本文主要从统计建模的角度对数字视频序列中用户选定对象的跟踪算法进行研究，这些方法主要涉及混合高斯分布、隐Markov随机场、非参数密度估计等统计模型，应用这些模型可以充分分析和挖掘视频数据中蕴含的大量信息，实现对象及背景的特征提取。在此基础上，结合视频处理中其它热点方法和技术，如Snake模型、Mean-Shift算法、IFGT算法等，本文提出并实现了三种视频对象跟踪算法，主要创新点如下： 1.在视频对象跟踪中，时间序列中的背景和前景关系常常是一个被忽视的特征，为此，本文从时域统计的角度出发，提出一种基于背景建模和区域变形的跟踪算法。. 2.由于视频对象跟踪可以看成是图像分割的一种拓展，为此，本文把图像分割算法中的隐Markov随机场模型引入视频对象跟踪中，提出基于HMMF模型的跟踪器。 3.在HMMF跟踪器的基础上，本文提出了一种广义的，通过局部分割实现在序列中跟踪非刚性物体的框架。