随着计算机视觉的发展和国家政府部门对安防事业的关注,为响应政府的相关政策,智能监控系统得到广泛的应用与研究,同时大量的摄像头安装在我们生活的各个角落。视频监控数据爆炸式增长,为后续的处理工作带来巨大挑战。视频浓缩技术对原始视频进行处理,将感兴趣目标重新排列组合,形成一个高度浓缩的视频。它的提出为解决海量视频监控数据存储难、检索难、运输难提供了新的思路,成为智能监控系统的重要组成部分。本文主要阐述了组成视频浓缩系统的三种核心技术的原理,着重对视频浓缩过程中的运动目标检测、运动目标跟踪、和轨迹组合和拼接几个关键步骤进行讨论。并针对视频浓缩系统存在的缺点,对其中的算法进行改进与优化,完成对视频浓缩系统的搭建。本文的主要工作如下:(1)运动目标检测作为视频浓缩系统搭建的基础,目的是为了提取到完整的背景与运动目标,并将二者区分开来。本文选用CLD与ViBe算法融合的运动目标检测技术,来弥补原始ViBe算法出现“鬼影”的问题,而对检测带来的干扰。该方法通过CLD颜色空间描述子选取视频关键帧,对选取关键帧进行三帧差分,得到真实的背景模型,然后结合ViBe对运动目标进行检测,在背景模型更新的阶段加入自适应阈值的形态学处理技术,对背景模型实时更新,消除动态背景模型中的干扰信息。(2)由于单一特征的粒子滤波算法无法适应视频场景中运动目标方向与尺度的变化,所有本文采用融合运动目标颜色特征的粒子滤波跟踪算法对运动目标进行跟踪。在单一特征描述的粒子滤波跟踪算法的理论框架下,为运动目标建立两种粒子滤波器,分别为HOG粒子滤波器与HSV粒子滤波器,计算两个特征值的巴氏距离,进行相似性比较与权重计算,得到最后的跟踪结果,提高跟踪算法的鲁棒性,减少失踪率。(3)在轨迹组合优化方面采用基于能量代价函数的轨迹组合优化方法,利用求解最小能量函数求得轨迹组合的最优组合。(4)根据以上的结果,使用泊松融合的方法将运动目标检测时提取到的背景图像与求得轨迹组合最优解的运动目标按照规律拼接在一起,组成新的浓缩视频