在图像处理和计算机视觉研究领域中,视频目标分割作为其中的一个热点问题,在视频监控、人机交互、行为分析以及视频编辑等领域中起着非常重要的作用。图像分割的目的是简化或改变图像的表现形式,使得图像更容易理解和分析。在实际场景中,由于拍摄角度、阴影、以及人体目标之间的相互接触,会造成一个运动块对应多个人,这对人体的准确分割和跟踪是一个严峻的挑战。本文通过研究对比粘连人群分割的各种方法,提出了一种基于超像素和图模型的粘连人群分割和跟踪方法。首先,针对固定场景监控视频中背景复杂,存在噪声等问题,本文在Stauffer等人提出的经典自适应混合高斯背景模型基础上,为每个像素增加了时空信息,分别从时域和空域上对每个像素进行分类,减少了运算时间,滤去了部分噪声干扰。在阴影检测问题上,本文将基于HSV色彩空间的去阴影方法和基于LBP算子的去阴影方法相结合,有效地去除了运动目标的阴影。其次,本文介绍了一种改进的Hough圆检测方法,利用该方法对目标的头部进行检测,同时,结合卡尔曼滤波算法实现对目标的跟踪。最后,利用Turbopixels超像素分割算法对目标进行预分割,并使用人体模型,对目标进行模板匹配。根据人体先验形状信息和相邻像素块之间的颜色信息,在预分割图上构建一个带有权重的图模型,通过求解最优路径的方法找到粘连人体之间的最佳分割边界。