import numpy as np 
import argparse
import time
import cv2 
# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-v", "--video",
 help = "path to the (optional) video file")
args = vars(ap.parse_args())
# define the upper and lower boundaries for a color
# to be considered "blue"
blueLower = np.array([100,67,0],dtype="uint8")
blueUpper = np.array([255,128,50],dtype="uint8")
# load the video
if not args.get("video"):
 camera = cv2.VideoCapture(0)
else:
 camera = cv2.VideoCapture(args["video"])

# keep looping 
while True:
 # grab the current frame 
 (grabbed,frame) = camera.read()
 # check to see if we have reached the end of the video
 if args.get("video") and not grabbed:
 break 
 # determine which pixels fall within the blue boundaries
 # and then blur the binary image
 blue = cv2.inRange(frame,blueLower,blueUpper)
 blue = cv2.GaussianBlur(blue,(3,3),0)

 # find contours in the image 
 (_,cnts,_) = cv2.findContours(blue.copy(),cv2.RETR_EXTERNAL,
 cv2.CHAIN_APPROX_SIMPLE)
 # check to see if any contours were found
 if len(cnts) > 0:
 # sort the contours and find the largest one --
 # we will assume this contour coorespondes to the 
 # area of my phone 
 cnt = sorted(cnts,key=cv2.contourArea,reverse=True)[0]
 # compute the (rotated) bounding box around then 
 # contour and then draw it 
 rect = np.int32(cv2.boxPoints(cv2.minAreaRect(cnt)))
 cv2.drawContours(frame,[rect],-1,(0,255,0),2)
 # show the frame and the binary image
 cv2.imshow("Traccking",frame)
 cv2.imshow("Binary",blue)
 # if your machine is fast, it may display the frames in
 # what appears to be 'fast forward' since more than 32
 # frames per second are being displayed -- a simple hack
 # is just to sleep for a tiny bit in between frames;
 # however, if your computer is slow, you probably want to
 # comment out this line
 time.sleep(0.025)
 # if the 'q' key is pressed, stop the loop
 if cv2.waitKey(1) & 0xFF == ord("q"):
 break
# cleanup the camera and close any open windows
camera.release()
cv2.destroyAllWindows()

python track.py

python track.py --video "video\2018-11-27 18-38-15-927.mp4"

现(轨迹回放)方式有两种：

• 第一种是使用 JS API 和 AMap.PolyLine（折线）等图形配合实现。
• 第二种是使用 JS API 和 AMapUI 组件库 配合使用，利用 PathSimplifier（轨迹展示组件）绘制出行动轨迹。

方案选择

以上两种实现方式我们可以根据两个因素 来决定哪一种更加适合自己：节点数量 的多少、排布的密集度 。

前者适合节点数量较少，排布比较稀松，例如，出租车轨迹回放，出租车行驶速度快，周期上报的时间也会相对较长。后者更加针对节点数量巨大、排布密集的路径，按秒记录位置的飞机行进轨迹，精细的地理边界等等。

实现流程

无论选择两种方式，我们都需要先收集到客户端上报的信息，这些信息可以自定义，通常我们会包含：经纬度、速度、逆编码之后的地理位置、方向、海拔 等基本地理信息，同时我们也可以加入一些自定义 的信息，例如：人员信息（头像昵称等）、出行信息（订单等）。

实现的流程：

• 客户端按（时间）周期上报地理信息以及自定义信息。
• 服务端按时间轴存储客户上报的信息。
• 按（时间等）条件查询出用户的轨迹，并通过简化算法去除一部分节点（例如，节点距离十分微小、或者多个点都在同一条直线、3点之间，其中一点略有偏差无法绘制成直线等等），最终获得适合绘制的路径（数组）。
• 根据路径去绘制用户的行动轨迹。

路径简化算法（可选）

客户端上报的数据是按时间周期上报的，也就是说每个时间都对应了一个经纬度，经纬度在地图上就是一个又一个点，将这些点连接时，我们会得到 N 多条折线，为了绘制的轨迹更加美观，行动路线更加明确平滑，通常我们需要一个算法来简化折线。

例如：

• A 点和 B 点，两者距离不到 1 像素，则可以去掉 B 点，只留 A 点。
• A，B，C 三点在一条直线上，或者，B 点仅仅稍微偏离 A 点和 C 点构成的线段，那么 B 点就可以去掉。

这里官方也推荐了一种算法库 simplify.js供大家参考，这里不做过多的阐述。

实现示例

车辆轨迹回放

这里我们使用第一种方式来实现 - 利用 JS API 和 AMap.PolyLine。

实现原理：

• 在地图上绘制车辆标记（AMap.Marker）。
• 利用 AMap.PolyLine 绘制出两条轨迹：历史轨迹和驾驶途径过的轨迹，以颜色区分。
• 按照一定的速度使车辆前进，并监听 Maker 移动的事件，在事件回调中，将车辆（Marker）位置设置为地图中心点，给使用者视觉主观上一种车辆在前进的感觉，同时延长驾驶途径过的轨迹。
• 对于实现场景比较复杂的，需要进行自定义处理的比如：

1. 查看每个节点的数据，我们可以把每个节点给绘制出来，节点被点击时显示该节点的数据。
2. 移动倍速播放，首先按上报的时间间隔来播放，选择倍速之后，改变 MarKer 移动的 duration。
3. 其他自定义。

自定义 API

我们可以让车辆：

• 开始移动
• 暂停移动
• 恢复移动
• 停止移动

代码示例

AMap.plugin('AMap.MoveAnimation', function(){
  var marker, lineArr = [[116.478935,39.997761],[116.478939,39.997825],[116.478912,39.998549],[116.478912,39.998549],[116.478998,39.998555],[116.478998,39.998555],[116.479282,39.99856],[116.479658,39.998528],[116.480151,39.998453],[116.480784,39.998302],[116.480784,39.998302],[116.481149,39.998184],[116.481573,39.997997],[116.481863,39.997846],[116.482072,39.997718],[116.482362,39.997718],[116.483633,39.998935],[116.48367,39.998968],[116.484648,39.999861]];

  var map = new AMap.Map("container", {
    resizeEnable: true,
    center: [116.397428, 39.90923],
    zoom: 17
  });

  marker = new AMap.Marker({
    map: map,
    position: [116.478935,39.997761],
    icon: "https://a.amap.com/jsapi_demos/static/demo-center-v2/car.png",
    offset: new AMap.Pixel(-13, -26),
  });

  // 绘制历史轨迹
  var polyline = new AMap.Polyline({
    map: map,
    path: lineArr,
    showDir:true,
    strokeColor: "#28F",  //线颜色
    // strokeOpacity: 1,     //线透明度
    strokeWeight: 6,      //线宽
    // strokeStyle: "solid"  //线样式
  });  
	// 驾驶途径过的轨迹
  var passedPolyline = new AMap.Polyline({
    map: map,
    strokeColor: "#AF5",  //线颜色
    strokeWeight: 6,      //线宽
  });

	// 监听车辆移动事件
  marker.on('moving', function (e) {
	  // 延长驾驶途径过的轨迹
    passedPolyline.setPath(e.passedPath);
    // 将车辆位置设置为地图中心点
    map.setCenter(e.target.getPosition(),true)
  });

  map.setFitView();
	
	// 开始移动
  window.startAnimation = function startAnimation () {
    marker.moveAlong(lineArr, {
      // 每一段的时长
      duration: 500,//可根据实际采集时间间隔设置
      // JSAPI2.0 是否延道路自动设置角度在 moveAlong 里设置
      autoRotation: true,
    });
  };
  // 暂停移动
  window.pauseAnimation = function () {
  	marker.pauseMove();
  };
	// 恢复移动
  window.resumeAnimation = function () {
  	marker.resumeMove();
  };
	// 停止移动
  window.stopAnimation = function () {
  	marker.stopMove();
  };
});

参考链接：https://lbs.amap.com/demo/jsapi-v2/example/marker/replaying-historical-running-data

飞机航班的轨迹回放

使用 JS API 和 AMapUI 组件库 配合使用，利用 PathSimplifier（轨迹展示组件）绘制出行动轨迹，这种方案比较简单，只需要进行一些配置即可，例如说方案一中的倍速播放就需要计算，同时还存在不能动态改变倍速的弊端，但是方案二却不会存在。

实现原理：

• 在地图上绘制飞机标记（AMap.Marker）。
• 利用 AMap.PolyLine 绘制出两条轨迹：历史轨迹和驾驶途径过的轨迹，以颜色区分。
• 配置轨迹的颜色，动画的速度等等。
• 对于实现场景比较复杂的，需要进行自定义处理的，可以在PathSimplifier 提供的回调中进行配置及处理。

示例代码

//加载PathSimplifier，loadUI的路径参数为模块名中 'ui/' 之后的部分 
AMapUI.load(['ui/misc/PathSimplifier'], function(PathSimplifier) {

    if (!PathSimplifier.supportCanvas) {
        alert('当前环境不支持 Canvas！');
        return;
    }

    //启动页面
    initPage(PathSimplifier);
});

function initPage(PathSimplifier) {
    //创建组件实例
    var pathSimplifierIns = new PathSimplifier({
        zIndex: 100,
        map: map, //所属的地图实例
        getPath: function(pathData, pathIndex) {
            //返回轨迹数据中的节点坐标信息，[AMap.LngLat, AMap.LngLat...] 或者 [[lng|number,lat|number],...]
            return pathData.path;
        },
        getHoverTitle: function(pathData, pathIndex, pointIndex) {
            //返回鼠标悬停时显示的信息
            if (pointIndex >= 0) {
                //鼠标悬停在某个轨迹节点上
                return pathData.name + '，点:' + pointIndex + '/' + pathData.path.length;
            }
            //鼠标悬停在节点之间的连线上
            return pathData.name + '，点数量' + pathData.path.length;
        },
        renderOptions: {
            //轨迹线的样式
            pathLineStyle: {
                strokeStyle: 'red',
                lineWidth: 6,
                dirArrowStyle: true
            }
        }
    });

    //这里构建两条简单的轨迹，仅作示例
    pathSimplifierIns.setData([{
        name: '轨迹0',
        path: [
            [100.340417, 27.376994],
            [108.426354, 37.827452],
            [113.392174, 31.208439],
            [124.905846, 42.232876]
        ]
    }, {
        name: '大地线',
        //创建一条包括500个插值点的大地线
        path: PathSimplifier.getGeodesicPath([116.405289, 39.904987], [87.61792, 43.793308], 500)
    }]);

    //创建一个巡航器
    var navg0 = pathSimplifierIns.createPathNavigator(0, //关联第1条轨迹
        {
            loop: true, //循环播放
            speed: 1000000
        });

    navg0.start();
}

参考链接：https://lbs.amap.com/demo/amap-ui/demos/amap-ui-pathsimplifier/index