3、多目标跟踪框架：MultiTracker类、add()与update()方法、目标ID管理
多目标跟踪，说白了就是同时盯住画面里的好几个目标。
你想想看，单目标跟踪只需要管一个框，但多目标跟踪要管N个框——每个框都有自己的位置、大小、ID，还得保证它们不打架。OpenCV 给我们提供了一个现成的框架：cv2.MultiTracker。我个人习惯叫它「多目标管家」。
3.1 MultiTracker 类：多目标跟踪的「总控台」
MultiTracker 本身不干活，它是个容器。你往里面塞多个单目标跟踪器，它帮你统一调度。
它的核心职责就两个：
- 管理多个跟踪器实例——每个跟踪器负责一个目标
- 统一执行 update——一帧画面进来，所有跟踪器同时更新
我在项目中遇到过一种情况：有人手动创建了10个 TrackerCSRT 对象，然后自己写循环去调 update。结果呢？代码又臭又长，还容易漏掉某个目标。用 MultiTracker 就清爽多了。
3.2 add() 方法：把目标「注册」进系统
跟踪目标之前，得先告诉 MultiTracker：「嘿，帮我盯着这个人、那辆车、还有那只猫。」
add() 方法就是干这个的。它的签名很简单：
multi_tracker.add(tracker_type, frame, bbox)三个参数：
- tracker_type：跟踪器实例，比如
cv2.TrackerCSRT_create() - frame：当前帧图像，用来初始化跟踪器
- bbox：目标的边界框，格式是
(x, y, w, h)
嗯，这里要注意：bbox 必须是 (x, y, w, h) 格式，不是 (x1, y1, x2, y2)。我刚开始用的时候就被这个坑过——传了左上角和右下角坐标，结果跟踪器直接崩了。
(x1, y1, x2, y2) 格式，记得先转换：x, y, w, h = x1, y1, x2 - x1, y2 - y1
实际使用中，我们通常会先检测出所有目标，然后逐个 add：
# 假设已经通过目标检测拿到了多个 bbox
multi_tracker = cv2.MultiTracker_create()
for bbox in detected_bboxes:
tracker = cv2.TrackerCSRT_create()
multi_tracker.add(tracker, frame, bbox)3.3 update() 方法：一帧一帧地「盯」
目标注册完了，接下来就是持续跟踪。每来一帧新画面，调用一次 update()：
success, boxes = multi_tracker.update(frame)返回值有两个：
- success：布尔值，表示这一帧是否全部跟踪成功。只要有一个目标丢了，就返回
False - boxes：列表，每个元素是
(x, y, w, h)格式的边界框，顺序和add()时一致
我曾经踩过一个坑：success 返回 False 时，boxes 里的数据可能已经不准了。所以不能只看 success，还得对每个框做合理性检查——比如框的宽高不能为负，不能超出画面边界。
success，没检查 boxes 的具体数值。结果某个目标跟丢了，返回的框坐标是负数，直接导致后续的绘制代码报错。从那以后，我每次 update() 之后都会加一段校验逻辑。
完整的跟踪循环大概长这样：
while True:
ret, frame = cap.read()
if not ret:
break
success, boxes = multi_tracker.update(frame)
for i, box in enumerate(boxes):
x, y, w, h = [int(v) for v in box]
# 合理性检查
if w <= 0 or h <= 0:
continue
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
cv2.putText(frame, f"ID: {i}", (x, y-10),
cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)3.4 目标ID管理：给每个目标一个「身份证」
上面代码里我用 i 当 ID，这其实是个偷懒的做法。为什么？因为 add() 的顺序决定了 ID，但一旦某个目标跟丢了、新目标进来了，ID 就会乱掉。
举个例子：
- 第1帧：检测到3个人，ID 分别是 0、1、2
- 第50帧：ID=1 的人走出画面，跟踪失败
- 第51帧：新进来一个人，
add()之后他的 ID 是 3
你看，ID 是递增的，但中间缺了 1。如果后续要做数据统计，这个缺口会让人很头疼。
我个人习惯的做法是：手动维护一个 ID 映射表。
| 方案 | 优点 | 缺点 |
|---|---|---|
| 直接用索引当 ID | 实现简单，代码量少 | ID 会乱，无法持久化 |
| 手动维护 ID 映射 | ID 稳定，可复用已丢失的 ID | 需要额外代码管理 |
| 使用 UUID | 全局唯一，不怕冲突 | 字符串 ID，占用内存大 |
我推荐第二种方案，代码也不复杂：
class TargetManager:
def __init__(self):
self.next_id = 0
self.active_ids = [] # 当前活跃的 ID 列表
def add_target(self):
# 优先复用已释放的 ID
# 这里简化处理，直接递增
target_id = self.next_id
self.next_id += 1
self.active_ids.append(target_id)
return target_id
def remove_target(self, target_id):
if target_id in self.active_ids:
self.active_ids.remove(target_id)
def get_active_ids(self):
return self.active_ids配合 MultiTracker 使用时，每次 add() 之前先调用 add_target() 获取 ID，然后把这个 ID 和跟踪器索引绑定起来。
add()，跟丢的目标就 remove()。这样 ID 管理会更健壮。
3.5 知识结构图：MultiTracker 工作流程
下面这张图展示了 MultiTracker 的核心工作流程，从初始化到每一帧的更新循环：
3.6 完整示例：从初始化到跟踪
最后，我把上面所有知识点串起来，给你一个可以直接跑的代码框架：
import cv2
# 初始化视频和 MultiTracker
cap = cv2.VideoCapture("test.mp4")
multi_tracker = cv2.MultiTracker_create()
# 第一帧：手动选择或检测目标
ret, frame = cap.read()
if not ret:
exit()
# 假设通过某种方式得到了 bboxes
bboxes = [(100, 100, 50, 100), (200, 200, 60, 80)]
for bbox in bboxes:
tracker = cv2.TrackerCSRT_create()
multi_tracker.add(tracker, frame, bbox)
# 跟踪循环
while True:
ret, frame = cap.read()
if not ret:
break
success, boxes = multi_tracker.update(frame)
if success:
for i, box in enumerate(boxes):
x, y, w, h = [int(v) for v in box]
if w > 0 and h > 0:
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
cv2.putText(frame, f"ID: {i}", (x, y-10),
cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)
cv2.imshow("MultiTracker Demo", frame)
if cv2.waitKey(30) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()嗯，这个框架虽然简单，但已经能跑通多目标跟踪了。实际项目中，你还需要加上目标检测模块、ID 持久化逻辑、以及异常处理。不过别急，后面几章会一步步把这些补全。