refactor(coordinator): 重构联动控制器实现异步多目标跟踪

- 重构联动控制器，实现检测线程与PTZ控制线程分离，提升系统响应能力
- 支持多目标检测后为每个目标独立发送PTZ控制命令，实现多目标联动跟踪
- 新增PTZ命令队列与PTZ控制线程，避免检测与控制互阻塞
- 引入目标选择器改进目标选择逻辑，支持按面积、置信度及混合模式排序
- 增加基于校准器的坐标转换和PTZ精确定位功能
- 实现配对图片保存机制，关联全景与球机图像及位置信息
- 优化OCR识别流程，增加频率控制及结果缓存
- 增加异步运行时的状态管理及性能统计信息
- 新增事件驱动联动控制器，支持事件触发启动球机跟踪
- 改进日志与错误处理，增强系统健壮性和可维护性

dual_camera_system/coordinator.py

@@ -458,17 +458,29 @@ class Coordinator:
     
     def _update_tracking_targets(self, detections: List[DetectedObject],
                                   frame_size: Tuple[int, int]):
-        """更新跟踪目标"""
+        """更新跟踪目标（仅添加有效人员）"""
         current_time = time.time()
         frame_w, frame_h = frame_size
         center_x, center_y = frame_w / 2, frame_h / 2
         
+        # 获取人员置信度阈值
+        person_threshold = DETECTION_CONFIG.get('person_threshold', 0.8)
+        
         with self.targets_lock:
-            # 更新现有目标
+            # 清空上一轮目标（不再跟踪，每轮独立）
+            self.tracking_targets.clear()
+            
+            # 只添加有效人员（class_name == 'person' 且置信度达标）
             for det in detections:
                 if det.track_id is None:
                     continue
                 
+                # 严格过滤：只处理人员且置信度达标
+                if det.class_name != 'person':
+                    continue
+                if det.confidence < person_threshold:
+                    continue
+                
                 x_ratio = det.center[0] / frame_w
                 y_ratio = det.center[1] / frame_h
                 
@@ -481,25 +493,15 @@ class Coordinator:
                 dy = abs(det.center[1] - center_y) / center_y
                 center_distance = (dx + dy) / 2  # 归一化到0-1
                 
-                if det.track_id in self.tracking_targets:
-                    # 更新位置
-                    target = self.tracking_targets[det.track_id]
-                    target.position = (x_ratio, y_ratio)
-                    target.last_update = current_time
-                    target.area = area
-                    target.confidence = det.confidence
-                    target.center_distance = center_distance
-                else:
-                    # 新目标
-                    if len(self.tracking_targets) < self.config['max_tracking_targets']:
-                        self.tracking_targets[det.track_id] = TrackingTarget(
-                            track_id=det.track_id,
-                            position=(x_ratio, y_ratio),
-                            last_update=current_time,
-                            area=area,
-                            confidence=det.confidence,
-                            center_distance=center_distance
-                        )
+                # 添加为跟踪目标
+                self.tracking_targets[det.track_id] = TrackingTarget(
+                    track_id=det.track_id,
+                    position=(x_ratio, y_ratio),
+                    last_update=current_time,
+                    area=area,
+                    confidence=det.confidence,
+                    center_distance=center_distance
+                )
     
     def _process_detections(self, detections: List[DetectedObject],
                             frame: np.ndarray, frame_size: Tuple[int, int]):