50行Python代码实现视频中物体颜色识别和跟踪（必须以红色为例）

不晚

发布时间：2026-10-12| 3人浏览过

原创

本文介绍如何利用Python和OpenCV库，通过约50行代码实现视频中的颜色识别与跟踪功能。以红色物体为例，详细解析HSV色彩空间下的阈值设定、图像预处理及轮廓提取方法，适用于自动驾驶、视频监控等场景的基础开发参考。

当前，计算机视觉（CV）与自然语言处理（NLP）及语音识别共同构成了人工智能领域的三大核心热点。在计算机视觉技术中，对象检测（object detection）技术的应用范围极为广泛，涵盖了自动驾驶、视频监控、工业质检以及医疗诊断等多个关键场景。

目标检测的核心任务是从图片或视频中提取感兴趣的目标，其识别依据可以包括颜色、纹理或形状。其中，基于颜色的识别方式应用最为普及，且实现难度相对较低。接下来，我们将分享一个基于OpenCV Python接口的实验项目，演示如何从视频流中实现颜色的识别与持续跟踪。

以下是经过调试并可直接运行的完整代码实现：

import numpy as np
import cv2
font = cv2.FONT_HERSHEY_SIMPLEX
lower_green = np.array([35, 110, 106]) # 绿色范围低阈值
upper_green = np.array([77, 255, 255]) # 绿色范围高阈值
lower_red = np.array([0, 127, 128]) # 红色范围低阈值
upper_red = np.array([10, 255, 255]) # 红色范围高阈值
#需要更多颜色，可以去百度一下HSV阈值！
# cap = cv2.VideoCapture('1.mp4') # 打开视频文件
cap = cv2.VideoCapture(0)#打开USB摄像头
if (cap.isOpened()): # 视频打开成功
 flag = 1
else:
 flag = 0
num = 0
if (flag):
 while (True):
 ret, frame = cap.read() # 读取一帧
 
 if ret == False: # 读取帧失败
  break
 hsv_img = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
 mask_green = cv2.inRange(hsv_img, lower_green, upper_green) # 根据颜色范围删选
 mask_red = cv2.inRange(hsv_img, lower_red, upper_red) 
 # 根据颜色范围删选
 mask_green = cv2.medianBlur(mask_green, 7) # 中值滤波
 mask_red = cv2.medianBlur(mask_red, 7) # 中值滤波
 mask = cv2.bitwise_or(mask_green, mask_red)
 mask_green, contours, hierarchy = cv2.findContours(mask_green, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
 mask_red, contours2, hierarchy2 = cv2.findContours(mask_red, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

 for cnt in contours:
  (x, y, w, h) = cv2.boundingRect(cnt)
  cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 255), 2)
  cv2.putText(frame, "Green", (x, y - 5), font, 0.7, (0, 255, 0), 2)

 for cnt2 in contours2:
  (x2, y2, w2, h2) = cv2.boundingRect(cnt2)
  cv2.rectangle(frame, (x2, y2), (x2 + w2, y2 + h2), (0, 255, 255), 2)
  cv2.putText(frame, "Red", (x2, y2 - 5), font, 0.7, (0, 0, 255), 2)
 num = num + 1
 cv2.imshow("dection", frame)
 cv2.imwrite("imgs/%d.jpg"%num, frame)
 if cv2.waitKey(20) & 0xFF == 27:
  break
cv2.waitKey(0)
cv2.destroyAllWindows()

如运行结果所示，系统将成功检测并标记出画面中的红色区域。