视频对象分割技术是计算机视觉中一项基础而关键的技术,它旨在按照一定的标准分割出视频序列中人们感兴趣的区域,包括静态场景视频中出现的行人,动态场景视频中拍摄的主体对象等。该技术广泛应用于智能视频监控、视频会议、智能交通等领域。现有的视频对象分割方法可以分为基于半监督的传统方法,基于无监督的传统方法,基于半监督的深度学习方法以及基于无监督的深度学习方法。基于半监督的方法在使用过程中需要人机交互,因此可应用的范围十分有限。而无监督的传统方法,由于是人为设计的特征提取器,难以在复杂多变的环境下保持良好的分割效果。虽然无监督的深度学习方法无需人工设计特征提取器,可以利用网络自主学习需要用到的特征,对不同的场景具有更好的适应性。但通过网络端到端的进行分割难以同时做到分割出完整对象且不产生被误判为对象的背景区域。为了提高分割精度,并将方法应用于较多的场景中,本文提出了基于无监督的深度学习,并结合传统方法的覆盖-种子融合网络。覆盖-种子融合网络由覆盖分支、种子分支和融合部分共同组成。其中,覆盖分支用于解决分割出来的目标对象缺损或边界不准确的问题,种子分支和融合部分则解决产生错误分割为前景的背景区域的问题。两个分支采用相同的神经网络结构,通过不同的损失函数和评价指标分别得到两个分支的模型。而融合部分则采用传统图像处理方法中的区域生长算法,以种子分支的输出为区域生长算法的种子,以覆盖分支的输出为其中一个生长约束条件,通过对种子分支的输出进行生长得到最终的分割结果。进一步地,根据采用的分支结构的不同,可以将本文提出的覆盖-种子融合网络分为不利用帧间信息的覆盖-种子融合网络和利用光流的覆盖-种子融合网络。为了验证网络各部分的有效性以及网络的整体性能,本文分别对两种覆盖-种子融合网络的各组成部分进行了消去实验,并在三个公开的视频对象分割数据集与其它经典的视频对象分割方法进行对比,实验结果证明了该网络的有效性。