企业官网建设流程全解析

项目地址：
yolo-object-detection-lab:基于 FastAPI 与 Ultralytics YOLO 的图像目标检测实验项目 - AtomGit

前面几篇里，这个项目已经陆续加入了目标检测、目标跟踪、过线统计、ROI 区域分析、轨迹热力图、多 ROI 流转分析、速度估计，以及四点透视标定。

做到这里以后，其实已经能够回答很多问题：

目标是谁？
目标在哪里？
目标走过哪里？
目标进入了哪个区域？
目标速度大概有多快？

但还有一个更有意思的问题：

它接下来会往哪里走？

所以这一次，我继续在现有 YOLO + ByteTrack 的基础上加入了：

Trajectory Prediction

也就是基于目标的历史运动轨迹，对未来 1～3 秒的位置进行预测。

这次实现了两种方法：

Constant Velocity
和
Kalman Prediction

并且继续支持前面已经做好的 Perspective 4-Point 透视标定。

一、为什么要做轨迹预测？

传统目标检测只能告诉我：

这一帧目标在哪里。

加入 ByteTrack 后，可以进一步知道：

连续多帧中的这个目标是不是同一个目标。

于是可以得到：

Track ID
历史位置
运动方向
运动速度
完整轨迹

再往前一步，就可以根据过去一段时间的运动状态，推测它未来可能出现的位置。

整个思路变成：

YOLO
↓
ByteTrack
↓
历史轨迹
↓
运动状态估计
↓
未来轨迹预测

这也是这次 Trajectory Prediction 的核心。

二、轨迹数据从哪里来？

这次依然没有重新设计一套目标位置，而是继续沿用项目里一直使用的：

Bottom-center Anchor

也就是目标检测框底边中心点。

计算方式：

anchor_x = (x1 + x2) / 2
anchor_y = y2

为什么不用 Bounding Box 中心？

因为对于道路视频来说，Bottom-center 更接近目标与地面的实际接触位置。

例如：

行人更接近脚的位置
车辆更接近车轮和道路接触的位置

所以它更适合：

Line Crossing
ROI
Heatmap
Speed Estimation
Trajectory Prediction

整个项目的空间分析逻辑也能保持统一。

三、每个 Track 都保存一段历史轨迹

对每一个 ByteTrack 的 Track ID，我会保存最近 N 个轨迹点。

这次测试设置：

History Length：10

也就是说，每个目标最多保留最近 10 个有效位置。

每个历史点至少包含：

时间戳
x 坐标
y 坐标

于是一个目标的历史轨迹可以理解为：

P1 → P2 → P3 → P4 → ... → P10

有了这些历史点以后，就可以估算：

运动方向
速度变化
轨迹稳定程度

然后进一步预测未来位置。

四、第一种方法：Constant Velocity

第一种方法是最简单、也最容易解释的：

Constant Velocity

也就是匀速模型。

核心假设是：

目标接下来短时间内，会继续保持最近的运动方向和速度。

程序会根据最近的历史轨迹估计：

vx = Δx / Δt
vy = Δy / Δt

然后预测未来某个时刻的位置：

future_x = current_x + vx × t
future_y = current_y + vy × t

这次不是只预测一个终点，而是生成一整条未来轨迹。

比如：

Prediction Horizon：2 s
Prediction Steps：10

意味着：

在未来 2 秒内，生成 10 个预测位置点。

于是就能在视频中画出一条：

未来预测轨迹线

五、为什么不能只预测一个点？

如果只预测：

“2 秒后会在哪里”

其实不太直观。

因为我更想知道的是：

它未来的运动趋势是什么？

所以这次预测的是一系列点。

例如：

当前点
↓
0.2 s
↓
0.4 s
↓
0.6 s
↓
...
↓
2.0 s

这样 Result Video 里看到的就不是一个孤立圆点，而是一条完整的未来轨迹。

图中的历史轨迹和预测轨迹采用不同样式显示，避免把真实轨迹和未来预测混在一起。

六、Constant Velocity 真实测试结果

这次仍然使用之前一直测试的同一段道路视频。

视频信息：

Resolution：1920×1080
FPS：29.97
Total Frames：962
Duration：约 32.10 s

预测参数：

Prediction Method：Constant Velocity
Prediction Horizon：2 s
Prediction Steps：10
History Length：10
Confidence Threshold：0.50
Frame Interval：Every Frame

同时开启：

Perspective 4-Point

标定区域继续使用：

Width：6 m
Height：12 m

最终完整处理：

962 / 962 Frames
100%

结果：

Unique Tracks：37
Tracks With Prediction：34
Average History Length：8.1
Elapsed：84.0 s
Calibration Mode：perspective

七、为什么 37 个 Track 只有 34 个生成预测？

这个结果是正常的。

Constant Velocity 需要至少有足够的历史位置和有效时间差，才能计算速度。

如果某个 Track：

出现时间太短
历史点不足
有效 Δt 不足
轨迹不连续

就不会强行生成预测。

所以这次：

37 Unique Tracks

其中：

34 Tracks With Prediction

没有预测的 3 个目标，并不是程序出错，而是轨迹历史不足以支持可靠的匀速预测。

八、第二种方法：Kalman Prediction

第二种方法就是：

Kalman Filter

这次使用的是一个简单的二维匀速状态模型。

状态可以写成：

[x, y, vx, vy]

其中：

x、y 表示当前位置
vx、vy 表示当前速度

每一帧主要做两件事：

Predict
↓
Update

Predict 负责根据上一时刻的运动状态，预测当前位置。

Update 则利用当前实际检测到的位置，对预测进行修正。

这样相比直接计算平均速度，Kalman 能不断融合：

历史运动状态
当前观测位置

从而维持一个连续的状态估计。

九、Kalman 并没有直接使用 ByteTrack 内部状态

这里有一个设计细节。

虽然 ByteTrack 本身内部也包含运动模型，但这次没有直接去读取或修改 ByteTrack 的内部 Kalman 状态。

而是单独维护：

Trajectory Prediction State

这样可以避免影响原本的目标跟踪逻辑。

整个结构变成：

YOLO
↓
ByteTrack
↓
Track ID
↓
独立 Prediction State
↓
Kalman Predict / Update
↓
Future Trajectory

这样 Tracking 和 Prediction 是解耦的。

十、Kalman 真实测试结果

为了和 Constant Velocity 对比，我保持了基本相同的参数，只把：

Prediction Method

切换成：

Kalman

其余仍然是：

Prediction Horizon：2 s
Prediction Steps：10
History Length：10
Confidence：0.50
Every Frame
Perspective Calibration：ON

这次最终结果：

962 / 962 Frames
100%

Unique Tracks：37
Tracks With Prediction：37
Average History Length：8.1
Elapsed：53.8 s
Calibration Mode：perspective

也就是说：

37 个 Track 全部生成了预测轨迹。

十一、Constant Velocity 和 Kalman 实测对比

这次两组真实实验结果如下：

从这次实验结果来看：

Constant Velocity：34 / 37 生成预测
Kalman：37 / 37 生成预测

Kalman 在这次数据中覆盖率更高。

不过这里要注意：

不能因为这一轮 Kalman 用时更短，就直接得出 Kalman 一定比 Constant Velocity 更快。

整体处理时间还受到：

YOLO 推理
视频编码
磁盘 IO
系统负载
当前运行环境

等因素影响。

所以更准确的表述是：

在本次相同视频实验中，Kalman 版本的总处理时间更短。

十二、分类统计结果

Kalman 这一轮中：

bicycle：3 个 Unique Track，3 个生成预测
car：18 个 Unique Track，18 个生成预测
person：16 个 Unique Track，16 个生成预测

也就是说三类目标全部完成预测。

这说明预测逻辑并不是只针对车辆，而是对 ByteTrack 产生的不同类别 Track 都可以工作。

十三、Perspective Calibration 也参与了预测

这一版还有一个比较有意思的地方：

Trajectory Prediction 可以继续使用前面 Speed Estimation 已经实现的：

Perspective 4-Point Calibration

也就是：

原图目标位置
↓
Homography
↓
Bird's-eye Plane
↓
进行轨迹预测
↓
Inverse Homography
↓
映射回原视频

这样预测可以先在更适合道路运动分析的鸟瞰平面中完成，再映射回原始图像显示。

这次真实实验里，Prediction Summary 已经明确显示：

Calibration Mode：perspective

说明这不是单纯前端画了一个标定框，而是真正进入了预测流程。

十四、为什么还要映射回原图？

最终用户看的还是原始视频。

所以即使预测是在 Bird's-eye Plane 中完成的，最后还是需要把预测位置映射回原图。

这也是为什么 Track Prediction Table 里的：

Predicted End X
Predicted End Y

仍然可以理解为最终原图中的预测终点坐标。

这样就可以直接在视频上画：

未来轨迹
预测终点
Track ID

而不是只能看一张单独的鸟瞰图。

十五、Result Video 里到底显示了什么？

最终 Result Video 中同时包含：

Bounding Box
Track ID
Class
真实历史轨迹
未来预测轨迹
预测终点
Prediction Method
Prediction Horizon

这时候就可以非常直观地看到：

目标之前怎么走
↓
现在在哪里
↓
未来两秒可能往哪里走

这比单纯在表格里看坐标直观很多。

十六、Prediction Horizon 是什么意思？

这次设置的是：

Prediction Horizon：2 s

也就是说：

程序预测的是目标未来 2 秒内的运动趋势。

同时：

Prediction Steps：10

所以会把未来 2 秒分成多个预测点。

需要注意：

Prediction Horizon 越长，并不代表结果越好。

因为随着预测时间变长，不确定性也会越来越大。

例如车辆可能：

刹车
转弯
变道

行人也可能：

突然停下
改变方向

所以这种简单运动模型更适合：

短时间轨迹预测

而不是预测十几秒之后的位置。

十七、Reliability 不是概率

这次还加入了：

Reliability

结果分为：

Low
Medium
High

但这里一定要说明：

Reliability 不是神经网络输出的概率。

它只是一个启发式指标。

主要参考：

历史轨迹点数量
最近运动速度稳定程度
轨迹波动情况

例如：

历史点很少
速度变化很大

就更容易得到 Low。

反过来：

历史点较多
运动比较稳定

则可能得到 Medium 或 High。

所以：

High Reliability

并不代表：

“预测有 90% 概率正确”。

它只是帮助判断：

当前这条 Track 的历史状态是否适合进行短时运动预测。

十八、Current Speed 为什么还是 px/s？

在 Track Prediction Table 中，还可以看到：

Current Speed

目前这里仍然主要作为图像空间中的辅助运动量使用。

所以不要直接把它解释成：

真实 m/s
真实 km/h

Trajectory Prediction 的重点是：

未来位置和运动趋势

而不是重新做一遍 Speed Estimation。

如果需要真实世界速度，还是应该使用之前已经完成的：

Perspective Speed Estimation

两者关注的目标不同。

十九、轨迹预测并不等于“知道未来”

这点也需要说清楚。

当前实现基于的是：

Constant Velocity
Kalman Constant Velocity Model

它们本质上都是根据：

过去的运动状态

去推测：

短时间未来运动趋势

它并不知道：

红绿灯
道路规则
驾驶员意图
行人意图
障碍物
车辆转向灯

所以如果一个目标突然：

转弯
停车
变道

模型之前的预测轨迹就可能失效。

因此这里更准确的说法是：

短时运动轨迹预测

而不是：

精准预测目标未来行为。

二十、这次测试增加到 511 个

Trajectory Prediction 完成以后：

511 pytest passed

相比之前的：

428

新增了：

83 个后端测试。

前端：

308 assertions passed

相比之前：

288

新增了：

20 个前端断言。

覆盖内容包括：

Bottom-center
History Buffer
Constant Velocity
Stationary Target
Horizontal Motion
Vertical Motion
Prediction Horizon
Prediction Steps
Kalman Initialization
Kalman Predict / Update
Insufficient History
Zero dt
Reliability
Prediction Clipping
Zero Tracks
Export
Stale Reset
Detector Failure

而前面已经完成的其他模式也全部保留。

二十一、开发分支

这次开发使用：

Branch：

feat/trajectory-prediction

最终 commit：

2a5a45366af58139eeb5360577bd323377538e12

主要新增：

app/trajectory_prediction.py
static/prediction.js
tests/test_trajectory.py

同时对：

app/main.py
app/schemas.py
static/index.html
static/app.js
tests/test_frontend_logic.js

进行了对应集成。

二十二、项目已经从“检测”走到了“预测”

一路做到现在，这个项目的能力已经从最开始的：

Single Image Detection

逐步发展成：

Single Image
↓
Batch Images
↓
Video Detection
↓
ByteTrack Tracking
↓
Line Crossing
↓
ROI Analysis
↓
Trajectory Heatmap
↓
Multi-ROI Flow
↓
Speed Estimation
↓
Perspective Calibration
↓
Trajectory Prediction

整个过程已经不只是：

“YOLO 能不能识别一个目标”

而是在逐渐回答：

它是谁？
它在哪里？
它从哪里来？
它去了哪里？
它在区域里待了多久？
它移动得有多快？
它接下来可能往哪里走？

总结

这次真实实验中，我分别跑了 Constant Velocity 和 Kalman 两种预测方式。

Constant Velocity：

962 Frames
37 Unique Tracks
34 Tracks With Prediction
Average History Length：8.1
Prediction Horizon：2 s
Elapsed：84.0 s

Kalman：

962 Frames
37 Unique Tracks
37 Tracks With Prediction
Average History Length：8.1
Prediction Horizon：2 s
Elapsed：53.8 s

同时启用了：

Perspective 4-Point Calibration

最终完整流程已经变成：

YOLO
↓
ByteTrack
↓
Bottom-center Anchor
↓
History Buffer
↓
Perspective Homography
↓
Constant Velocity / Kalman
↓
Future Trajectory
↓
Inverse Homography
↓
Result Video

相比之前只能回答：

目标现在在哪里？

这一次已经可以进一步尝试回答：

目标未来两秒大概会往哪里走？

当然，这仍然属于基于运动状态的短时预测，并不能理解真正的驾驶意图或行人意图。

但对于一个从 YOLO 检测项目逐步扩展出来的视频行为分析系统来说，这一步已经让它从：

Detection

开始走向：

Motion Understanding

项目地址：
yolo-object-detection-lab:基于 FastAPI 与 Ultralytics YOLO 的图像目标检测实验项目 - AtomGit

下一步如果继续做，我准备在现有 Trajectory Prediction 上加入：

Collision Risk / TTC Analysis

也就是利用两个目标的相对运动状态，进一步判断：

它们会不会发生潜在冲突，以及大概还有多久接近危险区域。