批关键依赖。我安装时踩过三个大坑逐个说明第一个是lap库编译失败。lap是DeepSort做线性分配时用到的这个库在Windows上用pip直接装大概率报错需要预装C编译环境。可以在Visual Studio Build Tools里勾选“使用C的桌面开发”或者在Linux下先装好build-essential再pip install lap。第二个是cython-bbox编译报错。这个库用于快速计算IOU虽然部分版本项目里已经改用了numpy实现但老版本依然需要编译。Windows下必须安装Cython而且编译器必须能够被Python找到否则一脸懵的报错。第三个是权重文件的坑。项目解压之后yolov5的权重文件和deep_sort的reid权重文件不一定自带需要单独下载。缺了检测权重跑起来只会输出空结果缺了ckpt.t7那个reid模型连接口都不知道在哪儿报错。先检查一下weights目录里面有没有文件再开始跑测试。我的建议是可以用下面命令快速验证环境python track.py --source test.mp4 --yolo_weights yolov5s.pt --deep_sort_weights deep_sort_pytorch/deep_sort/deep/checkpoint/ckpt.t7 --save-vid如果这一步能正常输出带跟踪框的视频说明整个链路已经通了。3. 核心代码架构与推理流程拆解3.1 从视频帧到目标框在跑通demo后就要理解每一帧的数据流。项目的主入口是track.py它会调用Yolov5的检测模型处理每一帧得到的结果是多个数组每个数组包含x1, y1, x2, y2四个坐标值以及置信度conf和类别cls。这部分有几个细节直接影响跟踪效果。第一是置信度阈值Yolov5检测时会有一个conf_thres参数默认0.25左右。无人机低空视角下目标较小如果置信度阈值太高很多小目标会被滤掉跟踪的起点都没有了。我建议在无人机场景下调到0.15甚至0.1代价是出现更多误检后续用DeepSort的外观特征去过滤。第二是类别过滤如果你的场景只需要检测人或者车可以在代码里加一个类别白名单筛选否则类别间互串会干扰关联。3.2 DeepSort中的数据关联逻辑检测结果出来之后DeepSort内部做了一系列运算。核心分三步。第一步是运动预测。每个已存在的轨迹会用卡尔曼滤波预测目标在当前帧的位置得到一个预测框。卡尔曼滤波假设目标的运动是线性的、噪声是高斯分布所以无人机做快速机动或者急转弯时预测会偏离实际位置这时就要靠外观特征纠偏。第二步是外观特征提取。DeepSort里有一个reid网络默认是行人重识别模型会把每个检测框裁剪出来送入网络得到一个特征向量。这个向量衡量的是“目标长什么样”和位置无关。用这个向量和已存轨迹的历史特征比较得到余弦距离。第三步是数据关联。DeepSort用的是级联匹配先给外观特征质量高的、最近一直在跟踪的轨迹匹配再处理那些长时间没匹配上的轨迹。匹配的标准就是运动马氏距离和外观余弦距离的加权最终用匈牙利算法找到全局最优的组合分配。这样既能处理遮挡恢复又能减少ID跳变。理解这个流程对调参非常重要。我实际测试中的经验是如果发现ID频繁跳变优先调大max_dist外观匹配阈值如果发现长时间中断后目标ID变了优先调大max_age允许轨迹丢失的最大帧数和n_init确认轨迹需要连续匹配的最低帧数。4. 无人机视觉检测训练自己的数据集4.1 数据标注与格式转换无人机场景下直接使用默认的COCO权重是远远不够的特别是小目标类别。COCO 80类模型对高空视角下的小目标漏检严重训练自己的数据集几乎是必须的一步。数据集的标注推荐使用YOLO格式。对每张图片生成一个同名的txt文件每行左到右依次是类别ID、归一化后的中心点x、中心点y、归一化后的宽度、归一化后的高度。比如一张1920x1080的图片里有一辆车人工标注框的左上角坐标是(500, 300)右下角坐标是(700, 600)那么中心点就是(600, 450)归一化后x600/19200.3125y450/10800.4167宽度200/19200.1042高度300/10800.2778。标注完成后需要把数据集整理成Yolov5要求的目录结构datasets/ images/ train/ val/ labels/ train/ val/还要写一个data.yaml文件指定类别数量和类别名称例如train: datasets/images/train val: datasets/images/val nc: 1 names: [vehicle]4.2 训练参数与小目标优化思路训练命令本身不复杂难的是怎么把精度调上去。无人机小目标的第一个优化方向是提高输入分辨率。Yolov5的默认训练尺寸是640x640对于高空目标太小了建议改成1280甚至1536这会带来1到3个百分点的mAP提升。代价是显存占用暴涨训练和推理时间也同步增加。第二个优化方向是多尺度训练。Yolov5原生支持多尺度训练过程中会随机缩放输入图像这本身对小目标有一定帮助。建议打开这个选项对每张图做0.5到1.5倍范围随机缩放。第三个优化方向是数据增强。无人机数据的采集一般是沿着航线飞的存在大量时间连续、视角相似的冗余帧。训练的验证集里如果出现太多相似帧会虚高map建议按抽帧间隔做数据清洗保证训练集和验证集不重叠。另外还可以加入马赛克增强、随机翻转和HSV扰动让模型适应不同光照条件。DeepSort这边的ReID模型默认是针对行人训练的。如果你的目标是车辆、船只等其他类别强烈建议重新训练ReID网络或者至少用你的目标检测数据做一次微调否则跟踪部分的外观匹配会拖后腿我因为图省事直接用了默认权重结果不同车辆之间频繁互相串ID场面极其混乱。5. 常见问题与排查实录5.1 运行时报错的速查表我把遇到过的典型问题汇总成了下面这张表。大多数都不是模型结构问题而是环境和数据准备不够仔细。问题现象根本原因解决方案torch.cuda.is_available()返回FalsePytorch的cuda版本与显卡驱动不匹配检查nvidia-smi驱动版本重新安装对应版本的Pytorchlap安装失败缺少C编译环境安装Visual Studio Build Tools或Linux下build-essential检测结果为空视频无框检测权重缺失或conf_thres过高检查权重文件适当调低置信度阈值到0.1检测有框但无跟踪IDDeepSort的reid权重缺失或输出坐标格式不对确认ckpt.t7存在确认检测输出是xyxy格式跟踪ID跳变频繁max_age或max_dist参数太小增大max_age到100调大max_dist到0.3无人机快速转向时跟踪丢失卡尔曼滤波线性假设失效调大max_age同时减少对运动预测的依赖5.2 无人机视频特有的避坑经验最后分享几个和普通监控跟踪非常不一样的细节。第一别忘了做相机运动补偿。无人机悬停时还有风摆镜头有缓慢漂移尤其是云台不够稳时背景也在缓慢移动。这种情况下卡尔曼滤波会频繁误判目标运动方向严重时导致一帧中大量ID切换。可以先用OpenCV做全局运动估计比如ECC算法或者ORB特征匹配把背景的变化补偿到输入帧再把补偿后的图像送入跟踪流程。第二合理控制检测器的最大检测数量。无人机大范围搜索时一帧里可能有几十辆车默认的max_det参数要调高否则检测框被人为截断后面的跟踪无从谈起。第三是权重精度问题。在Jetson等边缘设备上FP16推理不仅能提速还能降低显存占用。但在FP16下小目标的置信度分布会比FP32略低最好在FP16部署后重新校验一遍漏检率必要时把置信度阈值单独下调0.05。还有一个更细腻的调试技巧。如果跟踪结果飘忽不定可以先只跑检测器把每帧检测输出保存成JSON文件单独检查检测框在时间上是否连续再打开跟踪。这样能把检测问题和跟踪问题剥离开不会在半路越调越乱。我在实际测试中发现很多人问“为什么我低空飞行时效果不错升高之后漏检爆炸”其实根源就是小目标在特征层的响应太弱。除了调高分辨率还可以考虑在Yolov5结构里添加P2检测层专门针对小目标做一次特征融合。原理上就是在浅层特征图像素分辨率更高上增加一个检测头让浅层的高分辨率信息参与小目标预测。这样改之后即使输入分辨率不提升小目标的感知能力也有明显改善。代价是推理速度下降约15%内存占用上升权衡后如果仍然要求实时可以用TensorRT做一次加速。这套方案我已经在多个无人机场景的项目里落地过跑通了检测和跟踪的完整链路。最后再分享一个立体的小技巧。若项目需要对无人机视频做完整的评估建议在验证集上跑一次MOTA、IDF1这些跟踪指标。别只看检测的map和recall跟踪任务的最终指标是MOTA多目标跟踪准确率和IDF1身份F1分数MOTA综合了误检、漏检和ID跳变IDF1单独衡量身份保持能力。很多调参决策到底调max_age还是max_dist在指标上的反映完全不同一套严谨的评估能让跟踪优化有据可依而不是靠肉眼感觉“好像稳了一点”。本文还有配套的精品资源点击获取 
长河君 · 2026/9/8 17:18:53 · 阅读 1.2k Yolov5+DeepSort实战：无人机视觉目标检测跟踪全流程解析
简介面向无人机视觉检测与多目标跟踪任务这份资源基于YOLOv5与DeepSort实现目标类别为drone适合计算机视觉研究者、无人机开发者及学生用于算法学习与二次开发。资源包共224个文件约173.66MB核心包括Python源码59个py、配置文件39个yaml/yml、模型权重3个pt、视频4个mp4以及说明文档10个md等环境已配置妥当下载后安装依赖即可运行。目前已吸引2892人学习下载。包内提供训练完成的YOLOv5s-drone.pt与YOLOv5m6-drone.pt两个模型附带测试视频和跟踪结果演示可直观观察检测跟踪效果。代码支持提取目标运动质心坐标并能绘制运动轨迹方便进行航迹分析与性能评估使用说明清晰可帮助快速上手是开展无人机视觉跟踪实验或项目改造的实用参考。 打开Yolov5_DeepSort_Pytorch-master-newest-drone.zip这个压缩包的时候我就知道这又是一套经典的“检测跟踪”方案但套上了drone这个后缀之后应用场景和踩坑点就完全不一样了。无人机视觉检测和跟踪这两年热度一直在线从安防巡检到智慧城市的交通流量统计再到农业植保的作物巡查几乎都绕不开这条技术链路。Yolov5负责的是“看到目标”DeepSort负责的是“记住目标是谁”两者配合才能在一段连续视频里得到稳定的目标轨迹和ID信息。这篇文章我会从项目拆解、环境搭建、核心代码逻辑、训练自己的无人机数据集到常见排查经验完整过一遍适合正准备做目标检测跟踪课题、无人机视觉方向的毕设或工程落地的同学参考。1. 项目整体拆解Yolov5DeepSort为什么是黄金搭档1.1 检测器和跟踪器各司其职先把这个组合的核心分工说清楚。Yolov5是单阶段检测器输入一帧图像输出这一帧里所有目标的位置、类别和置信度。DeepSort是多目标跟踪器输入检测框序列输出每个目标的稳定轨迹和身份ID。单看每一帧检测器已经给出了目标框为什么还要跟踪器因为无人机视频是一个连续时间序列单帧检测会面临遮挡、漏检、目标靠近时粘连等问题。DeepSort解决的问题就是在连续帧之间把同一个目标关联起来即使中间某几帧检测不到也能靠运动预测和外观特征把轨迹续上。这就是“先检测后跟踪”范式的价值所在。1.2 无人机视角下的特殊挑战这个项目带drone后缀不是白带的。无人机视觉和固定摄像头监控相比有四个明显差异。第一是目标尺度小高空视角下车辆、行人往往只占几十个像素。第二是视角变化快无人机本身在运动相机姿态变化导致背景和目标外观都在快速变化。第三是遮挡更多树冠、建筑、其他飞行器都会造成检测中断。第四是算力受限机载平台往往是Jetson Nano这类边缘设备跑不动太重模型。这套方案为什么在无人机场景里特别流行因为Yolov5s很小FP16推理在Jetson Nano上也能跑到20 FPS以上DeepSort的运动模型对短时遮挡有天然鲁棒性。后续训练自己的数据时这两点会体现得更加明显。2. 环境配置与运行准备别在第一步就卡住2.1 Pytorch环境搭建的关键点这个项目基于Pytorch实现第一步先把环境搞定。我实测下来比较稳的组合是Python 3.8或3.9 Pytorch 1.8到2.0之间都可以跑通关键是要和CUDA版本匹配。组件推荐版本备注Python3.8 / 3.93.10以上部分依赖编译有问题Pytorch1.8 ~ 2.02.x也兼容需注意torchvision配套CUDA10.2 / 11.3 / 12.1取决于Pytorch安装的cuda版本cuDNN与CUDA对应一般装Pytorch时自动带上GPU版本安装命令建议去Pytorch官网用converter生成核对一下显卡驱动的支持版本。如果你只是CPU跑测试速度会慢很多但能跑通无人机场景建议至少有一张GTX 1660以上的卡否则后面训练自己的数据集会非常痛苦。2.2 依赖安装的坑与解决方案项目里requirements.txt包含了一批关键依赖。我安装时踩过三个大坑逐个说明第一个是lap库编译失败。lap是DeepSort做线性分配时用到的这个库在Windows上用pip直接装大概率报错需要预装C编译环境。可以在Visual Studio Build Tools里勾选“使用C的桌面开发”或者在Linux下先装好build-essential再pip install lap。第二个是cython-bbox编译报错。这个库用于快速计算IOU虽然部分版本项目里已经改用了numpy实现但老版本依然需要编译。Windows下必须安装Cython而且编译器必须能够被Python找到否则一脸懵的报错。第三个是权重文件的坑。项目解压之后yolov5的权重文件和deep_sort的reid权重文件不一定自带需要单独下载。缺了检测权重跑起来只会输出空结果缺了ckpt.t7那个reid模型连接口都不知道在哪儿报错。先检查一下weights目录里面有没有文件再开始跑测试。我的建议是可以用下面命令快速验证环境python track.py --source test.mp4 --yolo_weights yolov5s.pt --deep_sort_weights deep_sort_pytorch/deep_sort/deep/checkpoint/ckpt.t7 --save-vid如果这一步能正常输出带跟踪框的视频说明整个链路已经通了。3. 核心代码架构与推理流程拆解3.1 从视频帧到目标框在跑通demo后就要理解每一帧的数据流。项目的主入口是track.py它会调用Yolov5的检测模型处理每一帧得到的结果是多个数组每个数组包含x1, y1, x2, y2四个坐标值以及置信度conf和类别cls。这部分有几个细节直接影响跟踪效果。第一是置信度阈值Yolov5检测时会有一个conf_thres参数默认0.25左右。无人机低空视角下目标较小如果置信度阈值太高很多小目标会被滤掉跟踪的起点都没有了。我建议在无人机场景下调到0.15甚至0.1代价是出现更多误检后续用DeepSort的外观特征去过滤。第二是类别过滤如果你的场景只需要检测人或者车可以在代码里加一个类别白名单筛选否则类别间互串会干扰关联。3.2 DeepSort中的数据关联逻辑检测结果出来之后DeepSort内部做了一系列运算。核心分三步。第一步是运动预测。每个已存在的轨迹会用卡尔曼滤波预测目标在当前帧的位置得到一个预测框。卡尔曼滤波假设目标的运动是线性的、噪声是高斯分布所以无人机做快速机动或者急转弯时预测会偏离实际位置这时就要靠外观特征纠偏。第二步是外观特征提取。DeepSort里有一个reid网络默认是行人重识别模型会把每个检测框裁剪出来送入网络得到一个特征向量。这个向量衡量的是“目标长什么样”和位置无关。用这个向量和已存轨迹的历史特征比较得到余弦距离。第三步是数据关联。DeepSort用的是级联匹配先给外观特征质量高的、最近一直在跟踪的轨迹匹配再处理那些长时间没匹配上的轨迹。匹配的标准就是运动马氏距离和外观余弦距离的加权最终用匈牙利算法找到全局最优的组合分配。这样既能处理遮挡恢复又能减少ID跳变。理解这个流程对调参非常重要。我实际测试中的经验是如果发现ID频繁跳变优先调大max_dist外观匹配阈值如果发现长时间中断后目标ID变了优先调大max_age允许轨迹丢失的最大帧数和n_init确认轨迹需要连续匹配的最低帧数。4. 无人机视觉检测训练自己的数据集4.1 数据标注与格式转换无人机场景下直接使用默认的COCO权重是远远不够的特别是小目标类别。COCO 80类模型对高空视角下的小目标漏检严重训练自己的数据集几乎是必须的一步。数据集的标注推荐使用YOLO格式。对每张图片生成一个同名的txt文件每行左到右依次是类别ID、归一化后的中心点x、中心点y、归一化后的宽度、归一化后的高度。比如一张1920x1080的图片里有一辆车人工标注框的左上角坐标是(500, 300)右下角坐标是(700, 600)那么中心点就是(600, 450)归一化后x600/19200.3125y450/10800.4167宽度200/19200.1042高度300/10800.2778。标注完成后需要把数据集整理成Yolov5要求的目录结构datasets/ images/ train/ val/ labels/ train/ val/还要写一个data.yaml文件指定类别数量和类别名称例如train: datasets/images/train val: datasets/images/val nc: 1 names: [vehicle]4.2 训练参数与小目标优化思路训练命令本身不复杂难的是怎么把精度调上去。无人机小目标的第一个优化方向是提高输入分辨率。Yolov5的默认训练尺寸是640x640对于高空目标太小了建议改成1280甚至1536这会带来1到3个百分点的mAP提升。代价是显存占用暴涨训练和推理时间也同步增加。第二个优化方向是多尺度训练。Yolov5原生支持多尺度训练过程中会随机缩放输入图像这本身对小目标有一定帮助。建议打开这个选项对每张图做0.5到1.5倍范围随机缩放。第三个优化方向是数据增强。无人机数据的采集一般是沿着航线飞的存在大量时间连续、视角相似的冗余帧。训练的验证集里如果出现太多相似帧会虚高map建议按抽帧间隔做数据清洗保证训练集和验证集不重叠。另外还可以加入马赛克增强、随机翻转和HSV扰动让模型适应不同光照条件。DeepSort这边的ReID模型默认是针对行人训练的。如果你的目标是车辆、船只等其他类别强烈建议重新训练ReID网络或者至少用你的目标检测数据做一次微调否则跟踪部分的外观匹配会拖后腿我因为图省事直接用了默认权重结果不同车辆之间频繁互相串ID场面极其混乱。5. 常见问题与排查实录5.1 运行时报错的速查表我把遇到过的典型问题汇总成了下面这张表。大多数都不是模型结构问题而是环境和数据准备不够仔细。问题现象根本原因解决方案torch.cuda.is_available()返回FalsePytorch的cuda版本与显卡驱动不匹配检查nvidia-smi驱动版本重新安装对应版本的Pytorchlap安装失败缺少C编译环境安装Visual Studio Build Tools或Linux下build-essential检测结果为空视频无框检测权重缺失或conf_thres过高检查权重文件适当调低置信度阈值到0.1检测有框但无跟踪IDDeepSort的reid权重缺失或输出坐标格式不对确认ckpt.t7存在确认检测输出是xyxy格式跟踪ID跳变频繁max_age或max_dist参数太小增大max_age到100调大max_dist到0.3无人机快速转向时跟踪丢失卡尔曼滤波线性假设失效调大max_age同时减少对运动预测的依赖5.2 无人机视频特有的避坑经验最后分享几个和普通监控跟踪非常不一样的细节。第一别忘了做相机运动补偿。无人机悬停时还有风摆镜头有缓慢漂移尤其是云台不够稳时背景也在缓慢移动。这种情况下卡尔曼滤波会频繁误判目标运动方向严重时导致一帧中大量ID切换。可以先用OpenCV做全局运动估计比如ECC算法或者ORB特征匹配把背景的变化补偿到输入帧再把补偿后的图像送入跟踪流程。第二合理控制检测器的最大检测数量。无人机大范围搜索时一帧里可能有几十辆车默认的max_det参数要调高否则检测框被人为截断后面的跟踪无从谈起。第三是权重精度问题。在Jetson等边缘设备上FP16推理不仅能提速还能降低显存占用。但在FP16下小目标的置信度分布会比FP32略低最好在FP16部署后重新校验一遍漏检率必要时把置信度阈值单独下调0.05。还有一个更细腻的调试技巧。如果跟踪结果飘忽不定可以先只跑检测器把每帧检测输出保存成JSON文件单独检查检测框在时间上是否连续再打开跟踪。这样能把检测问题和跟踪问题剥离开不会在半路越调越乱。我在实际测试中发现很多人问“为什么我低空飞行时效果不错升高之后漏检爆炸”其实根源就是小目标在特征层的响应太弱。除了调高分辨率还可以考虑在Yolov5结构里添加P2检测层专门针对小目标做一次特征融合。原理上就是在浅层特征图像素分辨率更高上增加一个检测头让浅层的高分辨率信息参与小目标预测。这样改之后即使输入分辨率不提升小目标的感知能力也有明显改善。代价是推理速度下降约15%内存占用上升权衡后如果仍然要求实时可以用TensorRT做一次加速。这套方案我已经在多个无人机场景的项目里落地过跑通了检测和跟踪的完整链路。最后再分享一个立体的小技巧。若项目需要对无人机视频做完整的评估建议在验证集上跑一次MOTA、IDF1这些跟踪指标。别只看检测的map和recall跟踪任务的最终指标是MOTA多目标跟踪准确率和IDF1身份F1分数MOTA综合了误检、漏检和ID跳变IDF1单独衡量身份保持能力。很多调参决策到底调max_age还是max_dist在指标上的反映完全不同一套严谨的评估能让跟踪优化有据可依而不是靠肉眼感觉“好像稳了一点”。本文还有配套的精品资源点击获取