Appearance
第十七章 · 目标跟踪
17.1 OpenCV 内置跟踪器
OpenCV 提供了多种目标跟踪器（在 cv2 命名空间下，需 opencv-contrib-python）：
bash
pip install opencv-contrib-python17.1.1 可用跟踪器列表
python
# OpenCV 4.x 支持的跟踪器
trackers = {
'CSRT': cv2.TrackerCSRT_create,
'CSRT_KCF': cv2.TrackerCSRT_KCF_create,
'EAST': cv2.TrackerEAST_create,
'KCF': cv2.TrackerKCF_create,
'MedianFlow': cv2.TrackerMedianFlow_create,
'MIL': cv2.TrackerMIL_create,
'MIL_KCF': cv2.TrackerMIL_KCF_create,
'BOOSTING': cv2.TrackerBoosting_create,
'MOSSE': cv2.TrackerMOSSE_create,
}
for name, creator in trackers.items():
print(f'{name:15s} → {creator.__module__}')17.1.2 跟踪器对比
| 跟踪器 | 速度 | 精度 | 尺度变化 | 遮挡 | 说明 |
|---|---|---|---|---|---|
| CSRT | ⚡ | ★★★★★ | ✅ | ❌（中等遮挡） | 精度最高，推荐 ✅ |
| KCF | ⚡⚡ | ★★★★ | ✅ | ✅ | 快速准确，经典之选 |
| MOSSE | ⚡⚡⚡ | ★★★ | ✅ | ✅ | 最快，适合实时 |
| MedianFlow | ⚡⚡ | ★★★★ | ❌ | ❌ | 适合匀速运动 |
| BOOSTING | ⚡ | ★★★★ | ❌ | ❌ | 经典，已不推荐 |
| MIL | ⚡ | ★★★★ | ✅ | ✅ | 旧版本跟踪器 |
17.2 CSRT 跟踪器（推荐 ✅）
17.2.1 基础用法
python
import cv2
# 初始化跟踪器
tracker = cv2.TrackerCSRT_create()
# 初始化（需要 ROI 框 [x, y, w, h]）
bbox = cv2.selectROI("Window", frame, False) # 鼠标选择 ROI
# 或手动指定: bbox = (x, y, w, h)
ok = tracker.init(frame, bbox) # ok=True 表示初始化成功
# 跟踪
while True:
ret, frame = cap.read()
if not ret:
break
# 更新跟踪
ok, bbox = tracker.update(frame)
if ok:
# 画框
x, y, w, h = [int(v) for v in bbox]
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
cv2.putText(frame, "Tracking", (x, y-10),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
else:
cv2.putText(frame, "Lost", (x, y-10),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)
cv2.imshow("Tracking", frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break17.2.2 CSRT 参数调优
python
tracker = cv2.TrackerCSRT_create()
# CSRT 内部使用多通道特征 + 稀疏更新策略
# 无公开可调参数，但可通过以下参数优化性能:
# 1. 初始化时选择精准 ROI（边界贴合）
# 2. 降低更新频率（tracker.update 默认每帧更新）
# 3. 初始化时用较大 ROI 框17.3 KCF 跟踪器
python
tracker = cv2.TrackerKCF_create()
ok = tracker.init(frame, bbox)
while True:
ok, bbox = tracker.update(frame)
if ok:
x, y, w, h = [int(v) for v in bbox]
cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
cv2.imshow("KCF Tracking", frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break17.4 MOSSE 跟踪器（最快）
python
tracker = cv2.TrackerMOSSE_create()
ok = tracker.init(frame, bbox)
while True:
ok, bbox = tracker.update(frame)
if ok:
x, y, w, h = [int(v) for v in bbox]
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 0, 255), 2)
cv2.imshow("MOSSE Tracking", frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break17.5 多目标跟踪
python
def multi_object_tracking():
"""多目标跟踪 — 对每帧检测 + 跟踪"""
cap = cv2.VideoCapture(0)
tracker = cv2.TrackerCSRT_create()
# 初始检测（用 YOLO/Cascade 等）
_, frame = cap.read()
objects = detect_all_objects(frame) # 返回 [(x,y,w,h), ...]
if len(objects) > 0:
tracker.init(frame, objects[0]) # 跟踪第一个目标
object_ids = [0] # 目标 ID
while True:
_, frame = cap.read()
ok, bbox = tracker.update(frame)
if ok:
x, y, w, h = [int(v) for v in bbox]
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
cv2.putText(frame, f'ID:0', (x, y-10),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
cv2.imshow("Multi-Object Tracking", frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break17.6 跟踪器选择建议
单目标跟踪，需要最高精度 → CSRT ✅
单目标跟踪，需要实时 → MOSSE ✅
单目标跟踪，平衡 → KCF ✅
匀速直线运动 → MedianFlow ✅
遮挡严重 → DCF 系列（KCF/MOSSE）
多目标跟踪 → 检测+跟踪结合（ByteTrack / SORT）17.7 跟踪评估指标
python
def evaluate_tracking(predicted_bbox, ground_truth_bbox):
"""跟踪精度评估"""
def iou(box_a, box_b):
x1 = max(box_a[0], box_b[0])
y1 = max(box_a[1], box_b[1])
x2 = min(box_a[0] + box_a[2], box_b[0] + box_b[2])
y2 = min(box_a[1] + box_a[3], box_b[1] + box_b[3])
intersection = max(0, x2-x1) * max(0, y2-y1)
area_a = box_a[2] * box_a[3]
area_b = box_b[2] * box_b[3]
union = area_a + area_b - intersection
return intersection / union if union > 0 else 0
return iou(predicted_bbox, ground_truth_bbox)
# IoU ≥ 0.5 通常视为正确跟踪Part IV · 目标检测与跟踪（第 14–17 章）全部完成 ✅
当前进度汇总：
Part I ✅ 基础篇 (4章)
Part II ✅ 图像处理 (5章)
Part III ✅ 特征与匹配 (4章)
Part IV ✅ 目标检测与跟踪 (4章)
Part V 🔲 相机与三维 (3章)
Part VI 🔲 机器学习 (3章)
Part VII 🔲 高级与实战 (5章)
Part VIII 🔲 附录 (4章)
───────────────────────
已完成 17/32 章继续 Part V（相机与三维，第 18–20 章）？