在计算机视觉领域，目标对象的分割与跟踪一直是非常重要的课题。随着高性能计算机和高清晰度摄像机的普及，对于智能视频分析的大量需求，使得新的算法越来越得到大家的重视。目标的分割与跟踪在众多应用领域都有着密切的相关性，包括：自动化监控、视频索引、人机交互、车辆导航、交通监视和基于运动的识别等等。本文主要研究的内容是复杂场景下目标对象的分割与跟踪。全文主要分为三个部分，第一部分是形状传递的联合分割以及图匹配校正的跟踪算法。其主要有两个创新点，第一个创新点是在分割阶段，我们将形状预测图与图像内容相结合，并借助坐标位置重定位，改进了图模型的构造方法，充分利用了目标物体的形状先验信息，对目标物体的内容进行了保留，有效地提高了目标物体的分割准确度，同时确保了分割结果在时间上的一致连续性。为了保证分割的正确性，我们的第二个创新点是构建了一个能量函数，并通过图匹配对能量函数进行最优化，从而达到对分割结果进行补偿的作用，同时可以有效应对遮挡情况的发生。第二部分是基于血管能量函数和半径可变球模型的肺部血管分割与结节检测。该问题的难点在于区分肺部结节和肺部血管区域，因为两者在CT图像中对比度非常低。因此有效地检测那些依附在肺部血管上的肺部结节，并同时有效降低在肺部血管分叉处检测肺部结节的假阳性是问题的关键。我们的贡献是引入了新的血管能量函数，使得能量函数中的能量项集中在血管的中心轴附近，并使其在血管边界区域呈现明显的下降，并且抑制具有团状结构的肺部结节区域。具有高能量响应的像素被设置为血管区域，通过不断的传播扩散，最终的能量函数将会在低能量值的血管边界区域终止。这样我们就能够分割得到整个血管区域。同时半径可变球模型被用来细化血管分割的轮廓，确保了分割的血管中心线的平滑性和连续性。第三部分是基于特征点匹配的实时目标检测与跟踪算法，我们实现了一个在视频中实时检测和跟踪特定目标物体的系统。在检测部分，为了有效提高检测效率，降低时间复杂度，我们采用了Harris角点与SIFT描述子相结合的方法，同时引入了自适应尺度系数和自适应阈值角点检测；在跟踪部分，我们通过提取稳定的特征点并采用光流迭代方法对目标进行跟踪，改进了特征点的提取方案使其更适合于对象的跟踪。并在遮挡情况发生时，重新提取特征点，有效应对了遮挡的情况，从而提升了实时跟踪的效果。实验结果显示，我们的检测和跟踪系统在Windows系统上已经达到了实时的性能，在手机平台Android系统中也达到了接近实时的效果。