计算机视觉 / 系统课时
使用背景减除
使用背景减除
背景减除通过持续学习“哪些像素通常属于背景”,把偏离背景模型的区域标记为前景。相比只比较两帧,它能在目标短暂停留时继续保持检测结果,并可逐步适应环境变化。本节使用 MOG2,重点掌握历史长度与学习率的实际影响。
学习目标
- 使用
cv2.createBackgroundSubtractorMOG2()建立背景模型 - 理解
history与learningRate对适应速度的影响 - 通过阈值与形态学处理得到稳定的移动目标掩膜
背景模型如何工作
MOG2 会为每个像素维护随时间更新的统计模型。新帧到来后,算法判断当前像素是否符合已学习的背景分布;符合则视为背景,偏离明显则标记为前景。模型随后依据学习率更新,因此它不是一张固定背景图,而是持续变化的时间模型。

history 可以理解为模型参考过去数据的时间尺度。值较大时背景更稳定,但适应新环境更慢;值较小时模型更新更积极。learningRate 决定当前帧对模型更新的权重,OpenCV 允许使用负值让算法自动选择。
用 MOG2 提取移动目标
下面脚本读取输入视频,生成黑白前景掩膜 foreground_mask.mp4。示例关闭阴影检测,避免阴影被编码为中间灰度值,从而让后续二值处理更直接。
import sys
import cv2
import numpy as np
def main() -> None:
if len(sys.argv) != 2:
raise SystemExit("用法: python bg_subtract.py <PATH>")
cap = cv2.VideoCapture(sys.argv[1])
if not cap.isOpened():
raise SystemExit("无法打开输入视频")
fps = cap.get(cv2.CAP_PROP_FPS) or 25.0
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
writer = cv2.VideoWriter(
"foreground_mask.mp4",
cv2.VideoWriter_fourcc(*"mp4v"),
fps,
(width, height),
isColor=False,
)
subtractor = cv2.createBackgroundSubtractorMOG2(
history=300,
varThreshold=16,
detectShadows=False,
)
kernel = np.ones((3, 3), np.uint8)
processed = 0
while True:
ok, frame = cap.read()
if not ok:
break
# 较小的正学习率让模型缓慢吸收长期不动的区域。
mask = subtractor.apply(frame, learningRate=0.005)
_, mask = cv2.threshold(mask, 200, 255, cv2.THRESH_BINARY)
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=1)
mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel, iterations=2)
writer.write(mask)
processed += 1
cap.release()
writer.release()
print(f"processed_frames={processed}")
print("output=foreground_mask.mp4")
if __name__ == "__main__":
main()预期结果
processed_frames=<VALUE>
output=foreground_mask.mp4<VALUE> 取决于输入视频帧数,实际值可能不同。生成的视频中,稳定背景应主要为黑色,持续移动或刚进入场景的目标应呈白色;开头若出现大面积白色属于模型尚未建立时的正常现象。
调整历史长度和学习率
history 与 learningRate 都会影响模型“忘记旧背景、接受新背景”的速度,但作用方式不同。history 是模型内部的时间尺度参数,learningRate 则直接控制每次 apply() 更新的强度。
如果固定摄像头下光照变化缓慢,可以使用较长 history 和较小学习率,让背景稳定更新。若场景频繁切换,学习率过小会让旧背景残留过久;学习率过大又会把慢速移动甚至短暂停留的目标迅速吸收到背景中。
处理阴影与动态背景
当 detectShadows=True 时,MOG2 默认会把阴影标记为灰色而不是纯白。若后续只需要真实前景,可以再使用较高阈值去掉阴影;若阴影本身对业务有意义,则不要急于二值化。
树叶晃动、水面、屏幕闪烁等动态背景会持续产生前景。此时可适当提高 varThreshold、增加形态学过滤,或结合轮廓面积与持续时间约束。若摄像机本身在移动,背景模型的基本假设被破坏,应先做稳像或改用光流、目标检测加跟踪等方法。