本發(fā)明屬于視頻監(jiān)控和圖像智能分析技術(shù)領(lǐng)域，涉及一種可解決多目標(biāo)碰撞及遮擋問(wèn)題的視頻摘要生成方法。

背景技術(shù)：

視頻監(jiān)控系統(tǒng)作為一種廣泛使用的技術(shù)防范手段，在城市社會(huì)治安綜合防控體系建設(shè)中發(fā)揮著越來(lái)越重要的作用。然而，不斷增多的各類攝像頭日夜不停的攝像，使“看得見(jiàn)”的問(wèn)題得到了很好的解決，但是海量的視頻資料，查找起來(lái)猶如大海撈針，傳統(tǒng)的以人海戰(zhàn)術(shù)為主的視頻線索查找已經(jīng)無(wú)法應(yīng)對(duì)大數(shù)據(jù)時(shí)代的視頻偵查。隨著系統(tǒng)規(guī)模的不斷擴(kuò)大，如何快速準(zhǔn)確地在海量視頻里瀏覽并查找線索，已成亟待解決的問(wèn)題。

視頻摘要作為目前智能視頻分析技術(shù)的重要組成部分，同時(shí)也成為視頻監(jiān)控系統(tǒng)事后分析處理的關(guān)鍵手段。視頻摘要有效地解決了海量視頻資料帶來(lái)的數(shù)據(jù)冗余、瀏覽和查找費(fèi)時(shí)費(fèi)力、存儲(chǔ)不便等疑難問(wèn)題。在視頻監(jiān)控系統(tǒng)中對(duì)原始視頻進(jìn)行濃縮，進(jìn)一步提高瀏覽速度并鎖定檢索對(duì)象，對(duì)于加快破案速度和破案效率具有重要的意義。

視頻監(jiān)控領(lǐng)域的視頻摘要技術(shù)主要有兩種形式：靜態(tài)視頻摘要中的基于關(guān)鍵幀的視頻摘要和動(dòng)態(tài)視頻摘要中的基于對(duì)象的視頻摘要?；陉P(guān)鍵幀的視頻摘要的最小單位是“幀”，在時(shí)間上進(jìn)行減少的同時(shí)，卻留下了很多的空間冗余信息，并且不能完整表示每個(gè)目標(biāo)的運(yùn)動(dòng)軌跡，不利于視頻目標(biāo)檢索。基于對(duì)象的視頻摘要的最小單位是“對(duì)象”，打破了“幀”不可分的限制，可以最大限度地減少時(shí)間冗余信息和空間冗余信息，保持了視頻的動(dòng)態(tài)特性，能在監(jiān)控安防中快速響應(yīng)緊急事件，定位到事件相關(guān)的“對(duì)象”，但是，監(jiān)控視頻中對(duì)象的運(yùn)動(dòng)軌跡大部分是不相關(guān)的，這些不相關(guān)的對(duì)象軌跡會(huì)產(chǎn)生一定的視頻空間冗余和時(shí)間冗余，因此，造成了處理復(fù)雜和摘要生成困難的問(wèn)題。

近年來(lái)，越來(lái)越多的研究人員針對(duì)視頻摘要的生成方法進(jìn)行了深入的研究，也就是解決如何將對(duì)象的運(yùn)動(dòng)軌跡在時(shí)空上進(jìn)行組合優(yōu)化的問(wèn)題。常見(jiàn)的優(yōu)化算法有模擬退火算法、遺傳算法、粒子群算法等，此類算法存在性能不穩(wěn)定、復(fù)雜度高、實(shí)現(xiàn)困難、效率低下等不足，在實(shí)際應(yīng)用中不易采用。例如，以色列BriefCam公司已開(kāi)發(fā)出視頻摘要(Video Synopsis)相關(guān)的系統(tǒng)，其專利號(hào)為US831127和US8102406，該系統(tǒng)的主要思想來(lái)源于以色列科學(xué)家Alex Rav-Acha于2006年提出了基于對(duì)象的視頻摘要(Video Synopsis)技術(shù)的總體框架，這是一種視頻一視頻的轉(zhuǎn)化模式。但是該方法在視頻摘要生成過(guò)程中采用了兩種方法，其中一種方法是將對(duì)象的運(yùn)動(dòng)軌跡進(jìn)行切片，一個(gè)單獨(dú)的對(duì)象被分為若干個(gè)切片，每個(gè)切片有著更短的時(shí)間間隔，而所有切片被同時(shí)播放則會(huì)出現(xiàn)動(dòng)態(tài)頻閃效應(yīng)，并且對(duì)切片的安排處理采用模擬退火算法來(lái)最小化能量函數(shù)，該方法過(guò)分追求時(shí)間上的濃縮，得到的摘要視頻中一幅畫(huà)面同一個(gè)人出現(xiàn)多次，視覺(jué)感觀不夠自然?；谀M退火的方法，依賴于初始解的選擇，初始解選擇不好，很難獲得很好的排列使得能量函數(shù)很小。

CN201310294711.X的發(fā)明專利公開(kāi)了一種用于雙層視頻摘要的軌跡最優(yōu)組合方法，該方法提出了一種新的最優(yōu)化能量函數(shù)的方法，降低了最優(yōu)解求取過(guò)程中運(yùn)算次數(shù)，避免了局部最優(yōu)解的問(wèn)題，也避免了軌跡密度不均勻的情況，但是該方法并沒(méi)有考慮由于源視頻中目標(biāo)之間存在的碰撞和遮擋造成的目標(biāo)軌跡不完整或目標(biāo)本身提取不完整的問(wèn)題。

CN201410001188.1的發(fā)明專利“一種視頻濃縮方法和系統(tǒng)”提出一種視頻摘要的生成方法是對(duì)運(yùn)動(dòng)目標(biāo)軌跡的目標(biāo)順序進(jìn)行優(yōu)化排序，生成新幀號(hào)序列并存儲(chǔ)，然后將前景目標(biāo)和背景圖像進(jìn)行融合，生成壓縮視頻。該方法旨在濃縮視頻長(zhǎng)度的同時(shí)，盡可能防止多目標(biāo)之間的碰撞和遮擋，并沒(méi)有考慮源視頻中目標(biāo)之間存在碰撞和遮擋情況下的有效處理方法。

CN201410709377.4的發(fā)明專利“一種視頻摘要的生成方法及系統(tǒng)”公開(kāi)了一種視頻摘要的生成方法，該方法生成視頻摘要時(shí)，發(fā)生過(guò)遮擋或粘連的目標(biāo)不僅各自具有完整的軌跡，還保持了其在原始視頻中與其他目標(biāo)的遮擋或粘連關(guān)系。但是該方法是針對(duì)當(dāng)原始視頻中的目標(biāo)在某一時(shí)刻發(fā)生粘連或遮擋等行為，且兩個(gè)目標(biāo)分割不開(kāi)變成同一個(gè)目標(biāo)時(shí)，跟蹤只能延續(xù)其中一個(gè)目標(biāo)，在遮擋或粘連結(jié)束后才能繼續(xù)跟蹤另一個(gè)目標(biāo)的情況，提出了一種以組為單位，多次移動(dòng)其中至少一個(gè)組的開(kāi)始時(shí)刻，并計(jì)算每次移動(dòng)后的代價(jià)值，最后選取代價(jià)值最小的方案來(lái)確定每組在生成視頻摘要中的開(kāi)始時(shí)刻，最后完成視頻摘要的生成。因此，該方法存在目標(biāo)追蹤不準(zhǔn)確、易丟失目標(biāo)以及最小代價(jià)值計(jì)算復(fù)雜度高的不足。

CN201410755692.0的發(fā)明專利公開(kāi)了一種基于樹(shù)狀運(yùn)動(dòng)目標(biāo)軌跡的視頻摘要生成方法，該方法允許幾個(gè)發(fā)生粘連、交叉、遮擋等多個(gè)目標(biāo)，以目標(biāo)樹(shù)的形式進(jìn)行描述，并以目標(biāo)樹(shù)為單位調(diào)整起始位置，最終生成視頻摘要。該方法數(shù)據(jù)結(jié)構(gòu)復(fù)雜，進(jìn)行碰撞檢測(cè)時(shí)目標(biāo)遍歷和位置調(diào)整次數(shù)較多，使得摘要生成過(guò)程耗時(shí)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種可解決多目標(biāo)碰撞及遮擋問(wèn)題的視頻摘要生成方法，該方法能夠有效實(shí)現(xiàn)單個(gè)目標(biāo)的跟蹤，在源視頻中多個(gè)運(yùn)動(dòng)目標(biāo)間發(fā)生緊隨 碰撞或交叉遮擋情況時(shí)，在生成的視頻摘要中可有效保持目標(biāo)間原有的隱性相關(guān)關(guān)系，并保證原目標(biāo)及其軌跡的完整性，同時(shí)可最大限度地保持目標(biāo)間的時(shí)序一致性。

本發(fā)明的技術(shù)方案如下：

一種可解決多目標(biāo)碰撞及遮擋問(wèn)題的視頻摘要生成方法，其特征在于包括以下步驟：

(1)采用自適應(yīng)的混合高斯模型對(duì)視頻幀圖像進(jìn)行處理，對(duì)每一個(gè)像素判定其是前景還是背景，得到前景圖像和背景圖像，并實(shí)時(shí)重建背景模型；

(2)使用步驟(1)中得到的前景圖像檢測(cè)新進(jìn)入場(chǎng)景的所有團(tuán)塊，然后將較小的團(tuán)塊和與已經(jīng)被跟蹤團(tuán)塊有重疊的團(tuán)塊丟棄，并通過(guò)圖像邊界檢測(cè)和運(yùn)動(dòng)一致性檢測(cè)進(jìn)行篩選，丟棄不合標(biāo)準(zhǔn)的團(tuán)塊，將真正的新團(tuán)塊保存到團(tuán)塊列表中，并對(duì)所有新團(tuán)塊進(jìn)行順序ID編號(hào)；

(3)在步驟(2)對(duì)目標(biāo)進(jìn)行檢測(cè)的基礎(chǔ)上，實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤；

(4)采用卡爾曼濾波對(duì)跟蹤團(tuán)塊的位置信息進(jìn)行修正。

(5)在每條軌跡結(jié)束時(shí)生成運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)軌跡，主要包括ID編號(hào)、起始幀號(hào)、終止幀號(hào)、碰撞標(biāo)識(shí)數(shù)組、所有團(tuán)塊的位置和大小信息，并將其導(dǎo)出到運(yùn)動(dòng)軌跡文件中。

(6)根據(jù)步驟(5)得到的目標(biāo)運(yùn)動(dòng)軌跡文件，對(duì)所有目標(biāo)的運(yùn)動(dòng)軌跡進(jìn)行組合優(yōu)化，并按照該組合優(yōu)化方案將運(yùn)動(dòng)目標(biāo)與生成的背景圖像進(jìn)行融合，生成視頻摘要。

上述步驟(3)進(jìn)一步包括：

(31)從前景圖像提取當(dāng)前幀的所有團(tuán)塊，并計(jì)算團(tuán)塊的質(zhì)心、寬度和高度，并添加到新團(tuán)塊列表；

(32)對(duì)每一個(gè)已被跟蹤的團(tuán)塊，利用卡爾曼濾波預(yù)測(cè)該團(tuán)塊在當(dāng)前幀的位置和大??；

(33)對(duì)每一個(gè)新團(tuán)塊，通過(guò)與已被跟蹤團(tuán)塊位置和大小及其卡爾曼預(yù)測(cè)的位置和大小進(jìn)行碰撞分析，并將與該團(tuán)塊產(chǎn)生緊隨碰撞、交叉遮擋的所有目標(biāo)的ID編號(hào)保存在已被跟蹤目標(biāo)的碰撞標(biāo)識(shí)數(shù)組]中；

(34)對(duì)已被跟蹤的目標(biāo)團(tuán)塊進(jìn)行判斷，若存在碰撞，則采用帶權(quán)重的粒子濾波進(jìn)行跟蹤預(yù)測(cè)得到目標(biāo)團(tuán)塊；若不存在碰撞，則尋找距離上一幀里的團(tuán)塊最近的當(dāng)前幀的團(tuán)塊作為目標(biāo)團(tuán)塊；最后將得到的目標(biāo)團(tuán)塊添加到跟蹤軌跡。

上述步驟(6)進(jìn)一步包括：

(61)對(duì)軌跡生成模塊得到的運(yùn)動(dòng)軌跡文件中的所有目標(biāo)按照ID編號(hào)進(jìn)行非降序排序；

(62)對(duì)排序后的所有目標(biāo)的運(yùn)動(dòng)軌跡進(jìn)行分析，創(chuàng)建存在碰撞分析的運(yùn)動(dòng)軌跡列表，通過(guò)對(duì)每個(gè)目標(biāo)的碰撞標(biāo)識(shí)數(shù)組進(jìn)行檢測(cè)：

若存在碰撞，將當(dāng)前目標(biāo)添加到存在碰撞分析的運(yùn)動(dòng)軌跡列表，并將與該目標(biāo)產(chǎn)生碰撞 或遮擋的關(guān)聯(lián)目標(biāo)，或與其關(guān)聯(lián)目標(biāo)產(chǎn)生碰撞或遮擋的目標(biāo)，依次進(jìn)行遞歸分析，得到該目標(biāo)的碰撞分組，該碰撞分組被視作一個(gè)新的運(yùn)動(dòng)目標(biāo)，其起始幀為該分組中第一個(gè)目標(biāo)的起始幀，其終止幀為該分組中所有目標(biāo)的最大終止幀；

若不存在碰撞，將當(dāng)前目標(biāo)添加到存在碰撞分析的運(yùn)動(dòng)軌跡列表，此時(shí)，該運(yùn)動(dòng)目標(biāo)是一個(gè)單獨(dú)的運(yùn)動(dòng)目標(biāo)；

(63)對(duì)得到的存在碰撞分析的運(yùn)動(dòng)軌跡列表中的所有運(yùn)動(dòng)目標(biāo)，按照運(yùn)動(dòng)目標(biāo)起始位置進(jìn)行聚類，類內(nèi)所有目標(biāo)按照ID編號(hào)進(jìn)行非降序排序，然后對(duì)每一類中的所有運(yùn)動(dòng)目標(biāo)依次判斷：

若是單獨(dú)的一個(gè)運(yùn)動(dòng)目標(biāo)，則按照給定的間隔時(shí)長(zhǎng)計(jì)算該目標(biāo)的起始幀和終止幀，并添加到輸出運(yùn)動(dòng)軌跡列表；

若是碰撞分組，將分組中第一個(gè)目標(biāo)的起始幀作為該分組的起始幀，然后分別計(jì)算分組中的其余目標(biāo)與第一個(gè)目標(biāo)的幀差，并將第一個(gè)目標(biāo)的起始幀與對(duì)應(yīng)目標(biāo)的幀差之和作為該目標(biāo)的起始幀，最后將分組中的所有目標(biāo)依次添加到輸出運(yùn)動(dòng)軌跡列表；

(64)依據(jù)步驟(63)得到的所有運(yùn)動(dòng)目標(biāo)的輸出運(yùn)動(dòng)軌跡列表，得到最終組合優(yōu)化方案，將目標(biāo)快照與生成的背景圖像進(jìn)行無(wú)縫融合，生成視頻摘要。

本發(fā)明具有以下有益效果：

1、本發(fā)明所述一種可解決多目標(biāo)碰撞及遮擋問(wèn)題的視頻摘要生成方法將最大限度地保持目標(biāo)時(shí)序一致性。

2、本發(fā)明所述一種可解決多目標(biāo)碰撞及遮擋問(wèn)題的視頻摘要生成方法可有效處理多目標(biāo)遮擋過(guò)程中造成目標(biāo)缺失和軌跡不完整的問(wèn)題，使得視頻摘要的觀感更加自然流暢。

3、本發(fā)明所述一種可解決多目標(biāo)碰撞及遮擋問(wèn)題的視頻摘要生成方法可充分對(duì)源視頻進(jìn)行濃縮，并考慮到了多目標(biāo)間的隱性相關(guān)關(guān)系。

附圖說(shuō)明

圖1是本發(fā)明方法視頻摘要系統(tǒng)的功能模塊圖；

圖2是本發(fā)明方法多運(yùn)動(dòng)目標(biāo)緊隨碰撞示意圖；

圖3是本發(fā)明方法多運(yùn)動(dòng)目標(biāo)交叉遮擋示意圖；

圖4是本發(fā)明方法所有運(yùn)動(dòng)目標(biāo)按起始位置聚類示意圖；

圖5是本發(fā)明方法視頻摘要的生成方法流程圖。

具體實(shí)施方式

本發(fā)明所述一種可解決多目標(biāo)碰撞及遮擋問(wèn)題的視頻摘要生成方法，包括背景重建模塊、目標(biāo)檢測(cè)模塊、目標(biāo)跟蹤模塊、目標(biāo)軌跡后處理模塊、目標(biāo)軌跡生成模塊、視頻摘要生成模塊，所述背景重建模塊是采用自適應(yīng)的混合高斯模型對(duì)視頻圖像進(jìn)行處理，對(duì)每一個(gè)像素判定其是前景還是背景，得到前景圖像和背景圖像，并實(shí)時(shí)重建背景模型；所述目標(biāo)檢測(cè)模塊是使用背景重建模塊得到的前景圖像檢測(cè)新進(jìn)入場(chǎng)景的所有團(tuán)塊，然后將較小的團(tuán)塊(可能是噪聲引起的)和與已經(jīng)被跟蹤團(tuán)塊有重疊的團(tuán)塊丟棄，并通過(guò)圖像邊界檢測(cè)和運(yùn)動(dòng)一致性檢測(cè)進(jìn)行篩選，丟棄不合標(biāo)準(zhǔn)的團(tuán)塊，將真正的新團(tuán)塊保存到團(tuán)塊列表中，并對(duì)所有新團(tuán)塊進(jìn)行順序ID編號(hào)；所述目標(biāo)跟蹤模塊是在背景重建模塊和目標(biāo)檢測(cè)模塊對(duì)目標(biāo)進(jìn)行檢測(cè)的基礎(chǔ)上，實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤；所述目標(biāo)軌跡后處理模塊是采用卡爾曼濾波對(duì)跟蹤團(tuán)塊的位置信息進(jìn)行修正；所述軌跡生成模塊是在每條軌跡結(jié)束時(shí)生成運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)軌跡，主要包括ID編號(hào)、起始幀號(hào)、終止幀號(hào)、碰撞標(biāo)識(shí)數(shù)組、所有團(tuán)塊的位置和大小信息，并將其導(dǎo)出到運(yùn)動(dòng)軌跡文件中；所述視頻摘要生成模塊是根據(jù)軌跡生成模塊得到的目標(biāo)運(yùn)動(dòng)軌跡文件，對(duì)所有目標(biāo)的運(yùn)動(dòng)軌跡進(jìn)行組合優(yōu)化，最大限度地降低時(shí)間冗余度和空間冗余度，以及保證目標(biāo)的完整性和時(shí)序一致性，并按照該組合優(yōu)化方案將運(yùn)動(dòng)目標(biāo)與生成的背景圖像進(jìn)行融合，生成視頻摘要。

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。

本發(fā)明的一種可解決多目標(biāo)碰撞及遮擋問(wèn)題的視頻摘要生成方法是一種基于對(duì)象的動(dòng)態(tài)視頻摘要生成方式，該方法對(duì)監(jiān)控視頻進(jìn)行智能分析處理，對(duì)源視頻中的目標(biāo)進(jìn)行檢測(cè)和跟蹤，并提取目標(biāo)位置大小等軌跡信息，通過(guò)軌跡的組合優(yōu)化生成包含所有目標(biāo)的濃縮視頻，該方法能夠有效降低視頻空間冗余和時(shí)間冗余。

本發(fā)明的一種可解決多目標(biāo)碰撞及遮擋問(wèn)題的視頻摘要生成方法，按照以下步驟實(shí)施：

S1，采用自適應(yīng)的混合高斯模型對(duì)視頻幀圖像進(jìn)行處理，對(duì)每一個(gè)像素判定其是前景還是背景，得到前景圖像和背景圖像，并實(shí)時(shí)重建背景模型。

S2，使用步驟S1中得到的前景圖像檢測(cè)新進(jìn)入場(chǎng)景的所有團(tuán)塊，然后將較小的團(tuán)塊(可能是噪聲引起的)和與已經(jīng)被跟蹤團(tuán)塊有重疊的團(tuán)塊丟棄，并通過(guò)圖像邊界檢測(cè)和運(yùn)動(dòng)一致性檢測(cè)進(jìn)行篩選，丟棄不合標(biāo)準(zhǔn)的團(tuán)塊，將真正的新團(tuán)塊保存到團(tuán)塊列表中，并對(duì)所有新團(tuán)塊進(jìn)行順序ID編號(hào)。

S3，在步驟S2對(duì)目標(biāo)進(jìn)行檢測(cè)的基礎(chǔ)上，實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤。按照以下步驟實(shí)施：

S31，從前景圖像提取當(dāng)前幀的所有團(tuán)塊，并計(jì)算團(tuán)塊的質(zhì)心、寬度和高度，并添加到新團(tuán)塊列表；

S32，對(duì)每一個(gè)已被跟蹤的團(tuán)塊，利用卡爾曼濾波預(yù)測(cè)該團(tuán)塊在當(dāng)前幀的位置和大小；

S33，對(duì)每一個(gè)新團(tuán)塊，通過(guò)與已被跟蹤團(tuán)塊位置和大小及其卡爾曼預(yù)測(cè)的位置和大小進(jìn)行碰撞分析，并將與該團(tuán)塊產(chǎn)生緊隨碰撞、交叉遮擋的所有目標(biāo)的ID編號(hào)保存在已被跟蹤目標(biāo)的碰撞標(biāo)識(shí)數(shù)組CollisionID[MAX_NUM]中；

S34，對(duì)已被跟蹤的目標(biāo)團(tuán)塊進(jìn)行判斷，a)若存在碰撞，則采用帶權(quán)重的粒子濾波進(jìn)行跟蹤預(yù)測(cè)得到目標(biāo)團(tuán)塊；b)若不存在碰撞，則尋找距離上一幀里的團(tuán)塊最近的當(dāng)前幀的團(tuán)塊作為目標(biāo)團(tuán)塊；c)最后將得到的目標(biāo)團(tuán)塊添加到跟蹤軌跡。

S4，采用卡爾曼濾波對(duì)跟蹤團(tuán)塊的位置信息進(jìn)行修正。

S5，在每條軌跡結(jié)束時(shí)生成運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)軌跡，主要包括ID編號(hào)、起始幀號(hào)、終止幀號(hào)、碰撞標(biāo)識(shí)數(shù)組、所有團(tuán)塊的位置和大小信息，并將其導(dǎo)出到運(yùn)動(dòng)軌跡文件中。

S6，根據(jù)步驟S5得到的目標(biāo)運(yùn)動(dòng)軌跡文件，對(duì)所有目標(biāo)的運(yùn)動(dòng)軌跡進(jìn)行組合優(yōu)化，并按照該組合優(yōu)化方案將運(yùn)動(dòng)目標(biāo)與生成的背景圖像進(jìn)行融合，生成視頻摘要。按照以下步驟實(shí)施：

S61，對(duì)軌跡生成模塊得到的運(yùn)動(dòng)軌跡文件中的所有目標(biāo)按照ID編號(hào)進(jìn)行非降序排序；

S62，對(duì)排序后的所有目標(biāo)的運(yùn)動(dòng)軌跡進(jìn)行分析，創(chuàng)建存在碰撞分析的運(yùn)動(dòng)軌跡列表ObiectCollisionList。通過(guò)對(duì)每個(gè)目標(biāo)的碰撞標(biāo)識(shí)數(shù)組進(jìn)行檢測(cè)：

a)若存在碰撞，將當(dāng)前目標(biāo)添加到存在碰撞分析的運(yùn)動(dòng)軌跡列表ObjectCollisionList，并將與該目標(biāo)產(chǎn)生碰撞或遮擋的關(guān)聯(lián)目標(biāo)，或與其關(guān)聯(lián)目標(biāo)產(chǎn)生碰撞或遮擋的目標(biāo)，依次進(jìn)行遞歸分析，得到該目標(biāo)的碰撞分組CollisionGroup，該碰撞分組CollisionGroup被視作一個(gè)新的運(yùn)動(dòng)目標(biāo)，其起始幀為該分組中第一個(gè)目標(biāo)的起始幀，其終止幀為該分組中所有目標(biāo)的最大終止幀；

b)若不存在碰撞，將當(dāng)前目標(biāo)添加到存在碰撞分析的運(yùn)動(dòng)軌跡列表ObjectCollisionList，此時(shí)，該運(yùn)動(dòng)目標(biāo)是一個(gè)單獨(dú)的運(yùn)動(dòng)目標(biāo)；

S63，對(duì)得到的存在碰撞分析的運(yùn)動(dòng)軌跡列表ObjectCollisionList中的所有運(yùn)動(dòng)目標(biāo)，按照運(yùn)動(dòng)目標(biāo)起始位置進(jìn)行聚類，類內(nèi)所有目標(biāo)按照ID編號(hào)進(jìn)行非降序排序，然后對(duì)每一類中的所有運(yùn)動(dòng)目標(biāo)依次判斷：

a)若是單獨(dú)的一個(gè)運(yùn)動(dòng)目標(biāo)，則按照給定的間隔時(shí)長(zhǎng)計(jì)算該目標(biāo)的起始幀和終止幀，并添加到輸出運(yùn)動(dòng)軌跡列表OutputTrajectoryList；

b)若是碰撞分組CollisionGroup，將分組中第一個(gè)目標(biāo)的起始幀作為該分組的起始幀，然后分別計(jì)算分組中的其余目標(biāo)與第一個(gè)目標(biāo)的幀差，并將第一個(gè)目標(biāo)的起始幀與對(duì)應(yīng)目標(biāo)的幀差之和作為該目標(biāo)的起始幀，最后將分組中的所有目標(biāo)依次添加到輸出運(yùn)動(dòng)軌跡列表OutputTrajectoryList；

S64，依據(jù)S63得到的所有運(yùn)動(dòng)目標(biāo)的輸出運(yùn)動(dòng)軌跡列表OutputTrajectoryList，得到最終組合優(yōu)化方案，將目標(biāo)快照與生成的背景圖像進(jìn)行無(wú)縫融合，生成視頻摘要。