近年来,监控视频已经深入到人类生活的各个层面,在社会治安等各个方面发挥着越来越重要的作用。同时,高效存储、便捷浏览海量无结构的监控视频数据,成为科研工作者的又一研究方向。本文研究的监控视频摘要生成算法就是一种针对监控视频,既能保存有效信息,又能便于储存和浏览的方法。本文首先阐述了本课题的研究意义和背景、国内外研究现状等,并对图像预处理、运动目标检测和跟踪等相关技术进行了详细的介绍。然后,依次对监控视频摘要生成算法中的基于背景建模的运动目标检测算法、基于多特征融合和卡尔曼预测的运动目标跟踪算法、基于能量函数和遗传优化的运动目标轨迹优化组合等核心技术进行了深入探讨。针对常见的运动目标检测算法中的缺陷,提出了基于时空梯度改进的ViBe算法。通过空域梯度的均值来调节检测半径,提高检测准确性;利用边缘检测和图像二值分割的方法进行阴影检测,去除光照信息,减少阴影带来的干扰;利用多帧差来调节阈值,抑制背景变化产生的错检;根据连续三帧的图像变化来检测背景的变化,实现快速消除“鬼影”。基于运动目标的检测结果,提出了基于多特征联合和卡尔曼预测的多目标跟踪算法。首先联合运动目标的位置特征、颜色特征和SIFT特征等特征的相似度,实现对多目标的跟踪匹配,同时提出以“对象”为单位的研究模式,并给出了“对象”的详细定义。针对视频中的目标遮挡问题,采用卡尔曼滤波来预测遮挡过程中的目标位置,最终实现多目标的完全跟踪。针对监控视频中的空间冗余问题,提出了基于能量函数的运动目标轨迹优化算法。对能量函数中的活动能量损失、冲突能量代价和时序一致性代价进行了详细的解释,并通过遗传算法求出能量函数的相对最优解。最后,运用基于高斯分布的方法将背景图像与目标图像融合,生成了视频摘要,并提出了监控视频摘要的评价指标,通过实验数据对比表明,该算法取得了较好的效果。