视频浓缩是智能视频分析的一个重要研究方向。在视频浓缩算法中,通过对视频序列的分析,提取数量相对较少的关键帧,以消除视频冗余,并尽可能完整的描述视频内容。在复杂背景下,例如能见度较低或者有树叶扰动的情形下,如何准确的检测前景目标,提高视频浓缩率,是一件比较困难的工作。针对上述问题,我们开展了以下两个方面的研究工作。(1)提出一种低照度情况下监控视频的有效浓缩方法。首先,对视频帧实施像素取反操作,将低暗的背景转化为类似雾天的场景,从而使低照度图像增强问题转化为图像去雾问题。进一步的,构建大气散射光照模型,根据暗通道理论和导向滤波求取并优化透射率;设计一种基于哈希值的选择策略,判断是否需要重新计算透射率,以提高算法处理速度。此外,利用改进的vibe算法,对增强的视频帧构建背景模型,并设计了一种结合帧间差分的去除“鬼影”策略。最后,根据前景物体占整幅图像的比例,判断是否有运动物体,保留并组合有运动物体的图像帧,生成浓缩视频。(2)提出一种树叶扰动情况下监控视频的有效浓缩方法。首先,对输入视频进行混合高斯建模,分离出运动物体,并通过腐蚀、膨胀等形态学操作,消除部分噪声。进一步的,根据前景物体占整幅图像的比例,初步判断是否保留当前帧。此外,将背景图像和当前帧图像分块,计算并比较背景帧和当前帧图像每一块的颜色直方图差异,判断运动物体是树叶扰动还是前景目标,从而消除树叶扰动。最后,根据前景物体占整幅图像的比例,判断是否有运动物体,保留并组合有运动物体的图像帧,生成浓缩视频。本文中提出的两种视频浓缩方法,分别在公开数据集和我们自己采集的数据上进行了测试。实验结果表明,和已有的多种方法相比较,我们所提出方法,对低照度和树叶扰动具有更好的鲁棒性。