智能视频监控系统是新型智能化的数字视频处理系统,广泛应用于室内外安全防范、城市道路交通监控等方面。视频运动对象分割是视频监控系统中的一项关键技术,又是基于内容的视频应用的首要任务,因此,如何能有效地将运动物体从视频图像中分割出来以及分割质量的好坏,将直接影响到智能视频监控中的识别与跟踪、视频图像的压缩。但由于目前的视频对象分割算法本身仍然有着较多的问题,如视频对象分割的可靠性和鲁棒性得不到满足,已有算法都是针对特定的应用提出来的等,而适合任何场景的全自动视频分割算法是一个急待解决的关键问题。因此,开展对视频对象分割技术更深入的研究,找到一种更有效的视频分割方法,以便更好的应用于智能视频监控系统中,具有十分重要的理论价值和现实意义。本论文在分析前人研究成果的基础上,对视频运动对象的分割技术进行了深入的研究,提出了将边缘检测与二次帧差法相结合的方法来对视频对象的运动区域进行检测;该方法可以很好地避免由于遮挡与显露问题而将背景区域错判为前景区域,同时更有助于抑制随机噪声的影响,从而可以得到运动目标的基本形状。针对智能视频监控系统中的运动对象易受噪声、光照等的影响,以及对实时性要求较高的问题,在分析现有算法的基础上,提出了一种基于改进自适应遗传算法的最小误差分割算法;算法对交叉算子和变异算子采用了一种自适应的方法,在选取初始种群的时候使用的不再是随机产生的办法,而是利用了前面一帧的最优信息,实验表明该算法对噪声的抑制效果较好,实时性也得到了很大的提高。最后对分割结果进行了形态滤波,以此来消除杂点等,恢复出图像序列中的运动前景。分割实验结果表明,本论文算法分割效果较好,与一些算法相比实时性得到了提高。