目前3D电影市场日益活跃,立体电影由于给观看者带来了震撼的真实感和视觉体验,得到越来越多人的喜爱。但受到立体摄像机拍摄成本和三维视频资源匮乏等问题的限制,二维到三维视频转换技术得到广泛关注。其中,深度提取是二维到三维视频转换过程中的关键技术。由于利用单一深度线索提取二维视频深度信息局限性较大,本论文采用多种深度线索获取二维视频深度,以提高视频深度提取效果。通过阅读国内外二维视频深度提取技术相关的文献,发现每种深度线索对应场景的限制较多。为此针对视频序列的帧间信息,采用运动线索提取视频帧运动信息,通过利用基于块匹配运动估计算法获得视频帧运动矢量,进而估计视频帧的帧间深度信息。针对视频序列的帧内信息,采用纹理及雾度线索提取视频帧的深度特征,然后利用模型学习,进而估计视频帧的帧内深度信息。在此基础上,为了获得更好地二维视频深度提取效果,提出了基于二维视频帧间帧内线索融合的深度提取方法。通过计算相邻视频帧的信息熵,将运动区域检测问题归类为模式识别中样本分类问题。将视频帧的背景区域及运动区域作为两类样本,利用Neyman-Pearson准则确定样本的分界面,即获得视频帧的运动区域。由于视频帧背景区域的深度信息是完全由帧内深度决定,为此针对视频帧的背景区域采用帧内深度；针对视频帧的运动区域构建帧间、帧内信息融合函数将两类深度信息结合。通过采用不同数学函数来确定融合系数函数的形式,将帧间、帧内深度信息有效的融合以提高二维视频深度提取效果。实验结果和真实深度比较,证实了提出方法的有效性。