近年来,物联网发展十分迅速,受到了社会和学术界的广泛关注。物联网给视频开放技术带来巨大的市场前景,将智能化、网络化思维引入视频开放技术中。并且,随着时间推移,监控图像和视频呈线性增长,为浏览者带来巨大的人力成本。基于以上问题,引入视频摘要技术,通过分析视频的结构与内容,从原视频中提取出有意义信息,并将其重新组合,浓缩成可以充分表现视频语义内容的视频摘要。在视频摘要和检索系统中,关键帧提取是一个重要的环节。目前已有的关键帧提取方法有k-means聚类算法[7]、AP聚类算法[3]等,但应用最为广泛的k-means算法有需要人为设定k值等不足,对视频的适应性和提取的关键帧效果并不令人满意。在上述背景下,本文对视频摘要中的关键帧提取技术进行了深入研究,完成的研究工作与贡献主要包括以下几个方面：1.本文提出基于颜色、纹理特征非线性融合的相似性度量算法,并将视频帧的融合测度作为AP聚类的相似度矩阵,应用于关键帧提取算法中。2.本文针对k-means算法及传统AP聚类算法应用于视频摘要中的不足,提出基于动态阻尼因子的AP聚类算法,并应用于静态视频摘要算法中,仿真结果符合预期,提高了所提取关键帧的质量。3.本文将关键帧提取算法评价准则CUS[7]进行了改进,通过将用户摘要关键帧进行聚类和引入“冗余率”参数,使其更加科学地反映关键帧提取算法效果。将本文所述算法与VSUMM[7], STIMO[18],传统AP聚类等算法结果进行了分析对比,验证了本课题算法的准确性、高效性。4.本课题完成了物联网情境下智能视频开放共享体系的设计与实现,并将本课题算法应用其中,实现了视频开放平台的智能化。