如今,对视频内容进行搜索和检索的需求越来越迫切,人们对视频中运动对象的提取和跟踪尤其感兴趣。视频通常是以压缩形式保存的,因此人们倾向于不将视频解压,而直接在压缩域中提取运动对象,从而节省大量的解码时间。此外,压缩码流中的很多信息,如运动矢量(motion vector, mv),可以直接用于提取运动对象。目前,已经有很多学者做过这方面的研究,不过他们的算法基本上都是针对第一代视频压缩标准(MPEG-1、MPEG-2等)提出的。第二代视频压缩标准(H.264、AVS等)采用了很多先进的编码技术,使得在保持相同视频质量的情况下,码率大大下降,但同时也使得传统的压缩域提取算法失效。因此,有必要研究针对第二代视频标准的提取算法。本文在湖北省自然科学基金项目(NO. CGZ0223)的资助下,研究了基于第二代视频压缩标准的运动对象提取和跟踪算法。本文基于最新的第二代视频压缩标准,提出了一套新颖而有效的运动对象提取算法。这套算法包括一种新的矢量中值滤波算法――分离矢量中值滤波(separate-VM, SVM)算法,在取得良好滤波效果的前提下,计算复杂度大大降低。然后是一种基于运动矢量团聚体时间相关性的运动对象提取算法,能准确地分割运动对象,并具有很高的鲁棒性。最后本文提出一种简单有效的处理帧内编码块的方法,能将帧内块划归到正确的运动对象或背景中去。实验结果显示,本文提出的提取算法分割效果优于其他算法。此外,本文还提出了一种基于运动参考的运动对象跟踪算法,主要利用帧间块的参考索引来做跟踪。最后针对跟踪时经常发生运动对象丢失的情况,提出了一种专门处理丢失运动对象的算法,该算法的主要思想是根据匀加速运动模型,通过丢失运动对象在前两帧的位置及运动矢量来预测其在当前帧的位置,期间还需要考虑帧内块的影响。实验结果表明,该跟踪算法取得了良好的效果。