La foto en cuestión podría haberse tomado con (a juzgar por la duración de los diversos desenfoques) una exposición de aproximadamente 2 segundos. Dependiendo de la luz, esto puede hacerse sin un filtro ND (densidad neutra), pero podría ser necesario un filtro de 2 a 4 paradas si la luz ambiental era demasiado alta para una combinación adecuada de ISO / Apertura / Velocidad de obturación. El problema, como usted señala, es que las imágenes fijas se ven muy quietas para esa duración de exposición.
Dicho esto, algunos de los desenfoques tienen un "tartamudeo" que sugiere que la imagen final podría ser un compuesto de varias exposiciones más cortas (¿5 segundos o menos?) En capas. Lo más probable es que esto se haga por correo y permitiría, con el enmascaramiento apropiado, que las figuras fijas (y el perro) parezcan relativamente inmóviles.