视觉中的“深度”度量被测区域至成像平面的垂直距离,是从普通传感设备捕获的二维视觉转换至三维立体视觉描述的重要的2.5维信息表征。单目深度分析利用单源视觉成像信息估计场景中各个区域(通常为目标)之间的深度关系,是计算机视觉立体感知与重建中一个重要的研究课题,在目标检测、场景理解以及视频监控等视觉任务中有着广泛的应用。深度排序是一种重要的二元布尔深度关系,刻画了视觉要素之间在深度上的相对属性,但对复杂场景中的深度排序仍存在以下难点：第一,“遮挡”是三维世界映射到二维平面的表象结果,利用遮挡线索可判断局部深度排序,但如何通过二维信息检测区域间的边界并准确判断遮挡关系非常困难；第二,遮挡线索在复杂场景中相对稀疏,且可能产生不一致的全局排序,如何消除这种排序中的歧义非常关键；第三,合理的深度排序关系满足全局深度布局约束,如何构建深度分析模型,融合局部和全局多个线索并进行有效推理是一项难题。同时,目标区域分割的准确性也会极大影响其深度分析质量。针对上述问题,本文主要开展了以下工作：(1)针对单一遮挡线索会引起深度排序模糊性的问题,通过采用目标地面接触点与水平消失线之间距离作为衡量不同目标位置关系的基准,形成全局深度布局,提供任意目标(特别是非相邻区域)之间的深度排序约束；(2)综合考虑局部遮挡线索和全局深度线索,构建条件随机场模型,节点为待排序的目标区域,设计局部遮挡深度线索的一元观测势函数和全局深度布局的二元约束势函数,采用置信度传播方法在节点间传播深度消息,进行全局深度推理,得到更可靠的深度排序结果；(3)针对运动线索对深度排序的影响,分析了场景中的区域运动特性和边界运动特性,通过融合静态外观特征和动态运动特征,研究了运动目标的提取和区域之间遮挡关系的判定,提升了局部区域的深度置信度。