随着计算机视觉技术的不断发展,视频图像已经成为传递信息的重要媒介,如何从海量的视频数据中高效率地提取目标的需求与日俱增,背景减除作为实现目标检测的关键技术,已经成为计算机视觉领域重要研究课题之一。近三十年来,国内外学者基于背景建模等理论对背景减除做了深入研究,并尝试将其从实验推广到实际应用。然而,实际应用中视频场景复杂多变,传统背景减除算法难以准确提取前景目标。近年来,深度学习凭借其对图像数据的强大表征能力,在计算机视觉任务中被广泛应用,一些研究人员已经尝试将深度学习应用到背景减除任务中,提高了背景减除算法泛化能力。本文基于深度学习相关理论,设计了两种能有效处理多种复杂场景的背景减除模型:提出了一种基于注意力机制的多尺度背景减除模型。在图像分割领域中,多尺度结构能促使模型提取不同尺度的特征,生成精细分割结果。因此,有研究人员尝试使用多尺度结构构建用于背景减除的神经网络模型。但是,目前基于多尺度结构的背景减除模型在融合不同尺度特征时,没有对不同尺度特征进行选择。针对这个问题,提出将注意力机制引入到多尺度结构中,使模型能够产生注意力感知的多尺度特征。另外,还设计了多输入编码器和多标签监督解码器,使模型能在深度监督的训练方式下提取更丰富的多尺度特征。为了评估模型的性能,我们在CDnet-2014和LASIESTA数据集上进行测试实验,证明了所提出的方法具有较高的鲁棒性。还提出了一种基于条件对抗网(CGAN,conditional Generative Adversarial Networks)的背景减除模型。随着研究人员对生成对抗网络(GAN,Generative Adversarial Networks)的不断优化,GAN在图像分割任务中应用越来越广泛,一些研究人员已经将其应用到了背景减除任务,但是目前基于GAN的背景减除模型都将背景图片作为先验信息,因此其模型的背景减除效果会受限于背景图片的质量,且都没有考虑视频序列的时态信息。针对上述问题,提出了一种基于CGAN的背景减除模型,与先前的基于GAN的模型不同,由两个CGAN模块分别构成静态检测模块和动态检测模块,静态检测以单帧图像作为先验条件,提取图片的空间特征生成静态检测结果。动态检测模块结合了静态检测结果及其相邻视频帧作为先验条件,聚合相邻帧的动态信息生成最终的检测结果。在CDnet-2014数据集上的实验结果证明了本文所提出的模型具有较高的鲁棒性。