cv::createBackgroundSubtractorMOG2默认将阴影误判为运动目标，因模型对光照敏感且建模包含低饱和度区域；可通过detectShadows=false禁用阴影检测，或增大history、调高varThreshold优化；后续需形态学处理及轮廓面积、宽高比、中心距离过滤；Tracker初始化失败多因ROI越界，须校验空轮廓与坐标合法性；多目标轨迹平滑优先用移动平均而非卡尔曼滤波。
OpenCV的cv::createBackgroundSubtractorMOG2为什么总把阴影当运动目标
默认参数下cv::createBackgroundSubtractorMOG2对光照变化敏感，阴影常被误判为前景。这不是bug，而是模型把低饱和度、近似背景色的区域也纳入了高斯分布建模范围。
关键调整点：
-
detectShadows设为false可直接禁用阴影检测（最简方案，但会丢失真实阴影区域） - 若需保留阴影识别能力，改用
history参数增大历史帧数（如500），让模型更稳定；同时调高varThreshold（如16.0）降低像素级敏感度 - 后续必须接形态学操作：
cv::morphologyEx用cv::MORPH_CLOSE闭运算填小孔，再用cv::MORPH_OPEN开运算去噪点
用cv::findContours提取目标后，怎么过滤掉抖动的小区域
原始二值图里常有噪声斑点或边缘抖动导致大量cv::findContours返回微小轮廓，直接画框会频繁闪烁。
实操过滤逻辑：
立即学习“C++免费学习笔记（深入）”；
- 计算每个轮廓的
cv::contourArea，剔除面积小于阈值（如500）的——注意单位是像素²，需根据实际分辨率调整 - 用
cv::boundingRect得外接矩形，再检查宽高比：rect.width / rect.height超出0.3～3.0范围的多为干扰条状物 - 避免每帧重算全部轮廓：缓存前几帧的有效轮廓中心，当前帧只保留与历史中心距离
50像素内的新轮廓（简单实现运动连续性）
cv::TrackerKCF::create()初始化失败报Assertion failed (roi.width > 0 && roi.height > 0)
这个错误不是跟踪器本身问题，而是传入的ROI矩形cv::Rect含负宽高或零尺寸。常见于目标刚出现时边界框被裁出图像外，或cv::boundingRect输入空点集。
防御性写法：
- 调用
cv::boundingRect前先判空：if (contours.empty()) continue; - 修正ROI坐标：
roi.x = std::max(0, roi.x); roi.y = std::max(0, roi.y); roi.width = std::min(roi.width, frame.cols - roi.x); roi.height = std::min(roi.height, frame.rows - roi.y); - KCF对快速形变目标易漂移，若首帧ROI质量差，不如换用
cv::TrackerCSRT::create()（精度高但慢）或加一层光流校验
多目标追踪时cv::Point2f轨迹平滑要不要用卡尔曼滤波
纯移动平均（如保存最近5帧中心点取均值）就能解决大部分抖动，没必要一上来就上卡尔曼滤波。后者调试成本高，且在目标突然转向时响应滞后更明显。
轻量级平滑建议：
- 用
std::deque<:point2f></:point2f>缓存轨迹点，每次更新时push_back新点、pop_front旧点，然后std::accumulate求均值 - 若需加权，可用指数滑动平均：
smoothed = 0.7 * current + 0.3 * last_smoothed - 真正需要卡尔曼的场景是：目标被短暂遮挡后需预测位置，或传感器融合（如加IMU数据）。单目视觉+纯位移场景，多数时候是过度设计
背景建模和追踪的难点不在算法调用，而在如何把cv::Mat数据流里的噪声、裁剪越界、帧率波动这些现实细节兜住。参数调一遍容易，让系统在不同光照、不同目标速度下都稳住输出，得靠反复看中间结果图——别跳过cv::imshow("mask", fgMask)这一步。
