OpenCV中实现视频目标追踪完整方案：

一、OpenCV 内置追踪器选型

二、环境安装

pip install opencv-python opencv-contrib-python numpy

 

三、案例 1：手动框选目标单目标追踪（CSRT）

import cv2

# 1. 创建追踪器
tracker = cv2.TrackerCSRT_create()

# 读取视频，0=摄像头，填路径=本地视频
cap = cv2.VideoCapture("test.mp4")

# 读取首帧
ret, frame = cap.read()
# 手动框选 ROI：鼠标拖拽框目标，回车确认
bbox = cv2.selectROI("select target", frame, False)
# 初始化追踪器
tracker.init(frame, bbox)

while True:
   ret, frame = cap.read()
   if not ret:
       break
   # 目标更新
   ok, new_bbox = tracker.update(frame)
   if ok:
       # 绘制框
       x, y, w, h = map(int, new_bbox)
       cv2.rectangle(frame, (x, y), (x+w, y+h), (0,255,0), 2)
       cv2.putText(frame, "Tracking", (10,30), cv2.FONT_HERSHEY_SIMPLEX,1,(0,255,0),2)
   else:
       cv2.putText(frame, "Lost", (10,30), cv2.FONT_HERSHEY_SIMPLEX,1,(0,0,255),2)

   cv2.imshow("track", frame)
   if cv2.waitKey(25) & 0xFF == ord('q'):
       break

cap.release()
cv2.destroyAllWindows()

四、案例 2：KCF 高速实时追踪（摄像头）

 

优势：帧率高，适合 USB 摄像头实时画面。

五、案例 3：多目标追踪（MultiTracker）

import cv2

# 多目标管理器
multi_tracker = cv2.MultiTracker_create()
cap = cv2.VideoCapture("test.mp4")

ret, frame = cap.read()
# 多次框选多个物体，ESC结束选框
while True:
   bbox = cv2.selectROI("multi select", frame, False)
   if sum(bbox) == 0: # 无框退出选择
       break
   # 添加单个CSRT追踪器
   t = cv2.TrackerCSRT_create()
   multi_tracker.add(t, frame, bbox)

while True:
   ret, frame = cap.read()
   if not ret: break
   success, bboxes = multi_tracker.update(frame)
   for box in bboxes:
       x,y,w,h = map(int,box)
       cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)
   cv2.imshow("multi track", frame)
   if cv2.waitKey(25)==ord('q'):break

cap.release()
cv2.destroyAllWindows()

六、传统追踪缺点 & 优化方案

缺点

1. 大面积遮挡 → 目标丢失不再找回
2. 形变过大、尺度剧变容易漂移

优化路线

1. CSRT+YOLO 联动（工业常用）
   • 每隔 N 帧用 YOLO 重新检测目标，丢失后重新初始化追踪框
   • 流程：YOLO 检测→获取 bbox→Tracker 初始化→中间帧追踪→定时重检测
2. 高精度项目改用：ByteTrack、SORT（基于检测的追踪，最优工业方案）

七、关键参数与调试

1. 画面卡顿：改用 KCF/MOSSE、缩小帧尺寸
2. 容易丢目标：换 CSRT、降低视频分辨率
3. 目标跑出画面：搭配 YOLO 周期性重检测

八、进阶：YOLO+Tracker 混合追踪（落地项目标准架构）

1. 每 10 帧运行 YOLO 检测物体坐标
2. 中间帧用 CSRT 快速追踪，省去重复检测