视频运动对象分割是计算机视觉和视频处理领域一项关键技术,具有重要的研究和应用价值。本文针对单目、静止摄像机采集的视频,研究运动对象分割问题,取得的研究成果包括:(1)提出一种基于均值漂移的背景建模及运动对象分割算法。通过均值漂移方法检测概率密度的模式,实现准确的背景估计。针对均值漂移计算复杂度高的局限性,根据帧间时域相关性,提出简化的均值漂移算法;同时通过基于四叉树结构的层次化方法减少逐像素检测造成的冗余计算,先在粗的尺度上搜索运动像素,再逐步以更细的尺度渐近优化运动物体分割。(2)提出一种像素层背景模型及运动对象分割方法。本文利用背景运动局部性和时空变化相关性特征,将背景表示为一组具有相同统计特征的像素层,通过与像素邻域的层匹配来实现运动对象提取。本文在摄像机晃动等原因引起的像素时域变化不规则情况下,具有更稳定的分割效果。算法在空间与时间复杂度方面具有显著的优势。(3)提出一种基于图切分的视频运动对象分割算法。首先建立基于像素层的背景模型,并在对视频帧初步分割的基础上建立前景和阴影模型。采用直方图统计的方法估计阴影对背景像素产生的衰减比例,以建立更准确的阴影模型。通过MRF随机场描述邻域像素间的空域一致性关系,利用图切分方法来求解视频运动对象分割问题。在研究上述算法的基础上,开发了海事场景智能视频监控系统。系统从网络上获取海事场景的视频流,对用户定义的监控区域进行运动目标检测与跟踪,并根据用户定义的规则对异常事件进行告警。通过高效的运动目标分割与跟踪算法,以及分区域监控策略等方式来提高系统的速度,系统在微型计算机平台上实现多路视频的实时自动监控。