在計算機視覺領域，背景減除（Background Subtraction）是一種常用的技術，用于從視頻序列中提取前景對象。
背景減除的核心思想是通過建模背景，然后將當前幀與背景模型進行比較，從而分離出前景對象。
OpenCV 提供了多種背景減除算法（MOG、MOG2、KNN），其中 MOG（Mixture of Gaussians）和 MOG2 是最常用的兩種方法。
1、MOG2背景減除法
#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); // 提取背景圖像?:ml-citation{ref="1,2" data="citationList"}imshow("Background", background);if (waitKey(30) == 27) break;}cap.release();return 0;
}
參數說明?：
history=500：模型訓練幀數，值越大背景更新越慢?varThreshold=16：像素方差閾值，影響前景檢測靈敏度?detectShadows=true：啟用陰影檢測（陰影顯示為灰色）?
GPU版MOG2與CPU版接口完全兼容，核心代碼如下：
cv::gpu::GpuMat d_frame, d_fgmask;
cv::gpu::MOG2_GPU mog2;
mog2(d_frame, d_fgmask); // GPU加速計算2、KNN背景減除法
Ptr<BackgroundSubtractorKNN> bg_model = createBackgroundSubtractorKNN(500, 400.0, true);
// 其他代碼與MOG2邏輯相同??特點對比?：
-
KNN對運動模糊更魯棒，MOG2更適合快速光照變化?
-
兩者均需10-20幀初始化才能生成有效背景
常見問題排查：
-
?背景殘留前景物體?
-
增大MOG2的history值（建議>500）?
-
降低加權平均法的alpha值（建議<0.02）?
-
-
?背景更新延遲嚴重?
-
MOG2/KNN：減小history值（最低100）?
-
加權平均法：增大alpha至0.05-0.1?5
-
-
?CPU占用過高?
-
限制處理分辨率：
resize(frame, frame, Size(640,480))? -
跳幀處理：每2幀處理1幀?
-
