是保持它在视频里的位置。
?\t常用方法：
?\t卡尔曼滤波（Kalan Filter）：预测下个位置。
?\tKcF \/ oSSE 跟踪器：基于模板匹配的快速跟踪。
?\tSoRt \/ deepSoRt：结合检测结果和运动轨迹，能同时跟多个目标，并保持 Id 一致。
?\t最终效果：视频里目标被框住，框会跟着它动。
?
5. 结合用途
?\t安防监控：运动检测 + 人脸识别 → 自动标记陌生人。
?\t体育分析：跟踪球员或球的位置。
?\t行为分析：统计某人出现的时间和位置。
?\t多目标跟踪：多个对象同时标识和分类。
?
如果我帮你画一张流程示意图，你就能直观地看到这个过程：
原图 → 灰度化 → 归一化 → 展平 → 帧差检测 → 坐标提取 → 分类识别 → 跟踪框绘制。
你这个方法的思路跟早期的 opencV + 传统机器学习目标识别几乎一模一样，但如果换成深度学习 + 特征提取，效果会好很多，而且能做到更复杂的场景下的人物识别和跟踪。
?