随着世界范围内对社会公共安全和公众保护需求的日益增长,数以万计的监控摄像头被安装在公园、体育场馆、大型广场、学校、医院、商业街、住宅小区等公众活动和聚集的场所,有效浏览、检索以及存储这些海量监控视频是一个极大的挑战。　　 视频浓缩技术应运而生。该技术通过对运动物体序列在时间轴上进行重排,以达到缩短原始视频长度的目的。但是,传统视频浓缩算法采用离线处理模式,具有硬件需求和算法复杂度双高等缺点,不可实时使用。针对传统浓缩技术固有的缺点,本文提出在线内容感知视频浓缩算法。受俄罗斯方块游戏的启发,该算法采用在线处理模式对输入视频进行浓缩。本文主要的工作和贡献有:　　 ①提出了一种在线内容感知浓缩框架。该框架能够不问断处理24×7的监控视频,并且实时不间断地生成浓缩视频。与传统方法中浓缩率是由用户指定不同,该内容感知框架使得本文算法具有自适应的浓缩率。　　 ②提出了一种粘连式跟踪算法,该算法有效地消除了传统跟踪算法应用于视频浓缩中产生的频闪现象,大大提升了浓缩视频的视觉效果。　　 ③提出了一种运动物体序列在线填充方法,主要包括浓缩空间的构建、阶梯式能量优化以及重分配策略。　　 ④提出了一种在线主背景选择算法,目的在于生成浓缩视频中的背景序列。与以往方法相比,该算法具有速度快、内存消耗低等优点。　　 ⑤提出了一种在线视频浓缩的硬件加速方式,使得算法最终能以超实时的速度对视频进行浓缩。　　 ⑥实现了一个在线内容感知视频浓缩原型系统。除了在线浓缩的基本功能外,该系统还有一个界面友好的回放子系统。　　 总而言之,本文的在线内容感知视频浓缩算法具有更快的速度、消耗更低的内存、拥有自适应的浓缩率以及更好的视觉效果。作者相信在线内容感知视频浓缩算法有很大潜力影响下一代的监控视频的存储与浏览。