target_tracker（Python 版）

多目标追踪过滤器：8 维恒速卡尔曼滤波 + 贪婪关联 + 主目标锁定选举。移植自 reference-c++/target_tracker/（规格：docs/视觉追踪技术路线.md）。

接口清单

名称	说明
`Detection(x1, y1, x2, y2, conf, cls_id=0)`	单帧检测框输入
`FrameShape(height, width)`	画面尺寸（仅 Coast 兜底选举取画面中心用）
`TrackResult`	每帧输出九字段：tracked / primary_id / center / box / confidence / is_predicted / lost_frames / n_active / raw
`TrackerConfig(max_lost_frames=8, max_association_dist=200.0, min_hits=3, dist_weight=0.5, iou_weight=0.5)`	追踪器配置
`TargetTracker(config=None)`	追踪器主类
`.update(detections, frame_shape=None) -> TrackResult`	单帧主流程（§7 六步）
`.last_result() -> TrackResult`	跨线程读取最近一帧结果（加锁拷贝）
`.reset()` / `.active_count()` / `.active_tracks()` / `.get_config()`	生命周期与查询
`KalmanBoxFilter` / `BoxCXCYWH`	单目标滤波器（可独立使用：initiate / predict / update）
`Tracklet` / `BoxXYXY` / `to_center_size` / `to_xyxy` / `compute_iou`	轨道与几何工具

依赖：矩阵运算用 numpy（C++ 手写定长运算避免 Eigen）；关联/选举路径用纯标量，与 C++ 逐位同序。
Optional 语义：C++ std::optional<T> → Python None；State() → state 属性（返回拷贝）。
线程模型：与 C++ 一致——仅 last_result() 加 threading.Lock，update() 单线程调用。
字段命名：成员函数蛇形命名（IsDead → is_dead 属性，MarkMiss → mark_miss）。
行为语义（死亡判定 lost_count > max_lost 严格大于、best_cost=1.0 严格小于、 ID 严格递增不复用、Q 用状态原值 / R 用 abs×2 的刻意不对称、S 求逆前 1e-9 正则化）与 C++ 完全一致，由 27 条移植测试锁定。