在计算机视觉领域，背景减除（Background Subtraction）是一种常用的技术，用于从视频序列中提取前景对象。

背景减除的核心思想是通过建模背景，然后将当前帧与背景模型进行比较，从而分离出前景对象。

OpenCV 提供了多种背景减除算法（MOG、MOG2、KNN），其中 MOG（Mixture of Gaussians）和 MOG2 是最常用的两种方法。

1、MOG2背景减除法

#include <opencv2/opencv.hpp>
using namespace cv;

int main() {
    VideoCapture cap("input.mp4");
    Ptr<BackgroundSubtractorMOG2> bg_model = createBackgroundSubtractorMOG2(500, 16, true);
    
    Mat frame, fg_mask, background;
    while (cap.read(frame)) {
        bg_model->apply(frame, fg_mask);
        bg_model->getBackgroundImage(background); // 提取背景图像‌:ml-citation{ref="1,2" data="citationList"}
        imshow("Background", background);
        if (waitKey(30) == 27) break;
    }
    cap.release();
    return 0;
}

参数说明‌：

• history=500：模型训练帧数，值越大背景更新越慢‌
• varThreshold=16：像素方差阈值，影响前景检测灵敏度‌
• detectShadows=true：启用阴影检测（阴影显示为灰色）‌

GPU版MOG2与CPU版接口完全兼容，核心代码如下：

cv::gpu::GpuMat d_frame, d_fgmask;
cv::gpu::MOG2_GPU mog2;
mog2(d_frame, d_fgmask);  // GPU加速计算

2、KNN背景减除法

Ptr<BackgroundSubtractorKNN> bg_model = createBackgroundSubtractorKNN(500, 400.0, true);
// 其他代码与MOG2逻辑相同‌

‌特点对比‌：

• KNN对运动模糊更鲁棒，MOG2更适合快速光照变化‌

• 两者均需10-20帧初始化才能生成有效背景

常见问题排查：

• ‌背景残留前景物体‌

  • 增大MOG2的history值（建议>500）‌

  • 降低加权平均法的alpha值（建议<0.02）‌

• ‌背景更新延迟严重‌

  • MOG2/KNN：减小history值（最低100）‌

  • 加权平均法：增大alpha至0.05-0.1‌5

• ‌CPU占用过高‌

  • 限制处理分辨率：resize(frame, frame, Size(640,480))‌

  • 跳帧处理：每2帧处理1帧‌