随着互联网上各种视频数据的爆发式增长,如何快速了解视频的主要内容,缩短浏览时长成为了一个亟待解决的问题。视频摘要通过提取视频中的重要帧或者片段,生成能代表原视频主要内容的短视频,可以给人们提供一种快速了解视频内容的方式,因此成为了目前的研究热点之一。本文基于对视频内容的分析来研究动态视频摘要生成算法,得到能够描述视频整体内容的摘要视频。将视频分为多个片段,估计所有视频帧的重要性从而衡量每个视频片段的重要程度,选出重要程度高的视频片段生成摘要是目前视频摘要算法的主流研究方向之一。在该方法的整个流程中,对视频帧重要性的定量评估是解决问题的关键。针对目前视频摘要算法特征提取过程中存在的仅提取视频帧图像特征,忽略了视频中运动信息的问题,本文通过计算视频相邻帧间光流信息得到光流图,采用三维卷积神经网络提取光流图特征引入运动信息,并构建双流特征融合模块有效融合光流特征和图像特征以更好的表征视频内容。进一步地,为了获取时序信息的同时考虑视频当前帧和其他帧之间的不同相关性,本文结合Bi-LSTM和自注意力机制进行视频帧重要性的估计,使视频模型能更准确地衡量视频内容的重要程度。视频摘要算法中对视频帧重要性估计时得到的帧间重要性得分差异较低,容易导致生成摘要时不能选到真正重要的视频内容。针对此问题,本文引入方差对帧间得分差异大小进行度量,在损失函数中加入包含帧间得分方差值的约束项,使摘要模型在对视频内容的重要程度进行估计时能够考虑到得分之间的区分性,增大得分差异,将重要的视频内容选到摘要中。最后在SumMe和TvSum两个标准数据集上进行了实验和分析,充分验证了本文算法的有效性。