本文提出了一种基于运动对象的监控视频总结算法,它不再以原始视频“帧”为最小单位,原始“帧”图像已经被更改,并对其中的运动对象进行了重组,进一步压缩了总结视频的长度。首先对运动目标进行前景分割,再对得到的多个前景目标进行跟踪,并在跟踪的过程中保存分割的前景图像及其运动轨迹,当保存的对象个数达到总结密度时,便将前期保存的所有的前景图像按照对应的运动轨迹拼接到合适的背景中,以形成动态的总结视频。该总结视频中出现的运动目标更加密集与紧凑,视频持续时间更短,而且保留了原始的动态信息。本文主要研究内容如下所述:1)针对经典的前景分割方法在前景与背景对比度低、光线较暗的环境下分割效果较差的情况,本文采用融合图像颜色特征与纹理特征的前景分割算法,这样在对比度较低的环境下也能达到精确的前景分割结果。2)对经典的均值漂移算法、Kalman滤波算法以及粒子滤波算法进行了较深入的研究,并根据这些经典跟踪算法的优缺点以及在抗遮挡跟踪方面的适应性,提出了结合卡尔曼滤波算法和粒子滤波算法的基于运动团块的碰撞分析算法,该算法能够通过检测是否存在遮挡来自适应选择跟踪算法。实验结果表明,该算法很好地实现了抗遮挡跟踪,使得跟踪算法在遮挡情况下的跟踪鲁棒性增强。3)在本文的视频总结算法中,首先在多目标跟踪的过程中将分割的前景图像、前景掩码及其运动轨迹进行保存,当保存的对象个数达到先前设定的总结密度时,便将前期保存的所有的前景图像按照对应的运动轨迹拼接到合适的背景中,以形成动态的总结视频。该总结视频极大地增加了运动对象在时间与空间上的利用率,进一步缩短了视频时长,更加方便了人们对视频中关键信息的浏览与检索。4)本文基于OpenCV和MFC桌面开发技术,将上述所有算法集成到了图形界面中,开发出了一套较完善的智能视频分析与总结系统。该系统软件可以实现运动前景分割、多目标跟踪、运动轨迹生成、运动目标计数、生成总结视频等主要功能,并为后期开发功能更强大的视频检索系统提供了很好的接口。