cv::createBackgroundSubtractorMOG2更可靠，因其用高斯混合模型为每个像素建模多种背景状态，支持阴影检测，抗光照变化、微抖和树叶晃动；而帧差法易受干扰导致大面积误检。
cv::createBackgroundSubtractorMOG2 为什么比直接帧差更可靠
直接用 absdiff 做两帧相减，光照突变、树叶晃动、摄像头微抖都会触发大面积误检。MOG2 是高斯混合模型，能对每个像素点建模多个可能的背景状态（比如白天/阴天/傍晚），自动识别哪些是「稳定背景」、哪些是「新出现的前景」。
它还内置阴影检测（默认开启），能区分影子和真实运动物体——这点纯帧差完全做不到。
实操建议：
• 初始化时显式关闭阴影检测可提升速度：cv::createBackgroundSubtractorMOG2(500, 16, false)（参数依次为历史帧数、高斯核数、是否启用阴影）
• 历史帧数 history=500 适合室内稳定场景；室外有早晚光变，建议设为 1000 以上
• 不要复用同一个 cv::Ptr<:backgroundsubtractor></:backgroundsubtractor> 处理不同分辨率的视频流，否则内部模型尺寸错配，会静默失效
apply() 输出的 mask 为什么全是黑的或全是白的
常见错误是没把输入帧转成 CV_8UC3 或 CV_8UC1。MOG2 的 apply() 只接受 8 位单通道或三通道图像。如果传入 CV_32F 的归一化图、或带 alpha 通道的 CV_8UC4，输出 mask 就会全黑（内部报错但不抛异常）。
实操建议：
• 检查输入帧类型：frame.type() == CV_8UC3 || frame.type() == CV_8UC1
• 若读自摄像头，确保没做 convertScaleAbs 后又重复调用 apply（缩放会破坏像素值分布）
• 初次运行时，前 10–20 帧输出 mask 必然不稳定——MOG2 需要学习背景，此时直接丢弃或跳过处理
立即学习“C++免费学习笔记（深入）”；
如何从 MOG2 mask 提取真实运动区域（不是噪点）
原始 mask 包含大量孤立噪点、边缘撕裂、空洞，不能直接送进 findContours。必须先做形态学净化，但顺序和核大小很关键：先开运算去噪点，再闭运算补空洞，最后可选腐蚀削弱边缘毛刺。
实操建议：
• 开运算核用 cv::Mat kernel = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(3,3))，太大（如 5×5）会吃掉小目标
• 闭运算核稍大一点（Size(5,5)）更安全，避免细长物断裂
• 调用顺序必须是：morphologyEx(mask, mask, MORPH_OPEN, kernel) → morphologyEx(mask, mask, MORPH_CLOSE, kernel) → （可选）erode(mask, mask, kernel)
• 对于高速小目标（如飞虫），建议在闭运算后加一次 dilate 再 erode，即“顶帽”操作，保边缘
cv::findContours 后怎么过滤掉误检的微小轮廓
形态学之后仍有大量面积 findContours 全部返回会导致后续计算爆炸。不能只靠面积阈值一刀切——人眼在远距离时投影面积也可能很小，需结合宽高比和矩形度。
实操建议：
• 先用 cv::boundingRect(contour) 得到外接矩形，排除 rect.width 的极窄条<br>• 计算轮廓面积与外接矩形面积比：<code>double ratio = cv::contourArea(contour) / (rect.width * rect.height)，低于 0.1 很可能是噪点或拖影
• 若场景中目标基本是竖直方向（如人、车），可过滤 rect.width > rect.height * 2 的扁平轮廓
• 注意：OpenCV 4.5+ 的 findContours 默认返回 CV_RETR_EXTERNAL，若需嵌套轮廓（如人+影子），得显式传 CV_RETR_TREE
MOG2 的核心陷阱不在 API 调用，而在「背景建模需要时间」和「形态学参数必须随目标尺度动态调整」。固定用一套 Size(3,3) 核处理从蚂蚁到卡车的所有场景，结果只会是随机成功。
