在过去的十多年里，活动轮廓和可变形模板已受到了计算机视觉领域的广泛关注。它们用于图象序列中指定的运动对象的分割与跟踪。对基于对象进行压缩编码的视频对象分割，数字视觉效果，检测视频对象的出现与消失，基于内容的视频索引中的对象交互，视频序列中运动对象可视边界的分割与跟踪都是一个重要的问题。在视频编码中，基于内容和利用人眼视觉特性的第2代编码技术已经提出，提取视频对象可以很大地提高压缩效率，并为存储和传输提供了便利。在MPE6-4标准和正在制定的MPE6-7标准中提出了基于对象的检索和浏览技术。在互联网领域的WEB技术中，我们需要提取视频对象，以对静止或动态场景进行查询和交互。另外在模式识别、计算机视觉、视频检索等领域也得到了广泛的应用。 随着MPEG-4压缩标准的制定，分割及跟踪视频运动对象的研究显得极其重要。在MPEG-4视频编码标准中，为了实现基于视频内容的交互功能，其视频序列的每一帧由视频对象面(VOP)来表示。为了生成视频对象面，需要对视频序列中的运动对象进行有效的分割；并跟踪运动对象随时间的变化，为此提出并实现了一种用于分割及跟踪视频运动对象的时空联合方法。时间分割中采用连续帧间差的统计假设检验，确定运动对象的位置，自动地分离出运动区域与背景区域；空间分割中则采用基于颜色的区域增长算法来精确地提取运动对象的轮廓；最后，将提取到的运动对象作为模板，对后续的视频序列，用基于Hausdorff距离度量匹配，来跟踪并提取后续帧中运动对象。 本文采用的分割顺序是先时间分割后空间分割，这样只须对主要运动区域进行区域增长的分割，有利于缩短空间分割的时间。对于背景简单的图象序列，结合运动检测的结果采用排除的方法很快就能排除数目较少的那些不属于对象的区域，提取出具有精确边界的对象。对于背景复杂的或者对象纹理比较一致的图象序列，适当选择投影时某一区域中属于运动象素点的比值，该算法也能提取出对象，具有一定的鲁棒性。目前所有视频序列对象跟踪算法中模板匹配算法是最快速有效的，因此本文采用了基于Hausdorff距离度量宋跟踪运动对象的变化，实验结果证明，这种方法在抗干扰、运动对象被局部遮挡的情况下是极其有效的。再者算法的实现完全采用代数的运算，因此计算量较少，需调整的参数也较少。