# 转身与短时遮挡候选(开发中) 2026-11-06,接续正式 1.18.1(106)。用户要求稳定马赛克、可根据丢失前后运动补齐轨迹,并要求比较 GitHub 成熟算法。正式 APP 尚未改动。 现有 OpenCV LK 负责局部光流与仿射拟合,没有完整对象外观模型;转身时背景特征可能仍给出高置信度。不能仅沿错误光流继续外推。 已建立独立、无界面的本地基准:640×360,25fps,285 帧原实拍;另在第 130—139 帧人为遮住头部。素材和逐帧位置不上传仓库。 - Apple Vision accurate 对照:转身全段跟踪完成;原始连续更新版本在遮挡中会学习遮挡物。候选在失去可信观测时冻结最后可信图像,只从冻结图像试探重新定位。当前候选全段完成,短遮挡测试预测 11 帧后重新确认,热运行约 1ms/帧。此为局部基准,未接入正式宿主。 - 候选运动保护:预测最多 0.8 秒,重新定位需连续两帧确认;限制跳跃和尺寸突变。计划在重新定位后用两端可信位置补齐中间键,尾部未确认预测不得作为成功轨迹提交。此部分尚未接入提交路径。 - [OpenCV CSRT](https://github.com/opencv/opencv_contrib/tree/4.x/modules/tracking):完整相关滤波对象追踪,测试官方 OpenCV 4.11 wheel,后续比较同片段。 - [OpenCV Zoo VitTrack](https://github.com/opencv/opencv_zoo/tree/main/models/object_tracking_vittrack):轻量 Transformer 单目标跟踪,有追踪分数,代码/模型目录 Apache-2.0;官方模型 714726 字节,SHA-256 `2990f0b7cd44d92afa48cd97db6de7be113fc1d9594fddb74e2725c10478e91d`,已核对 LFS 指针与完整下载。后续比较同片段。 - [NanoTrack](https://github.com/HonglinChu/NanoTrack):提供原生 Mac/ncnn 示例;OpenCV Zoo 的对比说明指出其分数不适合判断丢失,暂列次选,不用 README 的速度当本机实测。 - [OSTrack](https://github.com/botaoye/OSTrack):完整 Transformer 方案,原示例以 PyTorch/CUDA 环境为主;不把研究榜单直接当作 Mac 插件速度。 - [ByteTrack](https://github.com/FoundationVision/ByteTrack):关联检测框与多目标身份,需要额外检测器,单独引入不能解决背头没有人脸框的问题。 在同素材准确度、短遮挡恢复、背景误锁、计算开销和宿主交互验证通过前,不替换正式版。