YOLO 视频切帧后 ID 乱了？理解 persist 参数与帧序边界本文围绕“YOLO 跟踪器持久状态”设计一个可离线复核的教学场景：不调用在线模型、不连接设备、不上传业务数据。在“YOLO 跟踪器持久状态”这个场景里，核验日期为 2026-10-19。在“YOLO 跟踪器持久状态”这个场景里。一、先定义本题真正要避免的错误逐帧调用跟踪接口时，如果没有先定义输入是否属于同一连续序列，就容易把 ID 连续性问题误归因于模型本身。在“YOLO 跟踪器持久状态”这个场景里， Ultralytics 官方 Track 文档说明视频跟踪可在帧间保持对象身份；本文没有执行真实模型推理。在“YOLO 跟踪器持久状态”这个场景里， 阅读官方资料时，本文只使用它来确认产品或概念边界；下面的清单、字段与代码均为原创教学设计，不应被转述成官方功能或生产承诺。在“YOLO 跟踪器持久状态”这个场景里。二、按三个节点安排操作第一节点是 SEQUENCE：固定一段有序帧作为样本；记录每帧调用是否延续跟踪状态；把连续视频与彼此独立的图片测试分开，再比较 ID 是否符合预期。在“YOLO 跟踪器持久状态”这个场景里， 第二节点是 PERSIST：为每个观察保存稳定键、时间和证据位置。在“YOLO 跟踪器持久状态”这个场景里，第三节点是 VERIFY：只有达到预期条件才进入下一步，未达到则记录原因并保留恢复入口。在“YOLO 跟踪器持久状态”这个场景里。这套安排适合先在隔离样例中练习。在“YOLO