企业官网建设流程全解析

做视频隐私脱敏工具时，车牌/人脸追踪最怕的不是检测不准，而是检测断了之后怎么续。

我们的方案是检测+追踪两阶段：先用微调过的 YOLO 模型检出候选框，低置信度和重叠框在源头过滤；后续帧用 OpenCV 的 CSRT/KCF 跟踪器逐帧读取（不 seek），结果存成 [时间, cx, cy] 序列。预览和导出共用同一套按时间二分插值的取位函数。

这个架构有一个反直觉的坑：追踪器 ID 撞号会吞掉整段遮罩。

硬切场景下我们会重启追踪器，track id 从 1 重新编号；而轨迹过期时我们只从活跃队列里删、段数据故意保留到后处理。新的 tid=1 复活时如果直接用赋值覆盖，老 tid=1 的整段数据就丢了——实测一张被追踪 4.6 秒、76 帧真实检测的脸，最终一段遮罩都没输出。

修法不是合并两条轨（下游要求每个 key 单调，merge 会导致遮罩在两脸之间来回跳），而是「安置」：给被顶下来的老轨换个不会冲突的新 key 继续保留。

另一个隐蔽问题是追踪器过转场。

我们曾用灰度直方图、HSV、帧差三路信号做硬切判据，阈值分别是 0.40 / 0.72 / 0.33。但真实素材中，这三路在硬切点的实测值（如 0.173 / 0.304 / 0.284）全部低于阈值——转场根本没被检测到。

追踪器不感知画面内容，它只管跟纹理特征走。丢了检测后按 MAX_MISSED=20 步（约 1.33 秒）继续外推，alpha 降到下限 0.5 就停住，结果遮罩活生生飘到下一场去了。

我们的做法是加一层「软判据」（阈值 0.12 / 0.20 / 0.10，多路投票），只在判断「要不要继续外推」时使用；硬切判据不变（因为它决定是否清空追踪状态，代价更大）。

用 ffmpeg 的 select=gt(scene,0.2) 独立核对真实切点是验证手段。

写这段代码最花时间的不是一开始的设计，而是追踪断了之后各种corner case。检测模型可以换、跟踪器可以调参，但数据结构的不变量（每个遮罩轨单调、不交叉）必须在所有分支上都能守住。