Avanzar en el método de sustracción de fondo en escenas dinámicas es un objetivo oportuno y continuo para muchos investigadores. Recientemente, se han desarrollado métodos de sustracción de fondo con características convolucionales profundas, lo que ha mejorado su rendimiento. Sin embargo, la mayoría de estos métodos profundos son supervisados, solo están disponibles para ciertas escenas y tienen un alto costo computacional. En contraste, los métodos tradicionales de sustracción de fondo tienen costos computacionales bajos y pueden aplicarse a escenas generales. Por lo tanto, en este artículo, proponemos un método no supervisado y conciso basado en las características aprendidas de una red neuronal convolucional profunda para refinar los métodos tradicionales de sustracción de fondo. Para el método propuesto, las características de nivel bajo de una imagen de entrada se extraen de la capa inferior de una red neuronal convolucional preentrenada, y se retienen las características principales para establecer aún más el modelo de fondo dinámico. La evaluación de los experimentos en escenas dinámicas demuestra que el método propuesto mejora significativamente el rendimiento de los métodos tradicionales de sustracción de fondo.