目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割。
它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。尤其是在复杂场景中，需要对多个目标进行实时处理时，目标自动提取和识别就显得特别重要。
随着计算机技术的发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对目标进行实时跟踪研究越来越热门，对目标进行动态实时跟踪定位在智能化交通系统、智能监控系统、军事目标检测及医学导航手术中手术器械定位等方面具有广泛的应用价值。

CSFT追踪算法的使用:

#案例@fuxianjun
import cv2
import numpy as np

OPENCV_OBJECT_TRACKERS = {
    "csrt": cv2.TrackerCSRT_create,
    "kcf": cv2.TrackerKCF_create,
    "boosting": cv2.TrackerBoosting_create,
    "mil": cv2.TrackerMIL_create,
    "tld": cv2.TrackerTLD_create,
    "medianflow": cv2.TrackerMedianFlow_create,
    "mosse": cv2.TrackerMOSSE_create
}
#2.实例化追踪器对象
trackers = cv2.MultiTracker_create()
#3.视频基本处理方法
vs = cv2.VideoCapture("soccer_01.mp4")
while True:
    frame = vs.read()
    frame = frame[1]
    if frame is None:
        break
    (h,w) = frame.shape[:2]
    width=600
    r = width/float(w)
    dim = (width,int(h*r))
    frame = cv2.resize(frame,dim,interpolation = cv2.INTER_AREA)
    #4.追踪结果与区域绘制
    (success,boxes) = trackers.update(frame)
    for box in boxes:
        (x,y,w,h)= [int(v) for v in box]
        cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
    cv2.imshow("Frame",frame)
    #5.选择目标ROI
    key = cv2.waitKey(100)& 0xFF
    if key==ord("s"):
        box = cv2.selectROI("Frame",frame,fromCenter=False,
                           showCrosshair=True)
        tracker = OPENCV_OBJECT_TRACKERS["csrt"]()
        trackers.add(tracker,frame,box)
    elif key ==27:
        break
#6.关闭视频
vs.release()
cv2.destroyAllWindows()

选择感兴趣区域：

结果：