之前讲了怎么用opencv3.3.1自带的API来做单目标的跟踪，多目标和这个差不多，不同的是要用到另一个类，cv::MultiTracker。
同样，先附上代码

#include<tracking.hpp>
#include<highgui.hpp>
#include<video.hpp>
#include<core\utility.hpp>
#include<vector>

using namespace cv;
using namespace std;

int main() {
    Mat frame;
    VideoCapture cap("1.mp4");//输入待处理的视频
    cap >> frame;
    vector<Rect> rois;
    selectROIs("rois", frame, rois, false);
    if (rois.size()<1)
        return 0;
    MultiTracker trackers;
    vector<Rect2d> obj;
    vector<Ptr<Tracker>> algorithms;
    for (auto i = 0; i < rois.size(); i++) {
        obj.push_back(rois[i]);
        algorithms.push_back(TrackerKCF::create());
    }
    trackers.add(algorithms, frame, obj);
    while (cap.read(frame)) {
        bool ok = trackers.update(frame);
        if (ok) {
            for (auto j = 0; j < trackers.getObjects().size(); j++) {
                rectangle(frame, trackers.getObjects()[j], Scalar(255, 0, 0), 2, 1);
            }
            imshow("tracker", frame);
        }
        if (waitKey(1) == 27)break;
    }
    return 0;
}

1.创建多目标跟踪对象

MultiTracker trackers;
你可以创建不同的跟踪器来组成多目标跟踪对象，这里，我统一使用的KCF算法。

2.选择多目标

vector<Rect> rois;
selectROIs("rois", frame, rois, false);

注意selectROI与selectROIs函数的区别，两者的原型分别是

CV_EXPORTS_W void selectROIs(const String& windowName, InputArray img, CV_OUT std::vector<Rect>& boundingBoxes, bool showCrosshair = true, bool fromCenter = false);

CV_EXPORTS_W Rect selectROI(const String& windowName, InputArray img, bool showCrosshair = true, bool fromCenter = false);

/** @overload
 */
CV_EXPORTS_W Rect selectROI(InputArray img, bool showCrosshair = true, bool fromCenter = false);

可以看到，单目标的选择函数返回值是rect型，而多目标是void型，于是可以直接调用selectROIs函数，然后将得到的边界框存储在第三个参数里。当然你也可以调用selectROI函数，存储在Rect数组里。

3.MultiTracker的add方法

    vector<Rect2d> obj;
    vector<Ptr<Tracker>> algorithms;
    for (auto i = 0; i < rois.size(); i++) {
        obj.push_back(rois[i]);
        algorithms.push_back(TrackerKCF::create());
    }
    trackers.add(algorithms, frame, obj);

在多目标的API里面，用add方法代替了init方法，给trackers传入每个ROI的跟踪器和边界框。
注意这里，传入的边界框数据类型是Rect2d,因为涉及到计算，所以需要double类型，需要转换一下。

4.保存结果

for (auto j = 0; j < trackers.getObjects().size(); j++) {
                rectangle(frame, trackers.getObjects()[j], Scalar(255, 0, 0), 2, 1);
            }

image.png

MultiTracker类有getObjects方法，可以返回跟踪对象的值，依据此给不同对象加上矩形框。