YOLOv5+DeepSORT跟踪失效 跟踪器参数配置与调优方法

问题复现基线 #

• 单独运行YOLOv5原生检测脚本效果正常，执行命令：
  python detect.py --source video.mp4 --weights best.pt
• 运行集成StrongSORT的跟踪脚本时出现异常：无检测结果输出、无法跟踪任何类别目标、跟踪功能完全失效，当前执行命令：
  python track.py --yolo-weights best.pt --source video.mp4 --strong-sort-weights osnet_x0_25_msmt17.pt --show-vid --imgsz 640 --hide-labels
• 现有track.py包含自定义ROI绘制、类别0（球）坐标提取、区域内目标判定等二次开发逻辑，需定位失效根因并给出可落地的参数配置、微调方法。

核心失效原因排查 #

按优先级从高到低排查：

• 最高发原因：类别过滤规则冲突：90%以上的开源StrongSORT跟踪脚本默认配置仅跟踪COCO数据集的person类（对应类别索引0），和自定义数据集里类别0为球的设置完全冲突，所有检测结果会被类别过滤逻辑直接丢弃，导致无输出。
• 自定义逻辑截断检测链路：ROI过滤、区域判定、坐标提取的逻辑如果写在检测结果传入跟踪器之前，很容易出现坐标计算错误、过滤条件过严、ROI掩码覆盖全图等问题，把有效检测框全部过滤掉。
• 检测阈值不匹配：detect.py默认置信度阈值为0.25，而多数track.py实现默认把传入跟踪器的检测置信度阈值设为0.4~0.5，球类等小目标检测置信度普遍偏低，会被阈值直接筛掉。
• 预处理逻辑不一致：track.py如果修改了letterbox补边、归一化、坐标反算的逻辑，和detect.py的预处理流程不对齐，会导致检测框坐标映射错误，被跟踪器判定为无效输入丢弃。
• 重识别权重不匹配：当前使用的osnet_x0_25_msmt17.pt是行人重识别数据集训练的权重，对球这类非行人目标的特征提取能力极差，很容易出现特征匹配失败、轨迹无法持续关联的问题。

可落地调优步骤 #

1. 先跑通基础跟踪流程
   先注释掉所有自定义ROI、类别过滤、区域判定的代码，在跟踪启动命令里显式对齐检测脚本的阈值参数，同时关闭默认类别过滤：
   python track.py --yolo-weights best.pt --source video.mp4 --strong-sort-weights osnet_x0_25_msmt17.pt --show-vid --imgsz 640 --hide-labels --conf-thres 0.25 --iou-thres 0.45
   若需要指定跟踪类别，在命令末尾追加--classes参数后跟对应类别索引即可；要跟踪全部类别就去掉--classes参数，同时把StrongSORT配置文件里的CLASSES项设为None。
2. 逐段加回自定义逻辑
   基础跟踪正常后，逐段放开自定义代码，注意把ROI判定、坐标提取、区域入侵判断的逻辑放到跟踪器输出稳定轨迹之后执行，不要在检测结果传入跟踪器前做任何过滤，避免破坏轨迹关联的连续性。
3. 针对球类等小目标微调跟踪参数
   找到StrongSORT的配置文件，调整以下参数适配小目标跟踪场景：
   • 将max_cosine_dist（特征匹配最大余弦距离）从默认0.2调整为0.3~0.4，降低非行人目标的特征匹配门槛
   • 将max_iou_distance（IOU匹配最大距离）从默认0.7调整为0.8，提升相邻帧小目标位置偏移时的IOU匹配容错
   • 将n_init（轨迹确认需要的连续检测帧数）从默认3调整为1~2，避免小目标偶尔漏检导致轨迹无法正常初始化
   • 将max_age（轨迹丢失后最大保留帧数）从默认30调整为10~15，减少小目标短暂遮挡后的ID切换问题
4. 重识别适配优化
   由于当前使用的是行人重识别权重，对球类目标适配性差，如果调参后效果仍不理想，可以直接关闭表观特征匹配，仅使用IOU匹配做轨迹关联，对球类这种刚性、运动规律简单的目标，纯IOU匹配的效果往往优于权重不匹配的特征匹配效果；有条件的可以用自己场景下的目标数据微调OSNet权重，进一步提升匹配准确率。

内容的提问来源于stack exchange，提问作者Muhammad Raza