随着5G时代的到来、计算机技术和数字视频技术的不断发展,视频数据量与日俱增。因此,现实生活中出现了这一技术需求——能够大幅缩短视频时长同时保留原视频的主要内容。视频摘要方法的出现成功应对了这一需求,它可以减少人们浏览视频的时间,同时还节约了大量的存储空间。但是,目前视频资源种类繁多,每类视频都有其特点,例如对于电影电视剧而言,重要的是其情节,而监控视频在乎的是视频中的目标对象,这对视频摘要技术造成了巨大的挑战。为了能够达到更好的视频摘要效果,针对不同类别的视频,应采用相对应的方法,所以本文将种类繁多的视频分为监控类视频和非监控类视频。其中:监控类视频是用来记录环境中发生了的事件,记录的内容大多没有故事情节;而非监控视频主要产生于文娱场景中,大多记录的内容是有故事情节的。动态视频摘要算法可以用来处理非监控视频,能够在压缩视频时长的情况下保证情节的完整;视频浓缩方法能够处理监控视频,在缩短视频时长的同时保证视频中目标对象的不丢失。本文围绕动态视频摘要算法和视频浓缩方法展开研究,主要研究内容包括以下三个部分。（1）针对动态视频摘要,提出了一种基于anchor-based的两阶段动态视频摘要方法,解决了视频摘要任务中帧与帧之间信息利用不足的问题。该网络主要包括:特征提取网络、一维卷积神经网络和两阶段网络。特征提取网络负责提取每一帧的图像特征;一维卷积神经网络使用一维卷操作,有效地提取了帧与帧之间的信息;两阶段的网络结构,通过第一阶段的处理能够有效地减轻第二阶段的运算量,第二阶段对一阶段的结果进行更加细致的回归与分类,输出更加准确的镜头位置和镜头得分。与此同时,本网络在训练时使用了anchor机制。其中,第一阶段使用的是单一尺度的anchor,第二阶段使用的是多尺度的anchor。网络最终的输出通过anchor的回归来实现,大大降低了优化难度。（2）针对动态视频摘要,提出了一种融合自注意力机制的动态视频摘要方法,解决了基于anchor-based的两阶段神经网络中一维卷积神经网络仅能提取局部特征的问题。一维卷积神经网络虽然可以通过不断叠加网络的深度来获得帧与帧之间的信息,这本质上还是一种局部操作,仅能提取局部信息,但是自注意力机制能够进行长程操作,不需要借助外部的相关信息,凭借自身数据便能够获得序列数据内部的相关性,更加高效地获得了视频中帧与帧之间的信息。所以,通过使用自注意力机制能够使网络更加充分地理解视频,并且不需要增加网络的额外参数。（3）针对视频浓缩方法,设计了视频浓缩方法的具体步骤并进行实现,解决了关于监控视频冗长的实际问题。该方法主要包括以下步骤:运动轨迹提取、运动轨迹处理和运动轨迹融合。在运动轨迹提取步骤中,通过目标检测和跟踪算法获得视频中目标对象的运动轨迹;在运动轨迹处理步骤中,对目标对象的运动轨迹进行重新排列,并使用语义分割算法筛除其中的冗余信息;在运动轨迹融合步骤中,利用背景建模获得视频的背景,再将重新排列后的轨迹与背景进行融合,得到最终的浓缩视频。