🎉 春節公告：作者休息中，文章暫停更新。祝大家新年快樂，闔家平安！🧧

📅 預計於 2/23 繼續更新

歡迎！您似乎正在使用廣告攔截器。請考慮通過禁用您的廣告攔截器來支持我。
welcome! It looks like you're using an ad blocker. Please consider supporting me by disabling your ad blocker.

J.J.'s Blogs

Like Share Discussion Bookmark Smile

J.J. Huang   2026-02-13   Python OpenCV 06.視訊與互動篇   瀏覽次數：次   DMCA.com Protection Status {{moment(1770944400000).fromNow()}}

Python | OpenCV 即時圖片中的物件追蹤

📚 前言

在前一篇我們學會了 視訊檔案處理與剪輯。
這一篇要介紹如何使用 OpenCV 即時圖片中的物件追蹤。
物件追蹤是電腦視覺的重要應用之一，常用於監控、運動分析、互動系統等場景。
除了攝影機，我們也可以用影片檔來模擬，方便測試追蹤效果。

🎨 範例影片

這裡我們使用 Pexels 提供的免費影片素材：Tennis Video。
下載後將檔名改為 tennis.mp4，在程式碼範例中使用。這段影片中有明顯的移動物件，非常適合用來測試追蹤演算法。

🔎 原理說明

  • 物件追蹤 (Object Tracking)：在影片或即時圖片中，持續追蹤某個選定的目標。
  • 流程：
    1. 讀取來源 (攝影機 / 影片檔 / 網路串流)。
    2. 選定要追蹤的物件區域 (ROI)。
    3. 建立追蹤器 (Tracker)。
    4. 在迴圈中更新追蹤結果，並顯示。

🧠 八種追蹤演算法比較

OpenCV 提供了八種追蹤器，各有速度與精準度上的差異：

演算法 速度 精準度 說明
BOOSTING 慢 差 最早期的追蹤器，速度慢且不精準
MIL 慢 差 比 BOOSTING 稍好，但仍不精準
GOTURN 中 中 需搭配深度學習模型才能運作
TLD 中 中 速度與精準度一般
MEDIANFLOW 中 中 對快速移動或跳動物件不準確
KCF 快 高 常用追蹤器，速度快但遮擋時不準
MOSSE 最快 高 速度最快，精準度略低於 KCF/CSRT
CSRT 快 最高 精準度最佳，但速度比 KCF 慢

建立追蹤器的語法 (新版 OpenCV 需使用 cv2.legacy)：

1
2
3
tracker = cv2.legacy.TrackerKCF_create()      # KCF
tracker = cv2.legacy.TrackerCSRT_create()     # CSRT
tracker = cv2.legacy.TrackerMOSSE_create()    # MOSSE

⚠️ 常見問題與解決方式

在新版 OpenCV (4.x) 中，如果直接使用 cv2.TrackerKCF_create() 會出現以下錯誤：

1
AttributeError: module 'cv2' has no attribute 'TrackerKCF_create'

解決方式：

  1. 安裝 opencv-contrib-python 套件，因為追蹤器屬於 contrib 模組：
    1
    pip install opencv-contrib-python
  2. 使用新版 API：
    1
    tracker = cv2.legacy.TrackerKCF_create()

這樣就能正常執行物件追蹤範例。

💻 範例程式 — 即時攝影機物件追蹤

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
import cv2

# 建立攝影機物件 (0 = 預設攝影機)
cap = cv2.VideoCapture(0)

# 讀取第一幀，作為選擇追蹤區域的基準
ret, frame = cap.read()
if not ret:
    print("無法讀取攝影機")
    cap.release()
    exit()

# 使用滑鼠選擇 ROI (欲追蹤的物件區域)
roi = cv2.selectROI("Select Object", frame, False)
cv2.destroyWindow("Select Object")

# 建立追蹤器 (這裡使用 CSRT，可改成 KCF 或 MOSSE)
tracker = cv2.legacy.TrackerCSRT_create()
tracker.init(frame, roi)

while True:
    # 逐幀讀取攝影機影像
    ret, frame = cap.read()
    if not ret:
        break

    # 更新追蹤器狀態
    success, box = tracker.update(frame)

    if success:
        # 追蹤成功，繪製矩形框出物件
        x, y, w, h = [int(v) for v in box]
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
    else:
        # 追蹤失敗，顯示提示文字
        cv2.putText(frame, "Lost", (50, 50),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0,0,255), 2)

    # 顯示結果影像
    cv2.imshow("Tracking", frame)

    # 按下 q 鍵退出
    if cv2.waitKey(30) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()


圖：即時追蹤選定的物件

註：由於本身沒有攝影鏡頭，所以無法示範效果。

💻 範例程式 — 使用影片檔進行物件追蹤

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
import cv2

# 讀取範例影片 (檔名改為 tennis.mp4)
cap = cv2.VideoCapture("tennis.mp4")

# 讀取第一幀，作為選擇追蹤區域的基準
ret, frame = cap.read()
if not ret:
    print("無法讀取影片")
    cap.release()
    exit()

# 使用滑鼠選擇 ROI (欲追蹤的物件區域)
roi = cv2.selectROI("Select Object", frame, False)
cv2.destroyWindow("Select Object")

# 建立追蹤器 (這裡使用 KCF，可改成 CSRT 或 MOSSE)
tracker = cv2.legacy.TrackerKCF_create()
tracker.init(frame, roi)

while True:
    # 逐幀讀取影片
    ret, frame = cap.read()
    if not ret:
        break

    # 更新追蹤器狀態
    success, box = tracker.update(frame)

    if success:
        # 追蹤成功，繪製矩形框出物件
        x, y, w, h = [int(v) for v in box]
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

    # 顯示結果影像
    cv2.imshow("Tracking", frame)

    # 按下 q 鍵退出
    if cv2.waitKey(30) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()


圖：在影片檔中追蹤選定的物件

⚠️ 注意事項

  • 追蹤器需要先選定 ROI，建議在第一幀選擇。
  • 不同演算法有不同特性，需依場景選擇。
  • 若物件消失或被遮擋，追蹤器可能失敗。
  • 測試時可使用交通影片或運動影片，物件移動明顯，追蹤效果更佳。

📊 應用場景

  • 監控系統：追蹤特定人物或車輛。
  • 運動分析：追蹤球員或球的移動。
  • 互動應用：即時追蹤手勢或物件。
  • 自動化系統：追蹤工業流程中的物件。

🎯 結語

本篇我們學會了如何使用 OpenCV 即時圖片中的物件追蹤，並透過不同演算法持續追蹤選定的目標。
同時也解決了新版 OpenCV 中常見的錯誤，確保程式能在最新環境下正常執行。
除了攝影機，也能用影片檔來測試，方便在沒有攝影機的環境下練習。
這些技術在監控、運動分析與互動應用中非常常見，後續可以結合人臉偵測或特徵匹配，打造更完整的系統。

📖 如在學習過程中遇到疑問，或是想了解更多相關主題，建議回顧一下 Python | OpenCV 系列導讀，掌握完整的章節目錄，方便快速找到你需要的內容。

註：以上參考了
OpenCV Tutorials
OpenCV-Python Tutorials
Pexels — 免費影片素材

本文由J.J. Huang 創作，採用CC BY 3.0 TW協議 進行許可。可自由轉載、引用，但需署名作者且註明文章出處。