现代电影电视技术的发展不断给人们带来更新更好的视听体验。伴随着3D显示技术和3D电影的成功，以及人们对3D体验的热衷，3D视频产业也逐渐备受关注。然而，3D视频的拍摄对资源和时间的消耗较大，现有拍摄的立体视频资源相对匮乏。相比之下，高质量的2D视频资源丰富，将这些2D视频转换成3D视频将可以大大地弥补3D视频的不足，促进并有助于3D电影电视等相关行业的发展与进步。将2D的视频转化为3D视频，需要补充2D场景的景深信息，即获取2D视频帧图像对应的深度图，再利用DIBR(Depth Map Based Rendering)的技术生成3D呈像需要的左右视图。本文主要探讨了从二维的视频帧图中，利用运动分析的结果和参数，提取出深度信息的途径。首先，以光流场的灰度梯度方程为基础，使用金字塔分割的方式提高估计精度，并且在计算灰度梯度时引入运动参量，采用迭代逼近的方法求解模型约束，获得运动场；再根据相位梯度方程，采用Gabor滤波器组提取相位信息，估计出另一个运动场，二者综合。然后，对场景分割，分别使用边沿检测和区域生长的方法，根据分割信息对物体区域内部进行运动矢量的平滑处理。其次，利用人眼易于将快速运动物体识别为前景和物理尺度随着与摄像机的远离而缩小的特性，将速度越快的物体设置为更近的景深，从而获得深度图。最后，对深度图进行直方图均衡化，并采用形态学的方法对深度图进行滤波，提高深度图的质量。二维视频的深度信息提取技术具有广阔的发展和应用前景。它以人类的立体视觉特性为基础，从2D场景中利用现代图像处理的技术提取景深信息。本文利用场景的运动信息提取出深度信息，并通过实验验证了利用运动信息获取深度信息的可行性，取得了较好的实验结果。