本文实现了基于python的csrt方法，读取摄像头第一帧进行标注，并使用s能够实现多个目标的同时识别，然后鼠标框选，来选择目标，空格键确认。
import argparse
import time
import cv2
import numpy as np
# 配置参数
ap = argparse.ArgumentParser() # -v videos/nascar.mp4 不要少了文件夹名字
ap.add_argument("-v", "--video", type=str,
help="path to input video file")
ap.add_argument("-t", "--tracker", type=str, default="csrt", # 这个感觉比kcf好
help="OpenCV object tracker type")
args = vars(ap.parse_args())
# opencv已经实现了的追踪算法，传统算法
# 深度学习？？准确高，实时低，电子设备中难，因为网络大
OPENCV_OBJECT_TRACKERS = {
"csrt": cv2.TrackerCSRT_create,
"kcf": cv2.TrackerKCF_create, # 流行，cf相关滤波，14年
# cf找到待追踪的圆（第一帧所在的位置），再对边缘进行padding，训练一个分类器（或者滤波矩阵），
# 生成正样本和负样本训练，训练的目标是找到滤波矩阵，计算下一步哪个位置得到响应大。
# 具体内容，看论文。
# kcf，改进了计算，提高计算速度。1正负样本选择上改进；2核函数，低维变成高维。
"boosting": cv2.TrackerBoosting_create, # 十几年前
"mil": cv2.TrackerMIL_create,
"tld": cv2.TrackerTLD_create,
"medianflow": cv2.TrackerMedianFlow_create,
"mosse": cv2.TrackerMOSSE_create # 10年
}
# 速度（实时）和准确性
# 实例化OpenCV's multi-object tracker
trackers = cv2.MultiTracker_create() # 实例化多目标追踪。
# tracker = cv2.TrackerCSRT_create() # 追踪器不要在这里创建，这里创建就只产生一个追踪器
vs = cv2.VideoCapture(0) # 这个不要在while里面创建
# 视频流
while True:
# 取当前帧
frame = vs.read()
# (true, data)
frame = frame[1]
# ret, frame = capture.read() # 这个就不用cv2.imread(frame)，frame已经是参数了
# 到头了就结束
if frame is None:
break
# resize每一帧
(h, w) = frame.shape[:2] # 原始图片大，计算性能低
width = 600
r = width / float(w)
dim = (width, int(h * r))
frame = cv2.resize(frame, dim, interpolation=cv2.INTER_AREA)
# 追踪结果
(success, boxes) = trackers.update(frame) # 没有添加追踪器，是一个空架子。
print(success, boxes) # success返回值一直都是True,
if len(boxes)==0:
box = cv2.selectROI("Frame", frame, fromCenter=False,
showCrosshair=False) # fromCenter选中的为中心点拉。showCrosshair展示中心十字架。
# 对应显示窗口名称和窗口显示的内容，cv2.imshow("Frame", frame)
# 创建一个新的追踪器
tracker = OPENCV_OBJECT_TRACKERS[args["tracker"]]() # 指定追踪器
trackers.add(tracker, frame, box) # 添加追踪器，frame哪幅图像，哪个区域box
# boxes返回值为：[[333. 172. 45. 76.]]，# 在未画下框的时候，读取为空。
# [[278. 166. 36. 62.]
# [501. 242. 41. 67.]]
print("trackers：", trackers)
# 绘制区域
for box in boxes: # 确保适合多追踪器
(x, y, w, h) = [int(v) for v in box]
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
# 显示
cv2.imshow("Frame", frame)
print(cv2.waitKey(100)) # 返回值为-1，-1&0xFF的结果为255
key = cv2.waitKey(100) & 0xFF
# 0xFF是十六进制常数，二进制值为11111111。通过使用位和（和）这个常数，
# 它只留下原始的最后8位（在这种情况下，无论CV2.WaITKEY（0）是），此处是防止BUG。
if key == ord("s"): # ord
# 选择一个区域，按s
box = cv2.selectROI("Frame", frame, fromCenter=False,
showCrosshair=False) # fromCenter选中的为中心点拉。showCrosshair展示中心十字架。
# 对应显示窗口名称和窗口显示的内容，cv2.imshow("Frame", frame)
# 创建一个新的追踪器
tracker = OPENCV_OBJECT_TRACKERS[args["tracker"]]() # 指定追踪器
trackers.add(tracker, frame, box) # 添加追踪器，frame哪幅图像，哪个区域box
# 退出
elif key == 27:
break
vs.release()
cv2.destroyAllWindows()
