咨询YOLOv4-DeepSort中utils.format_boxes代码行的具体含义

这行代码是目标跟踪流程里关键的边界框格式转换步骤，作用是把YOLOv4输出的原始边界框数据，转换成后续DeepSort跟踪模块或图像绘制逻辑需要的格式，具体拆解如下：

前置背景 #

YOLOv4模型输出的边界框（bboxes）是归一化后的坐标（数值范围0-1），格式为[ymin, xmin, ymax, xmax]：

• ymin/xmin：边界框左上角的归一化坐标
• ymax/xmax：边界框右下角的归一化坐标

但后续的跟踪（DeepSort）或可视化逻辑，需要的是基于原始图像像素的实际坐标，且格式为[xmin, ymin, width, height]。

代码逐行解析 #

1. original_h, original_w, _ = frame.shape

   • 从摄像头捕获的帧（frame）中提取原始图像的实际高度（original_h）和实际宽度（original_w），frame.shape返回格式为(高度, 宽度, 通道数)，用_忽略通道数参数。

2. bboxes = utils.format_boxes(bboxes, original_h, original_w)

   • 调用工具函数完成两个核心转换：
     • 反归一化：将YOLO输出的0-1范围坐标，分别乘以原始图像的高度和宽度，转换成真实的像素坐标值。
     • 格式重构：把[ymin, xmin, ymax, xmax]的结构，转换为[xmin, ymin, width, height]：
       • width = xmax - xmin（边界框的像素宽度）
       • height = ymax - ymin（边界框的像素高度）
       • 同时调整坐标顺序，把xmin、ymin（左上角像素坐标）放到最前面，匹配后续模块的输入要求。

内容的提问来源于stack exchange，提问作者Divya Dyadey