随着图像处理技术的快速发展和广泛应用,其相关技术日益受到人们的重视。图像分割问题是计算机视觉领域一个比较有挑战性的课题。本文主要研究了混合高斯模型和水平集方法(GMMLS, Gaussian Mixture Model Level Set)在图像分割中的应用。本文首先简要介绍了图像分割的发展过程及其相关应用,尤其是运动分割的相关应用。相对于其他方法,GMMLS方法较好地综合了独立的区域信息、外部光照、不同拍摄角度和区域的互信息等属性,所以本文采用GMMLS来做图像分割。GMMLS方法在静态图像中得到了较好的应用[1],本文将其应用于运动跟踪并将该方法和其他运动跟踪算法做了对比。混合高斯方法假设相同的目标具有相同的特征,并通过期望最大化方法估计最优的参数和权重。水平集方法是一种图像分割方法。本文详细讨论了他们的应用。实验时,我们使用了多种场景(户内、户外、草地上、水上),多种的运动目标(人、动物)的视频数据,并统计了在各种条件下图像分割程序的执行时间、执行速度和准确度。我们使用SPSS软件统计分析了这些实验结果,最终结果表明该程序具有较好的准确度和较快的分割速度(平均速度1.05±0.30帧/秒),相对于Lokesh Peddireddi [126]提出的单目标跟踪和速度检测算法,我们的方法具有更高的准确度。