视频运动目标分割是计算机视觉领域的关键技术，是运动目标跟踪、识别和分析等的基础，具有重要的研究意义和应用价值。由于背景减除法、光流法、帧间差分法这些运动目标分割的常用方法，具有目标分割的盲目性和无选择性，使得一些不显著的运动目标也被分割出来，大大增加了后续图像处理的任务量和难度。如何尽可能完整且仅将人眼感兴趣的目标分割出来是一个需要重点研究的问题，这也是本文课题的重要研究意义所在。本文针对静止摄像机采集的视频进行了感兴趣目标分割研究，提出了一种新的融合空时显著性的感兴趣目标分割算法，自动地筛选出人眼感兴趣的运动目标并将其分割出来。主要工作和创新点如下：1.提出了融合了基于图论和马尔科夫链的空间显著图和基于运动矢量和熵的时间显著图的模型，将空间域静态信息和时间域动态信息同时引入到视频目标分割中来。2.针对运动目标分割存在背景伪点的问题，提出了基于背景减除和形态学膨胀的后处理算法。本文提出的模型和方法在不同场景采集的视频上进行了实验，并与目前流行的4种显著性模型所得的运动目标分割结果进行对比，实验结果表明将空时显著性引入运动目标分割中来，不仅能够有效地筛选出人眼感兴趣的目标，还能够提高算法的查准率，具有良好的分割效果，同时也证明了后处理方法的有效性。