随着多媒体技术的飞速发展和第二代视频编码的出现，视频对象分割技术展现出广阔的应用前景。大多数的视频数据都是以压缩形式存储的，为了提取对象，要首先解码压缩视频流，这大大增加了分割时间。因此，越来越多的学者开始关注直接从压缩序列中提取视频对象。 2003年3月由ITU-T通过并在国际上正式颁布的新一代视频压缩标准H.264/AVC，以其优异的压缩性能和良好的网络亲和性成为视频压缩领域关注的焦点。对H.264压缩域中的视频对象分割技术的研究意义重大。 视频对象分割的挑战主要来自两方面，一方面是现实世界中场景的极度复杂性和多样性很难为它们建立一个统一的先验模型：另一方面视频对象的语义属于高级特征，很难通过运动、纹理等低级特征来进行准确的定义和描述。因此，从可行性角度出发，目前的视频对象分割大都集中在运动目标的分割上。本文也是如此。文中对H.264压缩域中的视频运动对象分割方法进行了研究： 1.将从H.264编码端提取出的运动矢量进行归一化，然后采用后向迭代投影算法积累运动矢量并进行空间内插，得到稠密运动矢量场，解决了运动矢量过于稀疏的问题，并使用中值滤波有效去除了稠密化后增加的伪矢量。 2.用了全局运动补偿技术有效抵消了全局运动的影响，使很多具有全局运动的场合归一成静止背景下的运动对象分割问题。 3.改进了基于RSST(递归最短生成树)的方法并对稠密化后的运动矢量进行聚类，实现运动视频对象的分割。算法可根据用户定义的运动对象的不同数目达到不同的分割效果，以满足不同场合的需要。实验证明，此方法能够较好地分割出运动对象。