随着计算机技术和其它交叉领域技术的飞速发展,数字视频在我们生活中扮演着越来越重要的角色。而新一代的视频编码标准MPEG-4提出的基于对象的编码方式,使得作为计算机视觉的基本问题之一的数字视频的对象分割,得到了很多学者和专家的深入研究。视频对象分割技术的应用领域不断扩大,如视频监控、视频检索、运动跟踪、模式识别及控制等。基于运动对象的视频分割方法成为目前国内外研究的热点。文中我们首先研究了基于高斯混合模型的运动检测视频分割技术,并针对该方法中光照变化的问题以及模型的稳定性的问题提出了相关的改进。由于单纯的时域检测方法始终存在着局限,无法获取运动对象较精确的边缘,基于此,我们提出了时域分割与空域分割相结合的时空融合算法。在空域的分割中,我们采用聚类的思想,将改进的k-means聚类与EM算法联合起来,把具有相同特征的像素点划分到同一区域中完成空域分割。时域的分割采用多帧间差法结合canny边缘算子获取运动模板。利用时域分割和空域分割的信息融合,提取出最终的视频运动对象。本文将时域分割与空域分割相结合,在获取运动对象的时候考虑到了空间对象的结构特征信息及意义,相比于单纯的利用运动检测进行分割,它能更精确的获取运动对象的边缘信息。同时,基于改进的k-means聚类及改进的EM算法能够降低计算的复杂度,更迅速的获取结果。实验证明,该方法能够获得较好的效果。