Python--OpenCv轻松入门--目标追踪

@ Fu Xianjun. All Rights Reserved.

---

前言

随着人工智能的不断发展，OpenCv这门技术也越来越重要，很多人都开始学习OpenCv，本文就介绍了如何进行OpenCv中的目标追踪。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、目标追踪是什么？

目标追踪：在视频后续帧中定位一个物体，称为追踪。
虽然定义简单，但是目标追踪是一个相对广义的定义，比如以下问题 也属于目标追踪问题：
1.稠密光流：此类算法用来评估一个视频帧中的每个像素的运动向量。
2.稀疏光流：此类算法，像Kanade-Lucas-Tomashi(KLT)特征追踪，追踪一张图片中几个特征点的位置。
3.Kalman Filtering：一个非常出名的信号处理算法基于先前的运动信息用来预测运动目标的位置。早期用于导弹的导航。
4.MeanShift和Camshift：这些算法是用来定位密度函数的最大值，也用于追踪。
5.单一目标追踪：此类追踪器中，第一帧中的用矩形标识目标的位置。然后在接下来的帧中用追踪算法。日常生活中，此类追踪器用于与目标检测混合使用。
6.多目标追踪查找算法：如果我们有一个非常快的目标检测器，在每一帧中检测多个目标，然后运行一个追踪查找算法，来识别当前帧中某个矩形对应下一帧中的某个矩形。

二、使用步骤

1.创建追踪器方法对象

代码如下（示例）：

import cv2
import numpy as np

OPENCV_OBJECT_TRACKERS = {
   
    "csrt": cv2.TrackerCSRT_create,
    "kcf": cv2.TrackerKCF_create,
    "boosting": cv2.TrackerBoosting_create,
    "mil": cv2.TrackerMIL_create,