视频浓缩中的轨迹组合技术

轨迹组合就是通过分析原始视频中所有的运动目标的轨迹信息，然后将时空异步的估计搬移浓缩，去除视频的空间与时间冗余。通过轨迹组合技术能够有效地保持视频内容随着时间动态变化的特征，同时最大限度地去除视频的时间冗余信息与空间冗余信息，常见的轨迹组合算法如下：

（1）      基于运动过程的轨迹组合

生成一段无遮挡碰撞的摘要视频，将原始视频中不同时发生的对象活动在视频摘要中重新组合成彼此不发生碰撞遮挡的摘要视频，在重新组合过程中，尽可能使摘要视频时空紧凑且保留主要的活动过程。该方法能够有效去除原始视频中的时空冗余细心，完整保留了每个对象的独立运动信息，且表现了镜头中的动态变化，但该方法调整了活动间的时序关系，破坏了目标间的隐性相关关系。

 

（2）      基于相似活动聚类的轨迹组合方法

这种方法假设同一场景中目标的活动是类似的，通过聚类算法将相似活动目标分类，对于每个分类的目标采用基于运动过程的轨迹组合方法来重组，最后分布为每个类别的目标生成摘要视频。

这种方法得到的视频摘要条理清晰，大大提高了浏览效率，同时，非正常活动更容易被检测到。但由于其相似活动类内仍然使用基于运动过程的轨迹组合方法，所以丢失了目标之间的隐性相关关系及活动间的时序性。

 

（3）      基于用户关注空间与注意力分析的轨迹组合方法

通过学习观看者浏览视频和跟踪运动目标的方法，从而利用视觉感知信息来定位并选取视频观看者可能感兴趣的区域。

 

（4）      基于带状雕刻裁剪的轨迹组合方法

该方法与基于运动过程的轨迹组合方法类似，都是将视频序列中时空异步的物体在彼此不发生碰撞遮挡的情况下，重新组合到同一帧或帧序列当中，从而去除时空冗余信息。

该方法认为在x-y平面上，定向运动的物体对应的坐标存在一个不变的分量，故通过轨迹提