通过颜色特征 来实现最最简单的目标跟踪的demo，适用于很简单的场景，并且被跟踪的目标要与背景颜色要有区分，这个demo只是对目标跟踪的入门者的一个小例子吧，就好像学一门语言第一个学会的就是输出“hello world”
我特意录了一个非常简单的视频，来跟踪这个绿色的盖子，视频截图如下：
import cv2
import numpy as np
font = cv2.FONT_HERSHEY_SIMPLEX #字体的选择
lower_green = np.array([35, 110, 106]) # 绿色范围低阈值
upper_green = np.array([77, 255, 255]) # 绿色范围高阈值
cap = cv2.VideoCapture('green.mp4')#读入视频
cv2.namedWindow('tracking')#创建一个窗口来放我们的视频
while(cap.isOpened()): #判断视频是否读入成功
ret, frame = cap.read() #若成功，读入每一帧
if not ret: #若失败，则退出
break
frame_HSV = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) #将每一帧的图像转成hsv
mask_frame = cv2.inRange(frame_HSV, lower_green, upper_green)
#cv2.inRange函数会将位于两个区域间的值置为255，位于区间外的值置为0
mask_frame = cv2.medianBlur(mask_frame, 7)
#cv2.medianBlur进行中值滤波，去除一些噪声点
mask_frame, contours, hierarchy = cv2.findContours(mask_frame, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)#解释看下文
for cnt in contours:
(x, y, w, h) = cv2.boundingRect(cnt)#解释看下文
cv2.rectangle(frame, (x,y), (x+w, y+h), (0,255,255), 2)#解释看下文
cv2.putText(frame,'Green',(x, y+5), font, 0.7, (0, 255, 0), 2)#解释看下文
cv2.imshow('tracking', frame)
c = cv2.waitKey(1) & 0xFF
if c == 27 or c == ord('q'): # 判断按键，如果按键为q或esc，退出循环
break
cv2.waitKey()
cv2.destroyAllWindows()跟踪结果：
cv2.findContours()函数：
示例代码：mask_frame, contours, hierarchy = cv2.findContours(mask_frame, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) 输入的参数：
mask_frame:带有轮廓信息的图像
cv2.RETR_EXTERNAL：输出轮廓中只有外侧轮廓信息
cv2.CHAIN_APPROX_NONE：存储轮廓所有点的信息，相邻两个轮廓点在图象上也是相邻的
输出：
返回的三个值：mask_frame,contours,hierarchy
mask_frame：可能是跟输入contour类似的一张二值图；
contours：list结构，列表中每个元素代表一个边沿信息。每个元素是(x,1,2)的三维向量，x表示该条边沿里共有多少个像素点，第三维的那个“2”表示每个点的横、纵坐标；
hierarchy：返回类型是(x,4)的二维ndarray。x和contours里的x是一样的意思，hierarchy的四列分别对应下一个轮廓编号、上一个轮廓编号、父轮廓编号、子轮廓编号，该值为负数表示没有对应项。
cv2.boundingRect(img)函数：
详见：
img是一个二值图，也就是它的参数；返回四个值，分别是x，y，w，h；
x，y是矩阵左上点的坐标，w，h是矩阵的宽和高
cv2.rectangle函数：
详见：
cv2.rectangle(frame, (x,y), (x+w, y+h), (0,255,255), 2) 第一个参数：frame是原图
第二个参数：（x，y）是矩阵的左上点坐标
第三个参数：（x+w，y+h）是矩阵的右下点坐标
第四个参数：（0,255,255）是画线对应的rgb颜色
第五个参数：2是所画的线的宽度
