本文主要研究了静态背景和动态背景的视频对象分割问题，它是计算机视觉、智能安全监控、视频压缩编码等视频分析和处理的关键技术。视频对象分割和人工智能、模式识别和神经网络等学科联系密切，但目前分割算法在鲁棒性，精确性，通用性方面仍然面临较多难点，许多关键技术仍值得仔细研究。　　 本文首先介绍从上世纪七十年代以来国内外对视频对象分割的研究现状，分析了视频对象分割技术中使用的各类基础算法和预处理方法。对静态背景的视频对象分割算法和动态背景的视频对象分割算法进行深入研究。主要做了以下三方面工作。第一、在对静态视频对象分割技术研究的基础上，采用一种改进时空域联合视频对象分割算法。时域上利用改进的递归高阶统计，空域上利用边缘检测技术中Canny算子。改进后的递归高阶统计时空域联合分割算法利用视频序列前n帧间信息冗余度和累积帧差，有效减少噪声效应，并能精确检测运动缓慢的视频对象，克服了经典高阶统计算法的不足。第二、针对全局运动估计算法中计算量大和精度低的问题，采用一种改进的快速全局运动估计算法。该算法为解决前景对象对全局估计的不利影响，仅对图像特定区域进行全搜索，得出图像最佳的宏匹配块运动矢量作为改进三层金字塔多分辨率模型初始值，在不同的迭代层使用不同迭代模板并利用四参数仿射模型得出最佳全局运动矢量。在影响精度较小的情况下，大大提高全局运动参数估计速度。第三、利用改进后的全局运动估计算法，得出全局运动参数，对原图像进行全局运动补偿消除背景差异后，运用时空域联合视频对象分割算法对图像进行分割，得出完整的动态背景的视频对象。