近年，スマートフォンやSNSの普及により縦型動画の需要が高まっている．そのため，横型動画を縦型にクロッピングする手法が検討されているが，クロッピング位置が固定であると移動する被写体を捉えることができない．また動画内の顕著性を検出し，顕著な領域が含まれるよう動的にクロッピングする手法が提案されているが，被写体が複数の場合に同じ被写体を検出し続けることや，人物が被写体として検出されやすい問題がある．そこで本研究では，顕著性に加え運動量や深度といった被写体の情報に基づいて主被写体を検出し，適切な位置でクロッピングする手法を提案する．これにより，より印象的な部分を残したクロッピングを可能にする．