视频目标分割旨在将视频中的前景目标与背景像素分离,并对分别前景与背景像素赋予二值标签。近年来,视频目标分割被广泛的应用于各种领域,与此同时,越来越多优异的算法被相继提出。基于半监督的设定,视频目标分割可以总体上划分为基于掩码匹配与基于掩码传播两大类。其中,基于掩码匹配的视频目标分割利用第一帧的标注信息,通过相似性度量策略将标签对应至当前帧像素。基于掩码传播的视频目标分割则通过网络依次学习预测的前一帧掩码到当前帧的变形。然而,尽管拥有第一帧的标注信息作为参考,基于掩码匹配与基于掩码传播的视频目标分割均不同程度上受到目标变形、目标遮挡或光照变化等等带来的影响,无法保证当前帧与第一帧或前一帧的相似性,导致算法在长视频下分割效果不佳。对此,本文在开展了大量的理论研究的前提下,针对掩码匹配与掩码传播算法的优缺点,提出理论创新,并针对机场场面监控场景的视频目标分割应用进行相应改进。本文的主要工作如下:1、提出一种全新的半监督视频目标分割算法。结合基于掩码匹配与掩码传播算法的优点,使网络不仅仅依赖于第一帧的人工标注或前一帧网络的预测结果。在不需要在线微调的情况下,减小掩码传播过程中带来的误差累积问题。为验证本文算法的有效性,在DAVIS数据集上进行了实验,实验证明算法在视频传播的过程中具有良好的鲁棒性。2、设计了一种关键帧提取策略。本文提出了掩码排序模块,在掩码传播的中间过程中,动态地选择最有指导性的掩码来引导分割。通过掩码排序模块,网络有效的利用了视频中的长期信息,不仅可以避免基于匹配方法的硬分类带来的绝对性,而且相比于不带任何调整策略的掩码传播方法,本文的算法更具有灵活性。3、考虑机场环境的特殊性,利用机场场面先验信息ADS-B解决机场场面监控视频目标分割问题。通过ADS-B的定位信息,从时间和空间角度分别解决机场场面下目标的时空错位问题。在机场场面监控数据集AGVS上验证了算法的有效性,对比其他现有的视频目标分割算法在机场数据集的结果,实验结果表明使用ADS-B位置先验信息可以有效提高机场场面监控视频分割效果。