본 논문은 몰입형 인터페이스 개발을 위한 기초 연구인 배경분리기법을 이용한 객체검출과 검출된 객체에 대한 효과적인 후-처리기술에 관한 연구이다. 대표적인 배경분리기법으로서 AMF(Approximated Median Filtering)는 재귀적 방법으로 처리속도와 메모리 사용에서 효율적이다. 하지만 긍정곡선영역(Positively curved region)에 대한 처리 때문에 객체내부의 손실을 발생시키고 처리속도가 느리다. 이를 극복하기 위해 본 논문에서는 수정된 AMF방법을 제안하고, 적응적 가우시안 혼합 모델(Adaptive Gaussian Mixture Model)과 고유배경모델(Eigen-background)의 성능평가를 통해 수정된 AMF의 우수성을 증명한다. 또한 정확하고 빠른 객체검출을 위해서 제안된 배경분리기법을 통해 얻은 이진 전경 분할 마스크(Binary Foreground Segmentation Mask)와 사전 프로파일링 정보를 사용해서 제안된 상황 인지 시스템의 우수성을 증명했다.We study an object detection method using modifies AMF(Approximated Median Filtering) background subtraction and effective post-processing techniques for developing immersive interface. AMF as a typical background subtraction technique is effective in processing time and memory usage by recursive technique. But it works with loss on the interior of object and slow processing time because of a step of positively curved region processing. To overcome these problems, we propose the modified AMF with proof of its superiority by performance evaluation of adaptive Gaussian mixture model and Eigen-background. Also, to detect objects rapidly and precisely, we propose the quality of a proposed context-awareness system using a binary foreground segmentation mask acquired through a proposed background subtraction technique and pre-profiles information.