帧差法目标检测跟踪python代码

帧差法（Frame Difference）是一种简单但有效的目标检测和跟踪技术，特别是在视频流中对静止或移动速度较慢的目标进行粗略追踪时。这种方法基于连续两帧之间的像素差异来识别物体的位置变化。

在Python中，我们可以利用OpenCV库来实现帧差法。以下是一个简单的示例代码：

import cv2

# 读取视频文件
cap = cv2.VideoCapture('video.mp4')

while True:
    # 获取当前帧和前一帧
    ret, frame1 = cap.read()
    if not ret:
        break
    frame2 = None
    if cap.get(cv2.CAP_PROP_POS_FRAMES) > 1:
        # 如果不是第一帧，就读取上一帧
        ret, frame2 = cap.read()

    # 计算帧差并设置阈值
    diff = cv2.absdiff(frame1, frame2)
    gray = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY)
    _, thresh = cv2.threshold(gray, 30, 255, cv2.THRESH_BINARY)

    # 寻找连续白色区域作为目标
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    for contour in contours:
        x, y, w, h = cv2.boundingRect(contour)
        cv2.rectangle(frame1, (x, y), (x+w, y+h), (0, 255, 0), 2)

    # 显示处理后的图像
    cv2.imshow('Frame Difference Tracking', frame1)

    # 按 'q' 键退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

在这个例子中，我们首先打开视频，然后循环读取每一帧。计算两帧之间的差值，将结果二值化以便于后续的目标检测。接着寻找轮廓，并用矩形框标出可能的目标位置。最后显示处理后的帧并等待用户按下 'q' 键停止。

注意：这只是一个基本的框架，实际应用中可能需要根据具体情况进行优化，比如调整帧差阈值、使用更复杂的目标跟踪算法等。