تخمین حرکت به دلیل بار محاسباتی بسیار بالایی که دارد مهم ترین بخش فشرده سازی ویدئو محسوب می شود. معروف ترین الگوریتم تخمین حرکت جستجوی سراسری است که تمامی بلوک های پنجره ی جستجو را برای یافتن شبیه ترین بلوک به بلوک جاری جستجو می کند. در راستای کاهش محاسبات الگوریتم سنتی جستجوی سراسری که همه ی بلوک های پنجره ی جستجو را جستجو می کند، الگوریتم های بسیار زیادی معرفی گردیدند که اکثراً با الگوی جستجوی ثابت سعی در یافتن شبیه ترین بلوک دارند. در این پایان نامه با استفاده از ویژگی مارکوف که بیان می کند ویژگی هر متغیر تصادفی به متغیرهای تصادفی همسایه ی خود وابسته است، یک الگوی جستجو با تعداد نقاط متغیر معرفی می شود. در الگوریتم معرفی شده بردارهای حرکت به عنوان متغیرهای تصادفی می باشند که حرکت آنها فقط به حرکت بلوک های همسایه ی مکانی و زمانی وابسته می باشد. الگوریتم های گوناگون هنگام جستجوی هر بلوک، اگر آن بلوک به بلوک جاری به اندازه ی کافی شبیه باشد، متوقف شده و آن بلوک را به عنوان بهترین بلوک انتخاب می کنند که به این تکنیک " توقف در نیمه مسیر" گفته می شود. برای استفاده موثر از تکنیک " توقف در نیمه مسیر" بلوک های همسایه بر حسب ضابطه ای که برایشان به دست آمده اولویت بندی شده و بر این اساس جستجو می شوند. زمانی که ضابطه ی تطبیق از مقدار آستانه کمتر باشد الگوریتم متوقف می شود و بدین صورت سرعت الگوریتم افزایش می یابد. نتایج حاصل از شبیه سازی نشان می دهند که psnr الگوریتم معرفی شده نسبت به الگوریتم هایی که از الگوی ثابت استفاده می کنند، بیشتر بوده و بسیار نزدیک به الگوریتم جستجوی سراسری است و در همین حال متوسط تعداد جستجوها برای الگوریتم پیشنهادی بسیار کمتر است. به عنوان مثال الگوریتم پیشنهادی نسبت به ptss که در سال 2013 معرفی شده db63/0?06/0 افزایش psnr دارد و نزدیک به 60% متوسط تعداد جستجوها کاهش داشته است. نتایج حاصل از شبیه سازی نشان می دهند که psnr الگوریتم معرفی شده نسبت به الگوریتم هایی که از الگوی ثابت استفاده می کنند، بیشتر بوده و بسیار نزدیک به الگوریتم جستجوی سراسری است و در همین حال متوسط تعداد جستجوها برای الگوریتم پیشنهادی بسیار کمتر است. به عنوان مثال الگوریتم پیشنهادی نسبت به ptss که در سال 2013 معرفی شده db63/0?06/0 افزایش psnr دارد و نزدیک به 60% متوسط تعداد جستجوها کاهش داشته است.