随着数字媒体技术的发展与各类视频创作平台的涌现,网络上的同源视频数量急剧增加。大量的同源视频不仅不利于用户高效地检索视频信息,也给网络平台的管理增加了负担。因此准确且高效地检测出海量视频中的同源视频是当下的研究重点。当前的同源视频检测方案主要存在三点问题:第一,仅依据视频帧间时序特征来判定视频同源性,未充分考虑视频的空间特征;第二,仅判断视频的同源性,未能实现对同源片段的定位;第三,在检测准确率和检测效率之间未取得较好的平衡。针对上述问题,本文提出了融合多特征的同源视频检测方案。主要工作如下:（1）为基于完备的视频特征对同源视频进行检测,本文提出了基于帧间时空特征的同源视频检测方案。该方案首先构建了Le Net3D网络模型来提取视频时空特征,然后设计了视频相似度计算流程,将捕获的帧间时空特征输出为Chamfer距离来度量视频间的相似度,以此来判断视频的同源性,最后设计了总损失函数以优化模型参数。结果表明,该方案可以在保证较高检测准确率的前提下,实现对同源视频的高效检测。（2）为实现对被测视频的同源性判定与同源片段的定位,本文提出了基于视频特征序列的同源视频检测方案。该方案首先通过三帧差分法,图像腐蚀膨胀等操作对视频进行初始化,然后采用滑动窗口机制对视频特征序列进行对比,以此判定被测视频的同源性,最后基于视频帧间间隔和同源序列的相对位置来实现对同源片段在视频时间轴的定位。结果表明,该方案不仅对多种视频变换方式具有良好的鲁棒性,而且使同源视频的检测准确率得到了明显的提升。（3）为兼顾同源视频检测方案的准确率与效率,本文将上述两种检测方案结合,提出了融合多特征的同源视频检测方案。该方案通过帧间时空特征提取模型对被测视频的同源性进行初步判断,并将被测视频进行归类从而缩小检测范围,然后根据视频特征序列检测方案来实现对被测视频的同源性判定和同源片段的定位。结果表明,该方案在CC＿WEB＿VIDEO和FIVR-200K两个数据集上的性能均优于其他方案,不仅达到了较高的检测准确率,而且大幅缩短了检测耗时,满足了视频检测的准确性与实时性要求。