复杂背景下的图像分割问题一直是图像处理领域的一个经典难题。由于拍摄硬件与技术、拍摄角度、天气条件、光照条件、运动目标大小速度等客观因素影响,图像存在颜色相近、噪声多样、分辨率不高、光照不均等问题,对于图像分割带来极大的困难。本文研究了传统图像分割常用的一些经典方法,阅读大量国内外文献,通过学习了解到单靠传统单一分割方法并没有办法有效解决复杂背景下的图像分割问题,更无法解决复杂背景下的多目标的分割。随着技术进步,硬件器材的更新,人们可以获取视频信息并用于实际应用处理,这也符合技术进步和现实生活应用的要求。计算机视觉方面出现大量研究。处理图像序列已经是研究热点,并给本文的研究提供了研究方向。图像序列最大的特点是:它有丰富的原始数据、相近帧间的强相关性以及时域上的动态时变模式等在很大程度上使运动目标易于检测、分割和识别。与静态图像相比,图像序列最大优点就在于对运动信息的捕获。对于运动目标的检测和分割是图像序列处理的重点。对于序列图像的处理上,重点学习研究运动目标检测与分割常用的三种方法:帧差法、背景差法和光流法,通过对运动信息的检测和处理来区别出目标和背景是本文解决问题的第一个关键,本文在仔细研究光流场计算基础上提出一种改进的光流场计算方法。本文图像来源于视频,通过学习比较采用光流法来处理图像来源视频,得到图像中运动目标的初检结果作为参考信息。将光流结果作为单幅图像帧(静态图像)粗略标定前景和背景的依据,执行静态图像Grabcut算法得到最终分割结果。通过将检测图像序列中的运动信息和成熟静态图像分割算法相结合,来解决复杂背景下图像分割的问题,是本文解决问题的第二个关键。最后,用来自于网络上剪辑的视频进行算法验证,证明本文思路可行。