下面是一个使用Python和OpenCV库实现的简单的目标检测和存储的代码示例：

import cv2

# 加载目标检测器模型
model = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取视频帧
    ret, frame = cap.read()

    # 将帧转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 在灰度图像上进行人脸检测
    faces = model.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

    # 在原始帧上标记检测到的人脸
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

    # 显示结果帧
    cv2.imshow('Face Detection', frame)

    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头和关闭窗口
cap.release()
cv2.destroyAllWindows()

这段代码使用了OpenCV中的CascadeClassifier类来加载一个人脸检测器模型，并使用摄像头实时读取视频帧。然后，将每一帧转换为灰度图像，并使用人脸检测器模型在灰度图像上进行人脸检测。最后，在原始帧上标记检测到的人脸，并显示结果帧。按下 'q' 键可以退出循环，释放摄像头并关闭窗口。你可以根据自己的需求修改这段代码来实现不同的目标检测和存储功能。