092、ByteTrack + YOLO 多目标跟踪：检测+跟踪串联方案的工程调优

092、ByteTrack + YOLO 多目标跟踪：检测+跟踪串联方案的工程调优

一、从一次线上事故说起

去年秋天，我负责的一个智慧零售项目突然报警——客户反馈货架上的商品跟踪频繁跳ID，同一个顾客从进店到结账，ID换了七八次。我连夜翻日志，发现ByteTrack的匹配逻辑在低帧率场景下几乎崩溃。更诡异的是，YOLOv8检测的mAP明明有0.78，但跟踪的MOTA（多目标跟踪准确率）只有0.31。

这个案例让我意识到：检测和跟踪的串联，不是简单的“检测框+卡尔曼滤波”就能糊弄过去的。今天这篇笔记，就围绕ByteTrack + YOLO的工程调优，把那些踩过的坑和填坑方案掰开揉碎讲清楚。

二、ByteTrack的匹配逻辑，你真的理解了吗？

ByteTrack的核心思想是“高置信度框和低置信度框分开处理”。别被论文里的公式吓到，实际代码里就两个关键步骤：

1. 高置信度匹配：用IoU（交并比）把检测框和跟踪轨迹做匈牙利匹配，阈值通常设0.5。
2. 低置信度匹配：把那些置信度低于0.5但高于0.1的检测框，再和未匹配的轨迹做一次匹配，阈值降到0.2。

这里有个坑：低置信度匹配的阈值不能设死。我见过有人直接写死0.2，结果在遮挡场景下，低置信度框全是噪声，反而把正确的轨迹带偏了。正确的做法是动态调整——根据当前帧的平均