如何使用python和opencv实现行人轨迹跟踪

使用Python和OpenCV实现行人轨迹跟踪可以通过以下步骤实现：

1. 使用OpenCV读取视频文件或摄像头视频流，获取每一帧图像。
2. 对每一帧图像进行行人检测，可以使用Haar Cascades或者HOG+SVM等方法。
3. 对于每个检测到的行人，使用一种目标跟踪算法（如Kalman滤波、Meanshift、Camshift等）来跟踪行人的运动轨迹。
4. 绘制行人轨迹线条，可以使用cv2.line()函数实现。
5. 可以将跟踪结果输出为视频或图片序列。

下面是一个基于OpenCV的行人轨迹跟踪的示例代码：

import cv2

# 行人检测模型
hog = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

# 目标跟踪器
tracker = cv2.TrackerKCF_create()

# 读取视频
cap = cv2.VideoCapture('test.mp4')

# 轨迹绘制颜色
color = (0, 255, 0)

# 轨迹记录字典，key为目标ID，value为轨迹列表
tracks = {}

# 目标ID计数器
id_counter = 0

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # 行人检测
    rects, weights = hog.detectMultiScale(frame, winStride=(8, 8), padding=(32, 32), scale=1.05)

    # 目标跟踪
    for i, rect in enumerate(rects):
        # 检测到的行人作为新目标
        tracker.init(frame, tuple(rect))
        id_counter += 1
        tracks[id_counter] = [tuple(rect)]

    # 已有目标进行跟踪
    for track_id, track in tracks.items():
        ok, bbox = tracker.update(frame)
        if ok:
            # 更新轨迹
            tracks[track_id].append(tuple(bbox))
            # 绘制轨迹
            for i in range(1, len(track)):
                cv2.line(frame, track[i-1], track[i], color, 2)
        else:
            # 目标丢失，删除轨迹
            del tracks[track_id]

    # 显示结果
    cv2.imshow('frame', frame)
    if cv2.waitKey(1) == 27:
        break

cap.release()
cv2.destroyAllWindows()

运行该代码可以打开摄像头或读取视频文件，进行行人轨迹跟踪并实时显示跟踪结果。可以根据需要调整检测和跟踪参数，以适应不同的应用场景。