视频运动分割是计算机视觉领域的一个基础研究分支,它是智能监控、人机交互、导航制导以及工业机器人等应用领域的基础。视频运动分割就是将图像序列中的运动目标区域按照一定的标准分割出来,现有的分割方法主要是利用运动物体在边缘、纹理、时空特征等方面的差异进行分割。但是在实际应用中,复杂场景、相机移动、多目标、遮挡等因素使进行精确并且稳定的运动分割变得非常困难。本文对现有的视频运动目标分割算法进行了深入的研究,本文所做的主要工作如下:(1)叙述了图像分割和视频运动目标分割的基本概念,分析了不同视频运动分割算法的划分标准以及各自的优缺点。视频中运动物体的信息很难用一些简单的边缘、颜色、纹理等特征来描述,所以本文采用了一种基于时空域的特征描述。(2)为包含足够多的运动信息,本文对视频帧进行稠密采样,并对这些采样的时空特征点进行过滤,去除一些结构信息不明显难以跟踪的特征点,然后用光流法对这些采样点进行跟踪并提取运动轨迹。为描述运动物体的运动信息,在特定的时间窗口内定义了两条轨迹间的距离。(3)提出了一种基于谱聚类的视频运动分割算法,利用视频中运动物体的轨迹具有相似性这一观察对稠密采样点的轨迹进行聚类分析,实现运动物体的分割。利用轨迹间的距离构造了相似度矩阵,此外,提出在用经典聚类算法对相似度矩阵聚类的同时,加入视频中运动物体的结构信息以提高聚类的效果。并通过实验验证了该算法的可行性。