近年来,海量视频数据的出现给视频存储以及视频内容分析带来较大的挑战。在视频内容分析中,目标通常是我们关注和研究的重点,如何将这些感兴趣的目标从背景中分离出来,是计算机视觉领域的一个重要的课题,有着较大的研究和应用价值,如在姿态识别,视频检索,以及视频摘要等领域发挥着重要的作用。然而,如何自动地发掘出视频中感兴趣的目标,并对此目标进行精确的分割是一个非常有挑战的问题。同时,为了满足视频大数据的快速处理需求,实现一种快速的目标分割方法是非常有必要的。为此,本文提出了两种不同的融合目标外观特征与运动特征的无监督在线目标分割算法,并给出了一个加速算法,实现了对目标的快速分割。本文工作的主要贡献和创新如下：1)提出一种融合外观与运动特征的目标分割方法。该方法结合目标运动所产生的运动边缘,以及目标的外观边缘对目标进行初始化,然后分别估计出目标和背景的高斯混合模型,并结合目标位置先验以及时空的平滑项建立马尔科夫随机场模型,最后用图割方法进行目标的准确分割。2)提出一种基于保边滤波的显著目标分割方法。该方法将目标的外观特征与运动特征融合到能量最小化的框架下,自动地发掘出视频中显著的目标,并在保边滤波的作用下保持目标良好的边界信息,由此得到较为准确的目标初始化结果,并在此基础上对目标进行准确分割。3)一种快速的在线目标分割方法,通过利用梯度驱动下采样和局部多点交叉滤波CLMF的加速算法对目标进行快速分割,并实现了在线的目标分割方法。该方法先通过保留滑动窗口中最大的梯度信息对视频帧进行降采样,在低分辨率的视频上利用分割算法进行目标的分割,并在原视频帧的引导下进行局部多点交叉滤波升采样,较好的保护了目标的边界信息,大大提高了分割效率。并利用当前帧的目标初始化结果来优化目标的外观高斯混合模型,实现了一种在线的目标分割方法,能够离线地对视频目标进行分割。