视频目标分割旨在自动分离视频中的前景和背景区域,是一种能够对视频进行精确像素级分类的技术。根据测试阶段是否利用初始帧掩膜标注,该技术可分为无监督和半监督两大类别。视频目标分割在视频编码、智能监控和人机交互等领域有重要意义。近年来,随着深度学习的发展,视频目标分割也取得了重大的进展。但是,高精度的算法仍然非常匮乏,其原因在于所学模型难以有效应对复杂视频场景的变化,如严重遮挡、剧烈形变、快速运动、相似目标干扰等。而合理、充分利用视频中隐含的丰富时序信息,有助于解决这些问题。本文从无监督视频目标分割研究到半监督视频目标分割,对基于时序信息融合的视频目标分割算法进行了深入的研究,成果如下:（1）提出了基于特征对齐和上下文感知的无监督视频目标分割算法。针对视频帧间物体运动变化复杂和局部语义表征不足的问题,通过两个专门模块将多帧特征先对齐再提取上下文语义,以充分利用相邻帧间时序运动信息并建立语义相关性。首先,对齐模块将左、右两帧特征分别以中间帧为基准进行对齐,以减弱相邻帧间变化,并捕获短时时序信息。然后,上下文模块通过邻域匹配技术建模时空域上的特征相似性,能够增强时空上下文的语义表征并且减少背景杂波的干扰。最后,在三个常用的标准数据集DAVIS 2016、FBMS和You Tube-Objects上进行了大量评测,充分验证了本方法的优越性能。（2）提出了基于双重时序记忆的半监督视频目标分割算法。为进一步提高分割结果和方便地处理多目标视频,引入初始帧掩膜标注,通过半监督路线进一步研究视频目标分割。设计了两个专门模块将时序信息解耦为短时时序信息和长时时序信息两种,分别提取、保存和记忆这两种视频序列特征,以进一步解决视频目标分割中的时序建模问题。首先,短时记忆模块通过图卷积技术建模一定时间窗口内的帧间特征相似性,以保持短时目标特征的视觉一致性。然后,长时记忆模块通过一个简化的卷积门控循环单元建模目标外观在视频中的长期演化过程,以捕捉全局、稳定的特征,来克服遮挡和突变可能造成的分割错误。另外,所有提取的特征都被送入一个反馈多核融合模块,通过特征反馈机制允许网络前层融合后层有用信息,进一步增强模型的判别能力。最后,在三个常用的标准数据集DAVIS 2016、DAVIS 2017和You Tube-VOS上进行了大量评测,充分验证了本方法的优越性能。