计算机视觉技术得到了国内外广大学者们越来越多的关注。其中有关视频图像中运动对象的分割提取技术是最为基础和重要的一个研究方面。从视频中快速,准确的分割提取出运动目标,对后续工作的实现至关重要。为了达到快速,精确的分割提取出运动人体的目的,该领域的学者们进行了广泛而深入的研究,并且已经提出了很多有关分割提取的算法。在诸多基于视频图像中人体运动对象的分割提取方法中,混合高斯模型方法是一个经典算法。国内外学者对其进行了深入而广泛的研究和改进。该算法可以适用于较复杂的应用场景,但存在的问题是视频处理时间较长、分割提取后的运动和背景部分仍然存在误分割的像素点。为此,本文提出一个两阶段的视频运动人体分割提取方法。第一阶段在原有混合高斯模型算法的基础上,根据像素点与同一个高斯分布匹配的稳定性,将图像划分成不同区域,根据视频图像中的不同区域采用不同的参数更新策略。对于变化比较稳定的区域,参数进行周期的更新,而变化较为剧烈的区域,参数仍然实时进行更新。这样有效避免了整个图像中每个高斯参数都要进行实时更新匹配的问题,从而缩短了算法的处理时间。通过以上改进后的混和高斯模型方法处理之后,仍然存在分割提取出的运动人体部分边缘毛躁不精确,背景区域含有噪声点的误分割问题。第二阶段采用图切割的方法进行分割提取。将第一阶段分割提取出的运动人体部分,经过膨胀处理,得到扩大后的运动区域作为图切割区域。利用像素点间的空间相关性和同一图像中前景/背景颜色的自相近性定义图切割能量函数。另外,考虑到运动人体会受到阴影的影响,根据HSV颜色模型中阴影的颜色特性,将阴影抑制项添加到能量函数式中。实验表明,分割提取出的运动人体边缘平滑精确,不含阴影;背景部分没有噪声点。在保证精确处理的同时,算法处理速度较快,可以达到人眼视觉对视频的实时性要求。