视频浓缩技术对于处理海量的监控视频具有重要意义。浓缩视频在缩短原始视频时间长度的同时又保留了活动事件的动态信息。目前全景摄像头在日常生活中不断地升级和普及,为了适应这一发展,本文首次将视频浓缩技术应用于全景领域中。相比普通视频,全景视频具有其独特性。全景视频实质上是一个二维的视频。全景模式的观看是将二维的视频投影在球面,观看视点处于球心,形成视觉上的三维环绕效果。二维的全景视频是将球面视频沿球面大圆弧分割开后铺展得到的。因此当现实世界中连续运动的目标经过这条分割线时,其运动轨迹会被全景视频的边界线分成两段断裂的轨迹。同时运动目标图像在这段时间内被持续分割成两个不完整的部分。而传统视频不存在以上问题,视频内所有的运动轨迹均是连续的,且运动目标基本完整。因此,如果将传统的视频浓缩技术直接应用在全景视频上,简单地对所有目标进行检测和跟踪,就无法解决轨迹不连续的问题,会导致同一条轨迹被错误地跟踪成两条独立的轨迹,且目标图像的持续不完整会影响检测和跟踪的准确性,导致两条断裂轨迹之间缺失部分轨迹。另一方面,视频浓缩不是以帧而是以运动对象为单位,通过对运动轨迹在时间轴上的平移和重新排列来压缩视频的时长。对于视频中具有交互作用的轨迹,现有的视频浓缩技术不能很好地还原各个对象之间交互动作的同步性,本文针对以上两个问题进行了深入的研究。本论文主要研究内容为(1)设计并实现一个基于全景视频的视频浓缩系统。不仅能快速准确地浏览全景视频的全部活动事件,也提升了用户的沉浸感。(2)为了适应全景视角的独特性,本文提出并设计一个新的模块用于轨迹完整重连。此模块由两部分构成:二级搜索框架用于解决断裂轨迹的匹配问题,检测框运动状态预测用于解决目标图像不完整导致的轨迹缺失问题。实验表明轨迹完整重连模块可以连续完整地提取出全景视频中所有经过边界线的运动轨迹。(3)针对交互动作同步性的还原问题,提出了一个新的时间一致性损失函数,解决了交互动作不同步导致浓缩视频浏览难度增加的问题,使浓缩后的视频更加贴合原始视频的语义信息。本系统首次将视频浓缩技术拓展到全景视频领域。本文从视频的浓缩比,断裂轨迹的完整重连及交互动作同步性还原等方面对浓缩结果进行分析,验证了本系统的有效性。浓缩后全景视频内的运动完整且流畅,浏览时方便易懂无歧义,同时也去除了时空冗余信息。