随着视频技术的不断发展,在视频应用处理中作为基础的目标跟踪技术也受到越来越广泛的关注。随着研究不断深入,其应用范围的不断推广,人们不再满足于简单的对目标的位置信息进行跟踪,还想要知道更多的信息。在诸如手势识别、三维图形重建等领域,除了需要知道目标位置信息以外,还想要知道目标的外形以便进行后续的操作。活动轮廓模型的提出则正好可以满足人们的要求,其实质就是在图像序列中对感兴趣目标进行分割。图像分割结果的好坏直接影响到后续跟踪的效果,而算法的效率性则决定了它是否适用于在实时视频系统中对感兴趣目标进行跟踪。本文在保证良好的分割结果的同时,对如何提高算法速度使其满足实时系统要求的问题进行深入研究,主要研究内容如下：(1)首先对传统的Snake模型的原理进行分析,讨论了模型的优势与缺陷,在此基础上对其改进方法—-GVF Snake模型进行研究。(2)对水平集方法进行了研究,根据其数值实现方式分析讨论其计算量大、运算效率低的原因。(3)重点对研究了基于边缘信息的Li模型和基于区域信息的C-V模型两种几何活动轮廓模型,分析讨论两种算法的优缺点,并通过实验仿真对比分割结果。(4)对快速水平集算法进行研究,结合C-V模型对其进行改进,重新设计速度函数,去除人为设置分割阈值过程,同时使用单链表形式表示轮廓曲线进行曲线演化,在保证算法分割效果的基础上提高分割速度,并将其应用于对感兴趣目标进行轮廓跟踪,通过在实际数据上的实验,对方法的有效性进行了验证。(5)基于VC++开发了相关的图像分割平台,实现了多种分割方法,并对各种方法进行实验验证和效果对比。