对细胞的研究是人类进行微观世界探索的一个重要且有效的手段，近年来基于视频的检测和跟踪方法作为一种无接触的自动方法得到了广泛的研究和应用。其中，对显微视频图像中细胞的正确识别和检测对于实现疾病的诊断和预防有着非常重要的意义，而对基于图像中的细胞运动的跟踪研究对生物学研究和药剂开发也有着重要的意义。本文首先比较分析了常见的图像中的目标检测与目标追踪方法，并根据现有的细胞显微图像的实际情况，采用运动对象的通量张量分割算法（Moving Object Segmentation Usingthe Flux Tensor）及混合轮廓模型算法进行目标分割，而后引入多假设跟踪算法完成了纠错及跟踪，系统地实现了从分割到追踪的完整过程。主要工作如下：首先，在目标分割检测方面，针对细胞视频图像对比度低及图像中细胞形状变化剧烈的特点，采用运动对象的通量张量分割算法分割了大尺度数字细胞分析系统（Large ScaleDigital Cell Analysis System)所提供的细胞视频图像。针对细胞发生分裂等导致的区域数量变化，采用混合轮廓模型算法对MCAK视频图像进行了分割。对于粘连的细胞，本文对以上算法获得的分割结果又进一步采用了改进的分水岭算法进行了分离，并根据面积阈值将过分割产生的区域进行合并，减少了分水岭算法造成的过分割数量。其次，为了更好地实现细胞的跟踪，针对细胞分割中仍存在的过分割和欠分割的问题，创新性地引入多假设跟踪算法进行纠错。在纠错算法中，将前后帧图像中的细胞的对应关系所构建的拓扑结构与阈值相结合，构成假设发生的判定条件，对细胞的过分割和欠分割进行了修正，使得纠正后的细胞形态学参数的精度有大幅提升。同时，实验表明经算法改进后的拓扑结构被简化，后续的追踪及纠正的计算量降低、跟踪结果更正确。最后，本文针对Mean-Shift等一对一匹配算法难以解决细胞分裂造成目标数量改变并且特征发生剧变的难题，再次引入多假设跟踪算法，实现了细胞的有效跟踪，所用的算法具有较好的适应性和可扩展性。并根据本文的跟踪结果对被跟踪细胞的特征参数进行了初步统计。