随着视频编解码技术和网络的迅速发展,传统的视频检索方式已无法满足人们的需求,因此基于内容的视频检索CBVR(Content-based Video Retrieval)成为了当前视频研究的一个热点方向,主要涉及视频内容检索,视频内容匹配,视频特征匹配等方面。本文展开了对基于内容的视频检索系统的研究,并对检索流程中的关键算法进行了分析和优化。本文的主要研究内容如下:1.传统的基于内容的视频检索往往着重于其中关键算法的研究,但对于检索本身流程并没有展开深入的讨论,本文在研究了传统视频检索的流程后,提出了一种改进的基于SVM的视频检索系统框架。新的框架可以简单高效的完成基于内容的视频检索工作。2.本文对现有的关键帧提取算法进行了一定的总结,并将基于时间的视频摘要方法与传统算法进行了比较,实验表明,基于时间的视频摘要方法较传统关键帧提取方法效果更好。然后采用Dijkstra算法对其计算过程进行优化,使算法的时间复杂度从O(n~4)下降到O(n~2),空间复杂度从O(n~2)下降到O(n),实验表明,本算法可以在提取效果不变的情况下极大降低时间成本。3.本文采用MPEG-7标准描述符作为底层特征,并验证了特殊分类器作为底层描述符时对于语义转化的影响。实验表明,特殊分类器(如人脸特征)不仅可以大幅度提升语义转化能力,而且对于不同类型视频的语义转化提升尤其明显。4.根据SVM和视频检索的特点,在引入了相关反馈,结果排序和BOOST思想后,对SVM语义转化流程做了针对视频检索系统需要的优化。本文提出的流程在实验中可以得到平均16.2%查准率的提升和12%左右查全率的提升。5.在本文基础上成功完成了一个基于内容的视频检索系统平台,便于展开视频相关的研究和交流,具有一定的实际意义。最后,对论文的研究工作进行了总结,并展望了视频检索研究和应用的前景。