背景差分法，也稱為背景減法，是一種用於檢測視頻圖像中運動目標的方法。其基本原理是將當前幀與一個已經確定或實時獲取的背景參考模型（背景圖像）進行比較。通過計算兩者之間的像素差異，可以找出與背景像素差異超過特定閾值的區域，這些區域被視為運動區域，從而檢測到運動物體的位置、輪廓和大小等特徵。
這種方法非常適合於攝像機靜止的場景。背景差分法的性能好壞很大程度上取決於背景模型的建模、獲取和更新方法。如果背景圖像建模和模擬的準確程度高，將直接影響到運動目標檢測的效果。在實際套用中，如安防監控和野生動物追蹤等領域，背景差分法都表現出色。
此外，背景差分法對計算資源的需求相對較小，因此可以很容易地在如樹莓派或Jetson Nano等嵌入式設備上實現。在OpenCV等計算機視覺庫中，提供了多種背景差分方法，包括基於高斯混合模型（GMM）的方法和KNN算法等，這些方法可以根據不同的套用場景和需求進行選擇和調整。