语义分割是计算机视觉领域的基础任务,其作用在于通过对图像进行像素分类来辅助计算机进行场景理解,在现实生活中有着非常广泛的应用。近年来,图像语义分割任务取得突破性进展,以深度学习方法为基础的图像语义分割算法在分割精度和推理延迟上取得空前的进步。但是在大多数应用场景下,图像采集单元采集到的是连续的图像序列,这种序列中蕴含着重要的时空关联信息。直接运用图像语义分割算法对图像序列进行处理将忽略这种联系,带来庞大的计算需求和极高的推理延迟,影响语义分割算法在实际问题中的应用。针对于直接对原始图像序列进行处理导致算法计算复杂的问题,本文提出了一种在视频编码压缩域上进行视频语义分割的算法。该算法在视频压缩码流的基础上进行处理,通过部分解码视频码流后进行语义分割获得最终分割结果。根据视频码流结构特点,本文将视频帧划分为关键帧和非关键帧,采取不同的方法进行处理。在处理关键帧时直接对对应的视频码流进行完全解码获得原始图像,再使用语义分割网络进行分割图像生成。对于非关键帧,本文从码流中获得运动矢量,并结合关键帧特征图像进行特征传播生成非关键帧特征图像,最后根据非关键帧特征图像生成对应分割图像。由于从视频码流中获得的运动矢量包含噪声,本文使用中值滤波的方法对运动矢量进行处理。为了验证本文所提出的压缩域视频语义分割方法的性能,本文在Cityscapes数据集和Cam Vid数据集上进行试验。实验结果表明,相较于逐帧模型来说,本文提出的方法在分割精度未发生大幅下降的情况下推理速度有了大幅提升;相较于采用光流进行特征传播的方法来说,本文提出的方法在分割精度和速度上均有性能优势。实验数据有力的说明了本文所提出的方法可以合理有效的利用压缩域视频信息,实现视频数据的语义分割。