企业官网建设流程全解析

简介：这份资源面向计算机视觉入门与进阶开发者，提供一套基于YOLOv5与DeepSORT的无人机目标检测与多目标跟踪完整实现，并附带目标运动轨迹可视化功能，可用于无人机监控、智能安防、交通管理等场景的实时识别与持续追踪。压缩包共221个文件，约130.46MB，以60个py源码、43个yaml配置、34个pyc编译文件为主，另含14张jpg与6张png示例图、10个md说明文档、3个pt权重文件及2段mp4演示视频，覆盖模型配置、训练脚本与运行示例。目前已有1781人学习下载。项目整合了YOLOv5检测、DeepSORT跟踪与轨迹绘制模块，读者可据此理解卡尔曼滤波与匈牙利算法在身份保持中的作用，掌握PyTorch框架下的工程组织方式，并借助可视化结果分析目标出现、移动与消失的完整过程，适合作为课程设计或课题开发的参考方案。

1. DeepSORT-YOLOv5无人机检测和跟踪：从检测框到运动轨迹，一条链路怎么跑通

无人机视角下的目标检测和跟踪，和地面监控完全是两回事。地面摄像头机位固定，背景稳定，行人车辆尺度变化有限；无人机一升空，画面持续平移旋转，目标像素面积可能从 30×30 缩到 8×8，再加上俯视角度带来的外观畸变，检测器帧间抖动一大，跟踪器就容易跟丢或者频繁切换 ID。我最初拿 YOLOv5 + DeepSORT 直接套无人机视频，检测框每帧都在跳，轨迹画出来像心电图，根本没法用。

这套方案要解决的核心问题就一个：在无人机动态背景下，把 YOLOv5 的逐帧检测结果串成稳定的目标 ID，再把每个 ID 的历史位置连成运动轨迹，最终在画面上可视化出来。适合谁？做无人机巡检、航拍目标计数、低空安防的工程师，手里有 YOLOv5 训练好的权重，想加一层跟踪和轨迹输出，但不想从头造轮子。下面按「检测器怎么配 → DeepSORT 怎么接 → 轨迹怎么画 → 坑在哪」的顺序拆开讲，每一步都给可复现的命令和参数。

2. YOLOv5 在无人机画面上的检测配置：权重、置信度和 NMS 怎么定

2.1 无人机场景下 YOLOv5 的选型逻辑

YOLOv5 有 n/s/m/l/x 五个规格，无人机机载算力通常有限，Jetson 系列或者树莓派 5 上跑，n 和 s 是首选。我一般用 yolov5s，输入尺寸 640×640，在 VisDrone 或者自建无人机数据集上 fine-tune 之后，mAP@0.5 能到 0.45 左右，帧率在 Jetson Xavier NX 上大约 18-22 FPS，够跟踪用。

为什么不直接上 YOLOv8 或者 YOLOv11？可以上，检测头更强，但 DeepSORT 的关联逻辑依赖检测框的稳定性，YOLOv5 的输出格式和 DeepSORT 的集成代码更成熟，社区里现成的 deepsort-yolov5 仓库大多基于 v5 的输出做解析。如果你已经用 v8/v11 训好了，改一下检测结果解析那几行也能接，核心是保证输出格式统一为[x1, y1, x2, y2, conf, cls]。

训练自己的数据集时，无人机数据标注要注意两点：小目标单独拉出来看召回，遮挡目标别当负样本扔。YOLOv5 的hyp.scratch-low.yaml里box损失权重可以适当调高到 0.06，cls保持 0.5，因为无人机场景类别通常不多，分类损失不用太大。

2.2 检测输出的关键参数：conf 和 iou 怎么设

YOLOv5 推理时两个参数直接决定 DeepSORT 的输入质量：

# 无人机视频推理，输出检测结果供 DeepSORT 使用 python detect.py \ --weights runs/train/exp/weights/best.pt \ --source drone_video.mp4 \ --img-size 640 \ --conf-thres 0.35 \ --iou-thres 0.45 \ --classes 0 2 \ --save-txt \ --project runs/detect \ --name drone_exp

--conf-thres 0.35：无人机画面里小目标多，置信度阈值设太高会漏检，设太低会引入大量误检。0.35 是我在 VisDrone 上试出来的平衡点，漏检和误检比例大约 1:1.2。如果你做的是车辆跟踪，可以降到 0.3；做人形跟踪，0.4 更稳。

--iou-thres 0.45：NMS 的 IoU 阈值。无人机俯拍时目标密集，比如停车场场景，两辆车挨得近，IoU 阈值太高会把相邻目标合并。0.45 比默认 0.5 略低，能保留更多相邻框。但别低于 0.4，否则同一个目标会出多个框，DeepSORT 会当成多个目标跟。

--classes 0 2：只保留特定类别。无人机场景通常只关心人、车、船等少数几类，过滤掉无关类别能减少 DeepSORT 的关联计算量，也降低 ID 切换概率。

--save-txt：把检测结果存成 txt，每行格式是cls x_center y_center w h conf，归一化坐标。DeepSORT 需要的是绝对坐标的[x1, y1, x2, y2]，后面要写个转换脚本。

注意：YOLOv5 的detect.py默认输出归一化坐标，DeepSORT 的Detection类需要绝对坐标。转换时用img_width和img_height乘回去，别搞反了。

2.3 检测结果转 DeepSORT 输入格式的脚本

YOLOv5 的 txt 输出不能直接喂给 DeepSORT，中间要做一个格式转换。下面这个脚本我用了很久，处理单帧检测结果：

import numpy as np def yolo_to_deepsort(yolo_txt_path, img_w, img_h): """ 将 YOLOv5 的归一化 txt 转为 DeepSORT 需要的绝对坐标列表 返回: [[x1, y1, x2, y2, conf, cls], ...] """ detections = [] with open(yolo_txt_path, 'r') as f: for line in f.readlines(): parts = line.strip().split() if len(parts) < 6: continue cls, xc, yc, w, h, conf = map(float, parts[:6]) # 归一化坐标转绝对坐标 x1 = (xc - w / 2) * img_w y1 = (yc - h / 2) * img_h x2 = (xc + w / 2) * img_w y2 = (yc + h / 2) * img_h # 边界裁剪，防止越界 x1, y1 = max(0, x1), max(0, y1) x2, y2 = min(img_w, x2), min(img_h, y2) detections.append([x1, y1, x2, y2, conf, int(cls)]) return np.array(detections) # 调用示例 img_w, img_h = 1920, 1080 dets = yolo_to_deepsort('runs/detect/drone_exp/labels/frame_001.txt', img_w, img_h) print(f"转换后检测框数量: {len(dets)}")

逻辑说明：YOLOv5 的 txt 每行是cls xc yc w h conf，其中xc, yc, w, h都是相对于图像宽高的归一化值。DeepSORT 的Detection需要[x1, y1, x2, y2]绝对坐标，所以先反归一化再裁剪边界。conf和cls保留，后面做类别过滤和置信度加权用。

参数说明：img_w和img_h必须和 YOLOv5 推理时的输入尺寸一致，但注意 YOLOv5 内部会做 letterbox 缩放，如果你直接读原始视频帧，宽高用原始分辨率；如果读的是detect.py保存的图片，用图片实际尺寸。这个坑我踩过，坐标偏了 20 个像素，跟踪框一直飘。

3. DeepSORT 接入 YOLOv5：级联匹配和卡尔曼滤波的参数调法

3.1 DeepSORT 的核心机制：为什么比 SORT 多一层外观特征

DeepSORT 在 SORT 的基础上加了一个外观特征提取网络，把每个检测框对应的图像区域过一个 ReID 模型，得到一个 128 维的特征向量。匹配时不仅看卡尔曼滤波预测的位置和马氏距离，还看外观特征的余弦距离。无人机场景下，目标外观变化剧烈，光靠位置匹配很容易串 ID，外观特征能拉回来一部分。

DeepSORT 的匹配流程分两步：第一步用外观特征做级联匹配，优先匹配最近几帧都出现的目标；第二步用 IoU 匹配剩下的。级联匹配的max_dist默认 0.2，nn_budget默认 100，这两个参数在无人机场景下要调。

max_dist控制外观距离阈值，越小越严格。无人机目标小，ReID 特征本身就不稳定，设 0.2 会导致很多正确匹配被拒。我一般调到 0.3，给外观特征更多容错。nn_budget是每个轨迹保留的历史特征数量，无人机画面变化快，保留太多旧特征反而干扰，调到 50 更合适。

3.2 卡尔曼滤波参数：过程噪声和观测噪声怎么配

DeepSORT 的卡尔曼滤波用匀速模型，状态向量是[x, y, a, h, vx, vy, va, vh]，其中a是宽高比，h是高度。过程噪声协方差矩阵Q和观测噪声协方差矩阵R在deep_sort/kalman_filter.py里定义：

# deep_sort/kalman_filter.py 中的参数调整 class KalmanFilter: def __init__(self): ndim, dt = 4, 1. self._motion_mat = np.eye(2 * ndim, 2 * ndim) for i in range(ndim): self._motion_mat[i, ndim + i] = dt # 观测噪声：无人机检测框抖动大，调高 R self._std_weight_position = 1. / 20 # 默认 1./20 self._std_weight_velocity = 1. / 160 # 默认 1./160

_std_weight_position控制位置观测噪声，默认 1/20。无人机检测框每帧抖动可能到 5-10 像素，这个值要调小，比如 1/30，让滤波器更相信预测而不是观测。_std_weight_velocity控制速度噪声，默认 1/160，无人机目标运动速度快，可以调到 1/200，让速度估计更平滑。

调参效果：在自建的无人机车辆跟踪视频上，默认参数 ID 切换次数 47 次，调完_std_weight_position=1/30和max_dist=0.3之后降到 19 次。代价是跟踪框响应稍微滞后，但轨迹连续性明显提升。

3.3 完整跟踪脚本：YOLOv5 检测 + DeepSORT 关联 + 轨迹绘制

下面是把检测和跟踪串起来的核心代码，基于deep_sort的Tracker类：

import cv2 import numpy as np from deep_sort import DeepSort from yolo_to_deepsort import yolo_to_deepsort # 上一节的转换函数 # 初始化 DeepSORT deepsort = DeepSort( model_path='deep_sort/deep/checkpoint/ckpt.t7', max_dist=0.3, # 外观距离阈值，无人机场景调高 min_confidence=0.35, # 低于此置信度的检测不参与匹配 nms_max_overlap=0.45, # NMS 阈值，和 YOLOv5 保持一致 max_iou_distance=0.7, # IoU 匹配阈值 max_age=30, # 轨迹丢失后保留帧数 n_init=3, # 连续命中多少次才确认轨迹 nn_budget=50 # 每个轨迹保留的特征数 ) # 轨迹历史字典：{track_id: [(cx, cy), ...]} trajectories = {} MAX_TRAIL_LEN = 60 # 每条轨迹最多保留 60 个点 cap = cv2.VideoCapture('drone_video.mp4') frame_idx = 0 while cap.isOpened(): ret, frame = cap.read() if not ret: break frame_idx += 1 img_h, img_w = frame.shape[:2] # 读取 YOLOv5 检测结果（假设已提前跑完 detect.py） txt_path = f'runs/detect/drone_exp/labels/frame_{frame_idx:06d}.txt' dets = yolo_to_deepsort(txt_path, img_w, img_h) if len(dets) > 0: # DeepSORT 更新 bbox_xywh = np.array([[ (d[0]+d[2])/2, (d[1]+d[3])/2, d[2]-d[0], d[3]-d[1] ] for d in dets]) confs = np.array([d[4] for d in dets]) classes = np.array([d[5] for d in dets]) outputs = deepsort.update(bbox_xywh, confs, classes, frame) if len(outputs) > 0: for out in outputs: x1, y1, x2, y2, track_id, cls = out cx, cy = int((x1 + x2) / 2), int((y1 + y2) / 2) # 更新轨迹 if track_id not in trajectories: trajectories[track_id] = [] trajectories[track_id].append((cx, cy)) if len(trajectories[track_id]) > MAX_TRAIL_LEN: trajectories[track_id].pop(0) # 画检测框和 ID cv2.rectangle(frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2) cv2.putText(frame, f'ID:{track_id}', (int(x1), int(y1)-10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) # 画所有轨迹 for tid, points in trajectories.items(): for i in range(1, len(points)): cv2.line(frame, points[i-1], points[i], (0, 0, 255), 2) cv2.imshow('DeepSORT-YOLOv5 Drone Tracking', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()

逻辑说明：deepsort.update()接收bbox_xywh（中心点+宽高）、置信度、类别和当前帧图像，返回[x1, y1, x2, y2, track_id, cls]格式的跟踪结果。轨迹字典按track_id存历史中心点，每帧追加，超过MAX_TRAIL_LEN就丢弃最旧的点，防止轨迹线太长糊成一片。

参数说明：max_age=30表示轨迹丢失后保留 30 帧，无人机目标被遮挡或者飞出画面再回来，30 帧内还能接上。n_init=3表示连续 3 帧匹配上才确认轨迹，能过滤掉一闪而过的误检。nn_budget=50控制特征库大小，无人机场景外观变化快，50 够用，太大反而拖慢匹配。

提示：deepsort.update()的frame参数必须传原始 BGR 图像，DeepSORT 内部会裁剪检测框区域做 ReID 特征提取。如果传灰度图或者缩放后的图，特征质量会下降。

4. 运动轨迹可视化：从散点连线到热力轨迹图

4.1 轨迹平滑：为什么原始中心点连线会抖

YOLOv5 检测框每帧都在跳，直接连中心点，轨迹线像锯齿。我一般做两层平滑：第一层用滑动平均，窗口大小 5；第二层用三次样条插值，把轨迹点加密到每帧 2 个点，线条更顺。

from scipy.interpolate import make_interp_spline import numpy as np def smooth_trajectory(points, window=5): """滑动平均 + 样条插值平滑轨迹""" if len(points) < 3: return points # 滑动平均 arr = np.array(points, dtype=float) kernel = np.ones(window) / window x_smooth = np.convolve(arr[:, 0], kernel, mode='valid') y_smooth = np.convolve(arr[:, 1], kernel, mode='valid') # 样条插值加密 t = np.arange(len(x_smooth)) t_new = np.linspace(0, len(x_smooth)-1, len(x_smooth)*2) spl_x = make_interp_spline(t, x_smooth, k=min(3, len(x_smooth)-1)) spl_y = make_interp_spline(t, y_smooth, k=min(3, len(y_smooth)-1)) return list(zip(spl_x(t_new).astype(int), spl_y(t_new).astype(int)))

逻辑说明：np.convolve做滑动平均，mode='valid'会丢掉前后各window//2个点，轨迹会短一点，但换来平滑。make_interp_spline做三次样条插值，把点数量翻倍，线条更细腻。k取min(3, len-1)防止点数太少时报错。

参数说明：window=5是经验值，无人机视频 30 FPS 下，5 帧约 0.17 秒，能滤掉高频抖动又不至于让轨迹滞后太多。如果目标运动很慢，可以调到 7；运动快就降到 3。

4.2 轨迹颜色编码：按时间渐变还是按 ID 固定

可视化时，轨迹颜色有两种方案：按 ID 固定颜色，每个目标一条固定颜色的线，适合目标数量少的场景；按时间渐变，越新的轨迹点越亮，适合展示运动方向。我一般用 ID 固定颜色 + 最新点加粗，兼顾辨识度和方向感。

import colorsys def get_color(track_id, total_ids=20): """根据 track_id 生成固定颜色""" hue = (track_id * 0.618) % 1.0 # 黄金比例散列，颜色区分度高 r, g, b = colorsys.hsv_to_rgb(hue, 0.9, 0.9) return (int(b*255), int(g*255), int(r*255)) # BGR # 绘制时 for tid, points in trajectories.items(): color = get_color(tid) for i in range(1, len(points)): thickness = 3 if i == len(points)-1 else 1 # 最新一段加粗 cv2.line(frame, points[i-1], points[i], color, thickness)

逻辑说明：hue = (track_id * 0.618) % 1.0用黄金比例散列，相邻 ID 的颜色差异大，不会出现两个目标颜色相近分不清的情况。colorsys.hsv_to_rgb转 RGB 再转 BGR，因为 OpenCV 用 BGR。最新一段轨迹加粗到 3 像素，一眼能看出目标当前运动方向。

参数说明：total_ids不用传，只是注释用。0.618是黄金比例，换成其他无理数也行，关键是避免相邻 ID 颜色接近。饱和度 0.9、亮度 0.9 保证颜色鲜艳但不刺眼。

4.3 轨迹热力图：统计目标经过频率

如果要做区域分析，比如无人机巡检时看哪个区域目标最密集，可以把轨迹点叠加成热力图。用 OpenCV 的applyColorMap做伪彩色：

# 累积轨迹热力图 heatmap = np.zeros((img_h, img_w), dtype=np.float32) for tid, points in trajectories.items(): for (cx, cy) in points: if 0 <= cx < img_w and 0 <= cy < img_h: heatmap[cy, cx] += 1 # 高斯模糊让热力分布更自然 heatmap = cv2.GaussianBlur(heatmap, (51, 51), 0) heatmap_norm = cv2.normalize(heatmap, None, 0, 255, cv2.NORM_MINMAX) heatmap_color = cv2.applyColorMap(heatmap_norm.astype(np.uint8), cv2.COLORMAP_JET) # 叠加到原图 overlay = cv2.addWeighted(frame, 0.6, heatmap_color, 0.4, 0) cv2.imshow('Trajectory Heatmap', overlay)

逻辑说明：heatmap[cy, cx] += 1在每个轨迹点位置累加计数，GaussianBlur把离散点扩散成连续热区，normalize把值域拉到 0-255，applyColorMap映射成 JET 伪彩色。addWeighted把热力图和原图按 0.4:0.6 融合，既能看到热区又不遮住画面细节。

参数说明：GaussianBlur的核大小 51 是经验值，视频分辨率 1920×1080 下，51 像素的扩散半径大约覆盖 2-3 个目标间距。分辨率小就降到 31，大就加到 71。addWeighted的 alpha 控制热力图透明度，0.4 是我常用的值，再高就影响看原画面了。

5. 避坑与排查：无人机跟踪里最容易翻车的 5 个点

5.1 检测框抖动导致 ID 频繁切换

现象：同一个目标，跟踪 ID 每隔几帧就变一次，轨迹断成好几段。

原因：YOLOv5 在无人机画面上的检测框中心点每帧抖动 5-15 像素，DeepSORT 的卡尔曼滤波预测位置和观测位置偏差大，马氏距离超过阈值，匹配失败。

解决：调低_std_weight_position到 1/30，让滤波器更相信预测；同时把max_dist从 0.2 调到 0.3，放宽外观匹配阈值。如果还不行，在检测后加一个简单的滑动平均滤波，把连续 3 帧的检测框中心点做平均再喂给 DeepSORT。

5.2 小目标 ReID 特征提取失败

现象：远处的小目标（像素面积小于 20×20）跟踪 ID 乱跳，或者干脆不显示轨迹。

原因：DeepSORT 的 ReID 网络输入是 128×64 的裁剪图，小目标裁剪后放大，特征模糊，余弦距离区分度低。

解决：在deepsort.update()之前过滤掉面积小于阈值的检测框，比如w*h < 400的直接不参与跟踪，只画检测框不画轨迹。或者换一个轻量级 ReID 模型，输入尺寸改成 64×32，对小目标更友好。

5.3 轨迹线拖尾太长糊成一片

现象：画面里轨迹线太多太长，目标密集时完全看不清。

原因：MAX_TRAIL_LEN设太大，比如 200，轨迹线覆盖半个画面。

解决：把MAX_TRAIL_LEN降到 30-60，只保留最近 1-2 秒的轨迹。同时给轨迹线加透明度衰减，越旧的点越透明，用cv2.addWeighted逐段叠加实现。

5.4 视频帧率不稳导致跟踪滞后

现象：跟踪框比目标实际位置慢半拍，快速运动时尤其明显。

原因：YOLOv5 推理耗时波动，帧率不稳，DeepSORT 的dt参数固定为 1，卡尔曼滤波的速度估计不准。

解决：在deepsort.update()之前记录实际帧间隔，动态调整卡尔曼滤波的dt。或者把 YOLOv5 推理和 DeepSORT 更新放到不同线程，用队列缓冲，保证跟踪线程的帧率稳定。

5.5 类别过滤后轨迹颜色冲突

现象：只跟踪人时，两个不同 ID 的人轨迹颜色几乎一样，分不清。

原因：get_color函数的黄金比例散列在 ID 数量少时区分度不够。

解决：把hue的散列步长从 0.618 改成 0.381（另一个无理数），或者在 ID 数量小于 10 时直接用预定义的 10 种高区分度颜色，比如红、绿、蓝、黄、青、品红、橙、紫、棕、粉。

6. 进阶技巧：用轨迹预测补全遮挡段和导出可视化数据

6.1 遮挡段轨迹补全：卡尔曼预测外推

无人机跟踪时目标被建筑物或者树木遮挡，DeepSORT 的max_age内轨迹还在，但检测框没了，轨迹线会断。我一般用卡尔曼滤波的预测值补全这几帧：

# 在 deepsort.update() 返回空时，用预测值补轨迹 if len(outputs) == 0: for tid, tracker in deepsort.tracker.tracks.items(): if not tracker.is_confirmed(): continue # 卡尔曼预测下一帧位置 mean = tracker.mean cx, cy = int(mean[0]), int(mean[1]) if tid not in trajectories: trajectories[tid] = [] trajectories[tid].append((cx, cy))

逻辑说明：tracker.mean是卡尔曼滤波的状态均值，前两维就是中心点坐标。检测丢失时，用预测值继续追加轨迹点，等目标重新出现再切回观测值。这样轨迹线不会断，但要注意预测值误差会累积，max_age别设太大，30 帧以内比较安全。

参数说明：tracker.is_confirmed()过滤掉未确认的轨迹，避免误检产生的假轨迹被补全。mean[0]和mean[1]是x和y中心坐标，mean[2]是宽高比，mean[3]是高度，别搞混。

6.2 导出轨迹数据到 CSV 做离线分析

跟踪跑完，把轨迹数据导出成 CSV，方便用 pandas 做统计分析或者喂给 ECharts 做可视化大屏：

import csv with open('trajectories.csv', 'w', newline='') as f: writer = csv.writer(f) writer.writerow(['track_id', 'frame_idx', 'cx', 'cy', 'timestamp']) for tid, points in trajectories.items(): for i, (cx, cy) in enumerate(points): writer.writerow([tid, i, cx, cy, i/30.0]) # 假设 30 FPS

逻辑说明：每行记录track_id、帧序号、中心点坐标和时间戳。时间戳用帧序号除以帧率估算，方便后续做速度、加速度分析。导出后可以用 pandas 算每个目标的平均速度、停留时间、运动方向分布。

参数说明：i/30.0里的 30 是视频帧率，如果你的视频是 25 FPS 就改成 25。时间戳单位是秒，保留浮点精度。

6.3 验证跟踪效果：MOTA 和 ID Switch 怎么算

跟踪效果不能只看画面，要量化。MOTA（Multiple Object Tracking Accuracy）和 ID Switch 是两个核心指标：

计算 MOTA 需要标注好的 GT 文件，格式通常是frame_id, track_id, x, y, w, h。用py-motmetrics库可以算：

pip install motmetrics

import motmetrics as mm acc = mm.MOTAccumulator(auto_id=True) # 逐帧添加：acc.update(gt_ids, pred_ids, distance_matrix) # distance_matrix 用 IoU 或者中心点欧氏距离

逻辑说明：acc.update()每帧调用一次，传入 GT 的 ID 列表、预测的 ID 列表和距离矩阵。距离矩阵用 1-IoU 或者中心点欧氏距离，小于阈值的算匹配。最后mm.metrics.create().compute(acc, metrics=['mota', 'idsw', 'motp'])输出指标。

参数说明：距离阈值一般设 0.5（IoU）或者 50 像素（中心点距离）。无人机场景目标小，IoU 阈值可以降到 0.3，中心点距离阈值降到 30 像素。

6.4 我踩过的最大一个坑

去年做无人机河道巡检，跟踪水面船只。YOLOv5 检测没问题，DeepSORT 跟踪也稳，但轨迹画出来全是折线，船明明在走直线，轨迹却左右横跳。查了两天，发现是视频帧时间戳不对——无人机录制的视频是可变帧率，cap.read()返回的帧间隔不均匀，卡尔曼滤波的dt固定为 1，速度估计完全错了。后来改成用cap.get(cv2.CAP_PROP_POS_MSEC)读实际时间戳，动态算dt，轨迹立刻顺了。

这个坑让我养成了一个习惯：任何跟踪项目，先检查视频帧率是否恒定。用ffprobe看一眼：

ffprobe -v error -select_streams v:0 -show_entries stream=r_frame_rate,avg_frame_rate -of default=noprint_wrappers=1 drone_video.mp4

如果r_frame_rate和avg_frame_rate不一致，就是可变帧率，必须用时间戳而不是帧序号来算dt。这个检查花不了 10 秒，能省两天调试。

希望帮到你。

本文还有配套的精品资源，点击获取