一、bbox 的基本构成
bbox 的核心是 坐标数据，通常以两种格式表示：- 左上角+右下角坐标：(x1, y1, x2, y2)，其中 (x1,y1) 为矩形左上角像素点坐标，(x2,y2) 为右下角坐标。
- 中心坐标+宽高：(cx, cy, w, h)，即矩形中心点坐标 (cx, cy) 与宽度 w、高度 h 的组合。
这些坐标以像素为单位，精确描述目标在图像中的位置和大小。
二、bbox 的核心应用场景
1. 目标检测 在 YOLO、Faster R-CNN 等主流检测模型中，bbox 用于框选行人、车辆、物体等目标，并配合类别标签如“猫”“汽车”实现实时识别。例如，安防摄像头通过 bbox 定位画面中的可疑人员，自动驾驶系统通过 bbox 识别道路上的交通标志。2. 图像标与训练 标工具如 LabelImg通过人工绘制 bbox 生成数据集，供 AI 模型学习目标特征。没有准确的 bbox 标，模型就法理“哪里有目标”“目标有多大”。
3. 视频追踪 在监控、影视特效中，bbox 随时间轴动态更新目标位置，实现对运动对象如足球、演员的持续追踪。
三、bbox 的类型
根据形状和用途，bbox 可分为两类：- 轴向对齐边界框AABB：矩形边与图像坐标轴平行，计算简单，广泛用于多数检测任务。
- 旋转边界框OBB：可围绕中心旋转，适合不规则目标如倾斜的文本、弯曲的物体，常见于卫星图像、工业质检场景。
四、bbox 的评估指标
衡量 bbox 准确性的核心指标是 交并比IOU，计算公式为： IOU = 预测框与真实框的交集面积 / 预测框与真实框的并集面积 IOU 值越接近 1，表示 bbox 定位越精准。当 IOU > 0.5 时，通常认为检测结果有效。从简单的矩形标记到支撑复杂 AI 决策，bbox 是计算机“看见”世界的基础工具。论是手机拍照时的人脸对焦框，还是人机巡检时的异常区域标记，其背后都离不开 bbox 的坐标逻辑。