视频目标分割和跟踪是许多计算机视觉应用的重要组成部分,如基于运动的识别,人机交互,自动监视和交通监控这些方面。分割就是将图像帧中的前景区域从背景中分离出来。跟踪可以被定义为当图像平面在场景周围移动时估计物体运动轨迹的问题。分割和跟踪算法可根据其操作域分为两大类:像素域算法和压缩域算法。像素域算法的特点是精确度高,但计算复杂度高。较高的计算复杂度会限制其在需要并行处理若干视频流的场景中的应用。压缩域算法使用压缩视频比特流中编码的数据,诸如运动矢量,块编码模式或运动补偿预测残差的变换系数。压缩域算法避免了视频完全解码,通常具有较低的计算成本。本文分别介绍了在压缩域中进行的视频目标分割方法和视频目标跟踪算法,主要工作如下:1.设计了一种基于块编码模式的边界细化方法。算法基本框架是,将具有非零运动矢量的块聚集到连接的前景区域中,运用目标区域跟踪以去除前景区域中的噪声区域。通过使用块编码模式进一步细化边界区域,提高了算法的分割精度。2.利用压缩域的I帧信息在基于时空马尔科夫模型的跟踪算法上对目标进行跟踪,该算法仅使用MV和块编码模式,利用运动目标的空间和时间相关性进行逐帧跟踪。在完成每个图像组之后利用压缩域I帧信息更新标记场,该算法改善了由于误差累积造成的跟踪精度下降问题。3.基于H.264块尺度不同的特点,实验验证了在不同分块尺度下基于时空马尔科夫模型的目标跟踪方法的跟踪结果的不同。结果表明,分块越小,精度越高,对于运动模式不同的目标,跟踪结果也有差异。为以后的动态分块跟踪打下基础。