在不使用阈值差异的方式，在写一种

除了使用阈值差异的方式，还可以使用背景减法算法（Background Subtraction），它可以更准确地检测物体的移动。以下是一个使用背景减法算法检测物体移动的 C++ 代码示例：

#include <opencv2/opencv.hpp>
 
using namespace cv;
 
int main()
{
    VideoCapture cap(0); // 打开摄像头
    if (!cap.isOpened())
    {
        std::cerr << "Failed to open camera!" << std::endl;
        return -1;
    }
 
    Ptr<BackgroundSubtractor> pMOG2 = createBackgroundSubtractorMOG2(); // 创建背景减法对象
 
    Mat frame, fgMask;
    while (true)
    {
        cap.read(frame);
 
        pMOG2->apply(frame, fgMask); // 背景减法
 
        // 统计前景像素数
        int count = countNonZero(fgMask);
        if (count > 0)
        {
            std::cout << "Object detected!" << std::endl;
        }
 
        imshow("Frame", frame);
        imshow("Foreground Mask", fgMask);
 
        if (waitKey(30) == 27) // 按下 ESC 键退出循环
        {
            break;
        }
    }
 
    return 0;
}

这个示例程序使用了 `createBackgroundSubtractorMOG2` 函数创建了一个背景减法对象，并将其应用于摄像头捕获的每一帧图像。通过统计前景像素数，可以检测出物体的移动。请注意，背景减法算法需要一定的时间来建立初始背景模型，因此在开始检测前需要等待一段时间。在实际应用中，可能需要对算法的参数进行调整以获得更好的效果。