随着互联网的日益普及,视频检索、分类等应用越来越广泛。视频的视觉内容包括颜色、纹理、形状和运动等信息,其中运动特征是视频区别于图像独有的特征。运动活动性是最重要的运动特征之一,描述了视频片段整体的运动强度,是MPEG-7标准中多媒体内容的运动描述符。同时视频镜头是视频检索等应用的基本单位,因此论文主要研究视频的镜头检测和运动活动性评价。首先总结分析了现有的视频镜头检测算法,在此基础上针对常用的基于颜色直方图的镜头检测算法,结合图像的分块分形维数对其进行改进,取得了更好的突变和渐变镜头检测效果。然后利用改进的光流场算法得到相邻视频帧之间的运动场,计算视频活动性的特征参数如运动向量的平均值,标准差,中位数等,并根据这些特征参数来评估视频的活动性。根据MPEG-7标准中视频活动性的分类方法,本文将视频的运动活动性划分为5个等级(1-5,1是运动强度最小,5是运动强度最大)。然后利用多类模式的线性分类器对视频进行分类,分类器输入为上述计算得到的活动性特征参数,输出为1一5的等级。同时为检测视频活动性分类算法的性能,对所有视频进行主观实验,以人们的主观感受作为评价的标准。经实验证明,基于线性分类器的视频活动性评价算法实验效果与人的主观感受较为一致,针对视频测试集正确率达到92%。