随着我国“平安城市”、“智慧城市”等国家信息化建设战略的不停推进，视频监控成为视觉信息采集的重要基础设施。视频大数据是大数据的重要组成部分，视频数据不同于其他媒体数据，它包含的内容是非常丰富的。由于云计算和大数据技术的进步，如何快速从大规模视频数据提取有效信息，并利用其为计算机视觉服务，成为一个值得深入研究的热点问题。以此为动机，我们的研究课题选为“大规模视频目标抽取的技术及应用研究”，期望在此领域得到有意义的研究成果。　　本研究工作的目的是准确有效地抽取视频目标，鉴于此，本文从以下三个方面展开深入研究:(1)多层自适应的图像分割方法;(2)前景抽取方法;(3)显著目标抽取方法。取得了以下的研究成果:　　(1)提出了一种新的多层自适应图像分割方法。从分割的准确率来看，比传统的Ncut(Normalized Cuts)方法有较大的提高，部分图像分割准确率超过20％，为后续的目标抽取方法奠定了坚实的基础。　　(2)提出了一种有效的前景提取方法。首先使用高斯变差提取到图像的关键前景，利用遗传机制在有效的轮廓范围内进行遗传再生得到最终前景。实验表明，该方法有较好的前景抽取效果。　　(3)给出了一种新的显著目标抽取方法。首先利用移动区域对比方法(Moving Region Contrast，MRC)，获取图像的候选显著目标区域，再结合遗传机制，抽取得到最终的显著目标。从大量的实验结果来看，该方法比MRC技术性能更优，抽取目标准确率更高。　　另外，本文利用Hadoop在MATLAB上搭建了大规模分布式目标抽取的实验平台，实现了大规模视频数据的快速分布式目标抽取，显著提高了算法执行效率。　　总之，本文的研究成果直接应用于智能视觉、机器人、无人驾驶等技术领域，有重要的应用价值，能产生不可估量的经济效益。