近年来,随着数字控制技术和网络技术的飞速发展,视频资源的数据量呈现爆炸式增长,同时高速发展的互联网使传输和共享视频变得更加方便,存储和管理这些数据变得越来越重要。所有这些现状都为视频检索技术创造了巨大的需求,并激励众多学者进一步推进这项技术的研究。视频检索是用来在浩瀚的视频资源中获取所需视频资料,传统方法是通过人工注释对视频进行关键词的标注,这种基于文本的方法虽然简单但主观性较强,并且耗时耗力,不是一种有效的管理、检索视频方法。基于内容的视频检索方法是对视频帧自带的信息特征进行分析处理,然后通过相关算法自适应地选出人们所要的视频,从而更加灵活、高效地存储、管理和检索视频数据,该技术开始受到越来越多的关注。在视频检索中,如何准确地对视频镜头进行分割,是提高检索准确度的基础。如何从视频中提取有效的代表帧,是提高检索系统性能的重要环节。通过深入分析和整理视频检索中现有的镜头分割和关键帧提取技术的优点和存在的不足,在前人研究的基础上,针对其中的不足提出了相应的改进,主要研究如下:(1)在镜头分割方面,提出了基于双重检测的镜头分割方法。该方法主要分初检和复检两个过程,初检是对视频帧进行目标与背景的分离,对目标利用Hu不变矩提取特征并进行检测;复检采用三维颜色直方图对初检结果进一步检测,得到镜头边界。根据突变和渐变镜头的过渡时间不同的特点,提出了利用可变滑动窗口对镜头的过渡时间进行检测。为了证明该方法的准确性和稳定性,通过实验对四段不同类型的视频数据进行了镜头分割,与其他分割方法相比,本方法的查全率和查准率均在90%以上,漏检率低,整体算法的效率优于其他方法。(2)在关键帧提取方面,提出了基于DCT和NCIE的关键帧多级提取方法。为了保证图像质量并减少计算量,首先选用离散余弦变换(Discrete Cosine Transform,DCT)系数来代替视频帧的底层特征,并根据镜头的复杂度,利用差异程度来区分变化复杂镜头和变化单一镜头,完成初步分类;其次,利用非线性相关信息熵(Nonlinear Correlation Information Entropy,NCIE)度量法将动态镜头中多帧作为一个整体进行相关性度量,将该类镜头进一步细分成若干个子镜头;最后分别提取子镜头中最具代表性的一帧和静态镜头的中间帧作为关键帧。经实验证明,该方法相较于其他方法,在减少误检率和漏检率的同时,将保真度提高了0.7个百分点,在主观评价方面也优于其他关键帧提取算法。