伴随着视频编码相关学科及新兴学科的迅速发展，新一代数据压缩技术日益成熟，其编码思想由基于像素和像素块转变为基于内容，实现基于内容交互的首要任务就是把视频/图像分割成不同对象或者把运动对象从背景中分离出来，也即视频对象的分割与跟踪。然而由于视频对象分割是目前一个具有挑战性的难题，MPEG组织并没有制定如何将现有的数字视频序列分割成视频对象，而是将其作为标准的开放部分留待深入研究。 本文主要研究视频对象分割与跟踪。在对一种近十年来被广泛研究和应用的图像分割技术-主动轮廓模型（也称为Snake）进行深入研究的基础上，本文提出一种基于时空信息融合二次差分法的Snake视频对象分割技术。在传统的时空信息融合法进行视频对象分割时，时域信息量利用不充分，对视频对象的分割不够完整，不利于后续算法的处理。时空信息融合二次差分法使用时域前向差分和后向差分两次差分之和，增加了在时域上的视频对象信息，再在空域内进行处理，时空信息相结合使得视频对象信息更加完整全面，特别是边缘处的轮廓信息。这为后续使用Snake算法分割视频对象提供了完整的轮廓信息，使得利用Snake算法更加有效，且分割出的视频对象更加完整。由于传统Snake模型对初始化Snake线要求苛刻，且对凹陷的轮廓不能有效的分割，本文最后采取了一种改进的Snake算法，即GVF-Snake算法，克服了对凹陷轮廓分割不全的缺点。对于视频对象的跟踪，本文使用卡尔曼滤波器来实现，从实验来看Kalman滤波器是一种较为理想的运动目标跟踪器，具有较高的鲁棒性和跟踪准确性。