1、針對傳統(tǒng)視頻摘要方法處理大場景監(jiān)控視頻時面臨的目標辨識度低下、處理速度慢等問題，提出一種大場景監(jiān)控視頻實時智能摘要系統(tǒng)。該系統(tǒng)通過對場景目標進行實時地運動檢測和跟蹤，獲取目標的大場景運動信息；通過對目標軌跡進行分析，控制攝像機運動，獲取目標的近距離高清特寫；最終形成具有高目標辨識度的多粒度視頻摘要。
　　針對傳統(tǒng)混合高斯前景檢測算法運算量偏大問題，提出一種基于雙重背景模型的空間約束混合高斯前景檢測算法，并進行實驗分析。通過快速初始

2、化縮短模型的初始建立過程，提高摘要系統(tǒng)初始運行或斷電重啟后的響應速度；采用雙重背景模型機制，以自適應背景減法的前景檢測結果作為混合高斯前景檢測的空間約束條件，降低模型在背景區(qū)域的冗余運算；運用多策略自適應模型更新，提高前景檢測的準確性。實驗表明，與GMM、CodeBook、GMG、ViBe、MODGMM等算法相比，本文的前景檢測方法具有4倍以上的處理速度和更好的檢測準確度。
　　結合前景檢測的結果，在保證摘要系統(tǒng)實時性的基礎上，提

3、出一種基于關聯(lián)矩陣的Camshift目標跟蹤方法，并進行實驗分析。通過建立關聯(lián)矩陣，對場景中的目標狀態(tài)進行描述；針對不同的目標狀態(tài)采用對應的目標跟蹤策略，當目標未發(fā)生交互時，僅使用關聯(lián)矩陣對目標進行跟蹤，當目標發(fā)生交互后，首先使用Camshift進行目標識別然后重新使用關聯(lián)矩陣對目標進行跟蹤。實驗表明，本文的目標跟蹤方法在大場景摘要系統(tǒng)中具有良好的性能表現(xiàn)。
　　提出基于目標抓拍的多粒度視頻摘要方法，預測目標在攝像機運動時的運動軌