Ich habe eine Vermutung.
Ein solcher Effekt gelingt am besten bei ruhender Kamera. Dann bewegen sich wirklich nur die Unterschiede der beiden Aufnahmen.
Jetzt wirst Du einwenden: Ja aber in diesem Beispielvideo bewegt sich doch auch der Hintergrund mit.
Das stimmt. Jedoch muss sich dann nicht unbedingt die Kamera bewegen. Man könnte z.B. die ganze Szenerie mit fixer Kamera aufnehmen und dann die releventen Ausschnitte vergrößeren, d.h. man bewegt sich mit dem am Ende sichtbaren Ausschnitt innerhalb der mit fixer Kameraposition aufgenommenen Szenerie.
Wie gesagt: Ist nur eine Vermutung.

Gruß
fpfg