python-opencv检测跟踪视频中运动目标，生成新视频，在新视频中标定红框并在视频中标注目标的运动速度，给出完整代码

在Python中，我们可以利用OpenCV（Open Source Computer Vision Library）的强大功能来进行视频中的运动目标检测、跟踪以及运动速度标注。这里是一个基本的步骤和示例代码，我们将使用`cv2.TrackerMOSSE`来追踪目标，并使用`VideoWriter`函数生成新的标记视频：

首先，安装必要的库（如果尚未安装）：

pip install opencv-python

然后，编写一个简单的Python脚本：

import cv2
import numpy as np

# 加载视频
cap = cv2.VideoCapture('input_video.mp4')

# 提取第一个帧作为模板
_, frame = cap.read()
template = frame

# 初始化追踪器
tracker = cv2.TrackerMOSSE_create()

while True:
    # 读取下一帧
    _, frame = cap.read()
    
    # 如果无法读取到帧，可能是视频结束，跳出循环
    if not frame:
        break
    
    # 将帧转换为灰度图像以便于处理
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    
    # 使用Tracker选择目标区域
    ret, bbox = tracker.update(gray)

    # 如果追踪失败，尝试重新初始化
    if ret:
        (x, y, w, h) = [int(v) for v in bbox]
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
    else:
        cv2.putText(frame, "Tracking Lost", (100, 80), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 2)
        
    # 计算并显示目标移动的速度 (这里仅作简单示例，实际速度计算可能更复杂)
    if 'prev_bbox' in locals():
        dx, dy = x - prev_bbox[0], y - prev_bbox[1]
        speed = np.hypot(dx, dy) / cap.get(cv2.CAP_PROP_FPS)
        cv2.putText(frame, f"Speed: {speed:.2f} m/s", (100, 150), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 2)
    else:
        prev_bbox = (x, y, w, h)
        
    # 写入新视频
    out = cv2.VideoWriter('output_video.mp4', cv2.VideoWriter_fourcc(*'mp4v'), cap.get(cv2.CAP_PROP_FPS), (frame.shape[1], frame.shape[0]))
    out.write(frame)

    # 显示原图和追踪结果
    cv2.imshow("Tracking", frame)
    key = cv2.waitKey(1) & 0xFF

    # 如果按下'q'键退出
    if key == ord('q'):
        break

cap.release()
out.release()
cv2.destroyAllWindows()

这个例子中，我们假设已有一个目标在第一帧（`template`）上设置好追踪区域。然后通过不断更新追踪器和绘制边框来跟踪视频中的物体。同时，我们在视频输出中添加了目标运动速度的文字信息。

请注意，这只是一个基础版本，实际应用可能需要根据具体需求调整速度计算方法和目标追踪算法，比如使用其他类型的追踪器如`cv2.TrackerKCF`, `cv2.TrackerTLD`, 或者`cv2.TrackerMedianFlow`等。