随着人们对公共安全的需求的增长以及监控系统的飞速发展，海量的摄像头被部署到人们的生活周边，比如学校，商场，街道等，这也导致了监控视频数据的指数级增长。由于人力浏览分析海量视频的方式存在耗时，工作量大，浏览效率低，视频利用率低，漏检率高的问题，因此必须引入新的方法来解决海量视频信息丰富却又难以挖掘的矛盾。视频浓缩是应对这一问题的有效手段。　　本文首先研究设计并实现了视频浓缩的总体框架，其中包括背景图片的生成与更新，轨迹提取，轨迹组合，轨迹融合等几个关键模块。然后对影响浓缩视频最终效果的两个关键算法，即轨迹提取与轨迹组合进行了深入研究，针对以往算法的不足之处提出了分析与改进。针对轨迹提取，本文首先提出了一种基于编码--解码结构的全卷积网络的运动检测技术，然后在此基础上，结合视频浓缩的实际需求，设计一种更合适的轨迹提取方案，以更完整地保留运动目标的信息。针对轨迹组合，提出了一种考虑目标相似性以生成更紧凑有序的浓缩视频的组合算法，首先计算目标之间的相似性，然后将轨迹组合转化为一个能量函数，该能量函数综合考虑了相似性，轨迹碰撞程度以及浓缩视频长度三个方面，最终通过最小化该能量函数，来重组每个轨迹在浓缩视频中的出现时间，去除原始视频中的时间和空间冗余。实验证明，本文方法所得到的浓缩视频在不损失浓缩率的情况下，比传统方法更聚合有序，能进一步提高用户的浏览分析效率。