随着智能移动设备的不断普及,人们为了捕捉特殊时刻或记录日常生活,每天有大量的视频产生,并且上传到互联网上。但是,许多用户在拍摄过程中都是先拍摄,后剪辑,或者,根本不剪辑就上传到了网络。普通的视频上传者也很少考虑帮助其他用户快速检索到自己的视频,换句话说,他们在上传视频的过程中,很少考虑对视频的主要内容进行描述。比如,通过视频文字标题,视频类型和内容标注等方法描述视频主要内容,进而帮助其他用户快速检索到目标视频。为了使没有辅助信息的视频能够有效的被其他用户检索,视频内容识别技术在视频检索中扮演了重要角色。现有的视觉识别技术已经比较成熟,但是,视频内容识别技术因为视频信息冗余性高,给计算资源造成了很大的负担。因此,在视频内容识别之前,需要先利用视频关键内容提取技术,减少视频的冗余性,提高视频内容识别技术的效率。视频关键内容提取作为视频内容识别的预处理算法,对视频内容识别的计算效率起到了决定性的作用。视频关键内容是指在原视频中抽取一系列视频帧或者视频关键片段,这些视频帧和视频片段能够简要的表达整个视频内容。因此,把原始视频减少为一些静止的图片的过程称之为视频关键帧抽取,视频关键帧主要应用在视频封面选取,视频内人物,物品等目标的识别。同时,把原始视频减少为一些视频片段的操作称之为视频摘要,视频摘要主要应用在视频浏览和动态摘要等视频片段信息的提取。本文针对视频关键内容提取问题,提出了一种视频关键帧抽取方法和两种视频摘要生成方法。本文主要的研究内容如下:(1)为了从原始视频抽取出更加清晰和具有代表性的关键帧,本文提出了基于视频内容边缘追踪的关键帧抽取方法。该方法基于传统的边缘追踪分镜头检测,提出了边缘变化率最大池化和边缘变化率差异性分析方法,解决了相邻视频帧之间的边缘变化率突变和误检的问题,使视频内容突变点的检测更加稳定和准确。并且,为了在每个镜头中抽取出最具有代表性和最清晰的关键帧,本文定义了一个静止系数,衡量视频帧之间的变化情况,进而抽取出最具代表性和最清晰的关键帧。实验证明,该方法可以在较低的时间和计算复杂度的要求下,快速的抽取出包含人像,物品等包含目标信息的关键帧。(2)本文提出基于自注意力机制的视频摘要生成方法,该方法借鉴自然语言处理处理领域对时域信息建模的方式,提出通过自注意力机制对视频的时域信息构建视频帧序列之间的长依赖关系,也就是建立视频帧之间的特征关系。该方法通过自注意力机制网络对视频全局特征进行学习,在时序上探究视频特征的区别和联系,最终,使视频的特征分布趋近于视频摘要的真实值,进而抽取出视频中的关键片段。(3)本文提出基于视频文相关性的视频摘要生成方法。该方法提出一个视频文相似性学习网络,该网络借助视频的文本标题,通过学习视频的视觉特征和视频标题的文本特征的相似程度,引导视频视觉特征和标题文本中的场景、目标、动作等描述分布一致,构建一个视频文空间,达到聚合相似语义视觉信息的目的。使视觉特征达到文本特征相似的可信赖的程度,然后使用聚类的方式,有效的合并具有相似语义的视频内容,降低视频的冗余信息,最终生成视频关键内容。