在靶场对新型装备性能进行测试时,需要利用高速相机对试验目标进行高速视频记录,此时会产生大量的高速视频数据。传统网络架构日渐臃肿的网络结构已无法满足海量视频数据的传输需求。同时视频数据中包含大量的冗余信息,如何能在海量的视频数据中快速找出测试环节的关键信息仍是目前的一大难题。针对以上两个问题,本文以高速视频数据为研究对象,利用SDN网络可编程能力提升网络的质量为高速视频的检索创造了条件,并在新型网络架构下对高速视频数据的快速传输及精确检索展开了以下几方面的研究。1、针对传统网络在面对大数据流时可能出现的低效率传输和网络拥塞的问题,本文引进新型软件定义网络（Software Defined Network,SDN）来优化视频传输网络,利用SDN转发与控制分离的核心思想,结合Ryu控制器和STP协议来解决网络中存在的环路问题,以从而提高网络的利用率。通过试验验证对比,相比传统网络,SDN网络在进行视频数据传输时有更低的丢包率及时延。这些改进能够增强视频传输网络的性能,使得视频数据的传输更加高效。2、对于非结构化的视频数据,设计了一种多特征融合的自适应双阈值镜头边界检测算法,首先将图像分均匀分块,然后将每块图像的特征向量融合并根据权值系数相加来表示整幅图像的特征,最终自适应确定高低阈值来对突变镜头及渐变镜头进行检测。实验结果表明,改进算法能较准确的对镜头边界的变化做出检测,并降低了由于环境干扰引起的误检错检现象,提高了镜头边界检测的准确性。3、在关键帧提取方面,采用基于改进k-means聚类算法的关键帧提取技术,该方法首先使用AP算法对聚类数目的上界进行确定,缩小了聚类的范围,然后基于密度块的思想,在各密度区间根据样本间最短距离来选取初始聚类中心,通过迭代计算选取稳定的聚类中心,确保选取的类心具有唯一性。改进后的算法能通过视频内容自适应调节关键帧数目并且聚类结果更稳定,提取出的关键帧更准确、更具有代表性,有效的减少了视频的冗余帧。最后,对SDN架构下的视频传输网络及基于内容的视频检索技术进行了实验分析验证,实验结果表明,网络质量相比较于传统网络得到了大幅提升,视频镜头边界检测及关键帧提取的准确率结果表明改进算法相比较于传统方法更具有准确性、代表性,并且视频检索结果相比较于单一特征的检索有较高的准确率。