Python如何修改程序可以除去背景中的干扰，提高目标识别跟踪的准确性

如何修改程序可以除去背景中的干扰，提高目标识别跟踪的准确性。

import cv2
import time
"""
背景和需要跟踪的物体差异很大
"""
 
# 获取视频
video = cv2.VideoCapture('C:/Users/Spyder/fj.mp4')
 
# 生成椭圆结构元素
es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 9))
# 设置背景帧
lastframe = None
 
while True:
    # 读取视频每一帧
    ret, frame = video.read()
    time.sleep(0.01)
    print(ret)
 
    # 获取背景帧
    if lastframe is None:
        # 将视频的第一帧图像转为灰度图
        lastframe = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        
        # 对灰度图进行高斯模糊,平滑图像
        lastframe = cv2.GaussianBlur(lastframe, (21, 21), 0)
        continue
    if ret:
        
        # 将视频的每一帧图像转为灰度图
        gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
 
        # 对灰度图进行高斯模糊,平滑图像
        gray_frame = cv2.GaussianBlur(gray_frame, (21, 21), 0)
 
        # 获取当前帧与背景帧之间的图像差异,得到差分图
        diff = cv2.absdiff(lastframe, gray_frame)

        #将当前帧设置为上一帧
        lastframe = gray_frame.copy()

        # 利用像素点值进行阈值分割,得到一副黑白图像
        diff = cv2.threshold(diff, 25, 205, cv2.THRESH_BINARY)[1]
 
        # 膨胀图像,减少错误
        diff = cv2.dilate(diff, es, iterations=8)
 
        # 得到图像中的目标轮廓
        cnts, hierarchy = cv2.findContours(diff.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        for c in cnts:
            if cv2.contourArea(c) < 10000:#过滤面积过小的形状
                continue
           
            # 绘制目标矩形框
            (x, y, w, h) = cv2.boundingRect(c)
            cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
 
        # 显示检测视频
        cv2.namedWindow('contours', 0)
        cv2.resizeWindow('contours', 600, 400)
        cv2.imshow('contours', frame)
 
        # 显示差异视频
        cv2.namedWindow('diff', 0)
        cv2.resizeWindow('diff', 600, 400)
        cv2.imshow('diff', diff)
        if cv2.waitKey(1) & 0xff == ord('q'):
            break
    else:
        break

# 结束
cv2.destroyAllWindows()
video.release()

如何修改程序可以除去背景中的干扰，提高目标识别跟踪的准确性。

背景的变化速度慢，前景的变化速度快。
可以用帧差或光流有关算法去掉背景