视频中基于物体轮廓的跟踪是计算机视觉领域的一项重要而有价值的基础研究，而目标物体的识别与轮廓抽取是轮廓跟踪的一项关键技术。为了提高跟踪的精度，本文设计了一种基于过分割的感兴趣对象识别与自然轮廓抽取系统。主要研究内容和解决问题如下：1.由于场景中存在很多物体，通过建立了目标物体的模板库，在实施过程中可以有针对性的查找视频图像序列中的目标物体，提高了目标识别的精度和效率；2.本文提出一种结合强鲁棒性关键点检测器FAST(Features from Accelerated SegmentTest)[18]和旋转不变性的局部描述子DAISY[25]的物体识别方法，提高了特征匹配在不同场景和光照条件影响下的识别与定位精度；3.本文引入过分割算法抽取物体自然轮廓。提出了一种融合优度法(Goodness method)和偏差法(Discrepancy method)[40]优点的过分割质量评估方法，并利用实时边界检测算法生成的理想分割图取代了手工勾画的理想分割图，通过该方法选择出最接近物体自然边界的过分割算法；4.研究了通过超像素聚类得到边界闭合圈的算法，并提出基于EGIS(EfficientGraph-based Image Segmentation)[46]过分割算法的物体自然轮廓抽取方法，该方法可以精确抽取出物体的自然轮廓。本文基于过分割对感兴趣对象的识别与自然轮廓抽取的研究，提高了物体识别与自然轮廓抽取的精度，在航空航天、智能监控系统和跟踪系统领域中有着极其广泛的应用前景。并在此过程中提出过分割质量评估方法，为研究学者在分割算法选择应用上提供了依据和标准。