📚 课程目录第2章单目标跟踪基础

2、单目标跟踪基础：cv2.TrackerKCF_create()、初始化与更新、ROI选择

单目标跟踪，说白了就是在一段视频里，死死盯住你选中的那个目标。不管它怎么动、怎么转、光线怎么变，算法都得跟上它。我刚开始接触 OpenCV 的跟踪模块时，觉得这东西挺玄乎的。后来做项目多了才发现，核心就三个动作：创建跟踪器、告诉它目标在哪、然后一帧一帧地更新位置。

这一章，我们就拿 KCF 算法开刀。它是目前工程里用得最广的跟踪器之一，速度快，效果也还行。

2.1 跟踪器创建：cv2.TrackerKCF_create()

创建跟踪器，就一行代码：

tracker = cv2.TrackerKCF_create()

嗯，就这么简单。但这里有个坑——不同 OpenCV 版本，创建方式不一样。我当年在旧项目里踩过这个雷。

OpenCV 版本	创建方式	备注
3.x - 4.5.x	`cv2.TrackerKCF_create()`	直接调用，最常用
4.6.0+	`cv2.Tracker.create('KCF')`	新接口，统一管理
contrib 版本	`cv2.TrackerKCF_create()`	需要编译 contrib 模块

注意：如果你用的是 OpenCV 4.6.0 以上版本，cv2.TrackerKCF_create() 可能已经被移到了 contrib 包里。安装时记得装 opencv-contrib-python，不然会报错。

我个人习惯用 cv2.TrackerKCF_create()，因为老项目多，兼容性好。新项目的话，建议直接用 cv2.Tracker.create('KCF')，更灵活，以后换算法也方便。

2.2 初始化与第一帧

创建完跟踪器，得告诉它目标在哪。这一步叫初始化，需要两样东西：第一帧图像，和目标的边界框（ROI）。

# 读取第一帧
success, frame = cap.read()

# 手动选择 ROI（后面会讲）
bbox = cv2.selectROI("Select Target", frame, False)

# 初始化跟踪器
ok = tracker.init(frame, bbox)

这里有个细节：tracker.init() 返回一个布尔值，告诉你初始化是否成功。我见过不少新手直接忽略这个返回值，结果后面跟踪全崩了还不知道原因。

小技巧：初始化成功后，建议立刻把 bbox 存下来。万一跟踪中途丢了，还能用初始位置重新初始化。

为什么会初始化失败？常见原因有两个：

ROI 框超出了图像边界
ROI 区域太小（比如只有几个像素）

我曾经在一个项目中，目标是个远处的行人，ROI 框只有 20x30 像素。KCF 直接罢工了。后来我把框稍微放大了一圈，问题就解决了。

2.3 更新：逐帧跟踪

初始化之后，就是循环读取每一帧，调用 tracker.update() 来更新目标位置。

while True:
    success, frame = cap.read()
    if not success:
        break

    # 更新跟踪器，返回新位置
    ok, bbox = tracker.update(frame)

    if ok:
        # 跟踪成功，画框
        p1 = (int(bbox[0]), int(bbox[1]))
        p2 = (int(bbox[0] + bbox[2]), int(bbox[1] + bbox[3]))
        cv2.rectangle(frame, p1, p2, (0, 255, 0), 2)
    else:
        # 跟踪失败
        cv2.putText(frame, "Lost!", (50, 50),
                    cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

    cv2.imshow("Tracking", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

注意看 bbox 的格式：(x, y, w, h)，分别是左上角坐标和宽高。画框的时候别搞混了，我见过有人把 (x, y, w, h) 当成 (x1, y1, x2, y2) 来用，结果框画得乱七八糟。

  核心逻辑：跟踪器内部维护了一个目标模型。每来一帧，它会在上一帧位置附近搜索，找到最匹配的区域，然后更新模型。KCF 用的是循环矩阵和核方法，计算效率很高。

2.4 ROI 选择：怎么框目标

ROI 选择看似简单，其实很有讲究。OpenCV 提供了 cv2.selectROI() 函数，让你手动框选目标。

bbox = cv2.selectROI("Select Target", frame, showCrosshair=True, fromCenter=False)

参数说明：

showCrosshair：是否显示十字准线，方便精确定位
fromCenter：从中心开始拖拽，还是从左上角开始

我个人建议把 showCrosshair 设为 True，框选时更准。尤其是目标边缘模糊的时候，十字线能帮你对齐。

避坑指南：我曾经在框选时手抖，把 ROI 框得特别大，包含了大量背景。结果 KCF 把背景当成了目标的一部分，目标一动，跟踪器就跟着背景跑了。框选时尽量贴合目标边缘，别贪多。

ROI 选择的几个原则：

紧贴目标：框越小，背景干扰越少
留点余量：但也不能太紧，目标轻微形变时容易丢
避免遮挡：如果目标一开始就被遮挡，换个角度再框
长宽比合理：别框成细长条，KCF 对矩形比例敏感

2.5 完整流程：一张图说清楚

下面这张 SVG 图，把单目标跟踪的完整流程画出来了。从创建跟踪器，到初始化，再到逐帧更新，一目了然。

2.6 完整代码示例

把上面所有步骤串起来，就是一个完整的单目标跟踪程序：

import cv2

# 打开视频
cap = cv2.VideoCapture("test_video.mp4")
if not cap.isOpened():
    print("无法打开视频")
    exit()

# 创建 KCF 跟踪器
tracker = cv2.TrackerKCF_create()

# 读取第一帧
success, frame = cap.read()
if not success:
    print("无法读取第一帧")
    exit()

# 选择 ROI
bbox = cv2.selectROI("Select Target", frame, False)
cv2.destroyWindow("Select Target")

# 初始化跟踪器
ok = tracker.init(frame, bbox)
if not ok:
    print("初始化失败")
    exit()

# 开始跟踪循环
while True:
    success, frame = cap.read()
    if not success:
        break

    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, "Tracking", (x, y - 10),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)
    else:
        cv2.putText(frame, "Lost!", (50, 50),
                    cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

    cv2.imshow("KCF Tracker", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

运行提示：如果你没有视频文件，可以用摄像头代替：cap = cv2.VideoCapture(0)。框选目标后按空格或回车确认，按 ESC 取消。

2.7 本章小结

单目标跟踪的骨架，其实就是这三板斧：

创建：cv2.TrackerKCF_create() 或 cv2.Tracker.create('KCF')
初始化：tracker.init(frame, bbox)，告诉跟踪器目标在哪
更新：tracker.update(frame)，每帧调用，获取新位置

ROI 选择是第一步，也是关键一步。框得好，跟踪就成功了一半。框得不好，后面再怎么调参也救不回来。嗯，这里要注意：别贪心，别手抖，紧贴目标，留点余量。