随着Internet的应用和普及,多媒体信息检索系统对社会各领域产生越来越大的影响。传统的信息检索采用基于文本的检索方式,查询时需要说明文本特征,要求用户对文本特征的描述具有一定的准确性和规范性。但由于视频数据的丰富内涵以及人们对视频内容进行抽取的主观性,视频信息难以用几个关键词描述。因此,基于内容的视频检索应运而生。基于内容的视频检索通常有两种方法。一种方法是把视频信息看作是独立的帧或图像的集合,利用图像检索的方法进行视频索引和检索。这种方法的缺点是忽略了视频帧之间的时序关系,而且需要处理大量的图像。另一种方法是把视频序列分成若干组镜头,索引和检索针对镜头中有代表性的关键帧进行,该方法是目前研究的热点。目前,第二种方法的研究,主要集中在视频分割、特征提取和描述、关键帧提取和视频分类等方面。本文主要研究的目标是第二种方法中的两个主要问题:镜头边界检测和几种体育类视频的分类。论文首先在对当前镜头边界检测技术进行深入分析的基础上,将符合人类视觉系统的新颖特征应用到视频镜头边界检测中,最后用机器学习中支持向量机作为分类工具,系统地完成一个视频镜头边界检测算法。通过对TRECVID2007数据库进行实验的结果表明,该算法在查全率和查准率方面都获得了满意的性能。接下来对于几种体育视频的分类,本文提出了一种基于多支持向量机的体育视频分类算法,该算法结合常见的视觉特征(颜色、纹理、运动矢量等)和多支持向量机,在篮球、足球、羽毛球和乒乓球的分类任务上,达到了很好的分类效果。