计算机视觉——Opencv（物体跟踪）

什么是物体跟踪？

物体跟踪（Object Tracking）是指在视频序列中，对预先选定的目标物体进行连续的位置定位，输出目标在每一帧中的坐标、尺寸信息。与目标检测不同：

目标检测：逐帧独立识别画面中的所有目标，无前后帧关联；
物体跟踪：仅初始化时选定目标，后续通过帧间关联算法持续追踪，速度更快、资源消耗更低。

简单来说：检测是 "找目标"，跟踪是 "跟目标"。

OpenCV 内置跟踪器对比

OpenCV 3.x 及以上版本内置了多种经典跟踪器，适配不同场景，核心跟踪器特性如下：

跟踪器类型	核心优势	局限性	适用场景
BOOSTING	算法简单，兼容性强	速度慢，遮挡后易丢失	低分辨率、简单场景
MIL	精度较高，抗轻微遮挡	速度一般，无法处理快速运动	静态目标、慢速运动目标
KCF	速度极快，精度高	无法处理完全遮挡、尺度变化	实时性要求高的场景
CSRT	精度极高，抗遮挡、抗尺度变化	速度较慢	高精度要求、复杂场景
MEDIANFLOW	运动轨迹平滑	遮挡后完全失效	运动规律的目标
TLD	抗长期遮挡	速度慢，易误跟踪	长期跟踪场景

本文选择 CSRT 跟踪器的原因：它在精度和鲁棒性上表现最优，能应对目标尺度变化、轻微遮挡，非常适合入门学习和实际简单场景使用，是物体跟踪入门的首选跟踪器。

ROI：物体跟踪的核心前提

ROI（Region of Interest）即感兴趣区域 ，是物体跟踪的 "起点"。我们需要手动框选视频帧中的目标区域，告诉跟踪器：你需要追踪的目标就是这个区域。跟踪器会基于 ROI 的特征，在后续帧中匹配并更新位置。

完整代码解析

导入库与初始化跟踪器

python 复制代码

import cv2
# 创建一个CSRT跟踪器实例
tracker = cv2.TrackerCSRT_create()

cv2.TrackerCSRT_create()：创建 CSRT 跟踪器对象，这是 OpenCV 提供的标准化 API，无需手动实现算法。

定义状态变量与打开摄像头

python 复制代码

# 跟踪标志，默认为False
tracking = False
# 打开默认摄像头（通常编号为0）
cap = cv2.VideoCapture(0)

tracking：布尔型标志位，控制跟踪的开启与关闭，False表示未开始跟踪；
cv2.VideoCapture(0)：打开摄像头设备。参数0代表默认摄像头，若有多个摄像头，可改为 1、2 切换；若要处理视频文件，可传入视频路径（如cv2.VideoCapture("test.mp4")）。

主循环：读取视频帧

python 复制代码

while True:
    # 从摄像头读取一帧图像
    ret, frame = cap.read()
    # 如果没有正确读取到图像，则退出循环
    if not ret:
        break

hile True：无限循环，持续读取摄像头帧，实现实时视频流；
cap.read()：读取一帧数据，返回两个值：
- ret：布尔值，True表示读取帧成功，False表示读取失败（摄像头断开、视频结束）；
- frame：读取到的视频帧（三维数组，存储图像像素信息）；
if not ret: break：异常处理，读取失败时退出循环，避免程序崩溃。

按键触发：框选目标并初始化跟踪

python 复制代码

if cv2.waitKey(1) == ord('s'):
    tracking = True
    # 让用户在当前帧中选择一个矩形区域作为要跟踪的对象
    roi = cv2.selectROI('Tracking', frame, False)
    # 初始化跟踪器，传入当前帧和选定的ROI
    tracker.init(frame, roi)

cv2.waitKey(1)：监听键盘按键，每 1 毫秒刷新一次；
ord('s')：获取按键 'S' 的 ASCII 码，按下 S 键时触发跟踪；
tracking = True：将跟踪标志置为真，启动跟踪；
cv2.selectROI()：弹出窗口，允许用户用鼠标框选目标：
- 第一个参数：窗口名称；
- 第二个参数：要框选的帧；
- 第三个参数：False表示不显示十字线，兼容所有 OpenCV 版本；
- 返回值roi：框选区域的坐标(x, y, w, h)（x = 左上角横坐标，y = 左上角纵坐标，w = 宽度，h = 高度）；
tracker.init(frame, roi)：跟踪器初始化，告诉跟踪器 "要跟踪的目标是这个区域"。

实时更新跟踪结果

python 复制代码

if tracking:
    success, box = tracker.update(frame)
    if success:
        x, y, w, h = [int(v) for v in box]
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

仅当tracking=True时，执行跟踪更新；
tracker.update(frame)：跟踪器根据当前帧，更新目标位置，返回两个值：
- success：布尔值，True表示跟踪成功，False表示目标丢失；
- box：跟踪到的目标坐标(x, y, w, h)；
坐标转换：box返回的是浮点数，需转为整数才能绘制矩形；
cv2.rectangle()：在视频帧上绘制绿色矩形，标记跟踪目标（颜色：(0,255,0)，线条宽度：2）。

显示画面与退出程序

python 复制代码

cv2.imshow('Tracking', frame)
if cv2.waitKey(1) == 27:
    break

cv2.waitKey(1) == 27：监听 ESC 键（ASCII 码 27），按下后退出循环

资源释放

python 复制代码

cap.release()
cv2.destroyAllWindows()