随着“平安城市”等计划的实施，视频监控系统将逐渐覆盖各种重要场合，生成的监控数据也会成千上万倍的增加。以人眼观看为主的监控视频分析已经不能满足这种海量数据的需求。因此，智能视频监控的必要性越发明显。在智能监控系统中，最重要的功能之一就是场景中目标对象和背景的分离，这通常是通过背景减除技术实现的。　　 虽然背景减除技术已经被研究了十几年，它仍然面临着很多的挑战，对象密集场景就是其中之一。在这类场景中，大部分对象运动缓慢甚至静止不动，传统的背景减除算法(GMM、KDE等)会失效，因为它们只能检测运动前景对象。一种有效地检测静止前景的方法是特征背景减除方法，它利用多个特征背景重构当前帧的背景。然而，在对象密度较高时，前景信息会融入到特征背景中，导致较高的漏检和误检。为了解决这个问题，本文提出了选择式的特征背景减除方法。本文的主要创新点包括：　　 第一，提出了基于最佳特征背景选择的块级背景减除算法。该算法对视频帧进行分块，对每一图像块单独处理，大大降低了训练样本中前景对象的比例和计算的时空复杂度；此外，为了在背景重构时将尽量少的前景信息引入到背景中，该算法在检测阶段为每个图像块选取最佳的特征背景，而不像传统方法利用所有的特征背景进行背景重构。实验结果表明，在对象密集场景中，该算法的性能高于传统的背景减除算法。　　 第二，提出了基于虚拟帧的像素级选择式特征背景减除算法，对特征背景减除算法作了进一步改进。一方面，该算法从视频中选取纯净的像素点构建不包含前景对象的“虚拟帧”。以虚拟帧作为训练和更新样本，特征背景的稳定性和纯净性大大提高。另一方面，在前景检测阶段，该算法为每个像素选取最佳的特征背景进行背景重构，从而使每个像素均获得最佳的背景重构结果。实验结果表明，与基于最佳特征背景选择的块级背景减除算法相比，该算法的性能有了更大的提升。　　 第三，将背景减除技术应用在了视频分析与编码中，开发了两个基于背景减除的智能监控系统。第一个是事件检测系统eSur，包括针对人的监控的eSurPerson子系统和针对交通监控的eSurVehicle子系统。利用前者我们在2009和2010年的TRECVID-SED国际评测中均获得了优异的成绩。第二个是基于背景建模的视频编解码系统SmartCam，包括软件实现与部分硬件实现。该系统将背景建模算法应用于AVS-S视频编码中，在保证视频质量的情况下大大降低了编码码率。　　 综上所述，本文针对对象密集场景的背景减除进行了研究，同时对其在智能监控系统中的应用作出了初步的探索。大量的实验结果展示了本文工作的可行性与有效性。