随着互联网的飞速发展,信息出现爆炸式增长,搜索引擎已经成为了用户上网查询信息不可缺少的应用服务。搜索引擎所检索的信息覆盖面大,相关度高,在用户需要进行范围广泛的查询的时候具有极高的价值。但是随着当今网络上多媒体数据的日渐增多,传统的基于文本的搜索引擎越来越难以满足用户的需要。特别对于视频的查询,关键字的标注往往难以准确描述视频表示的含义,并且对视频进行标注需要投入大量的人力,于是基于内容的视频搜索引擎应运而生,迅速成为研究热点。本文主要研究了基于内容的视频搜索引擎中的关键算法以及整体框架,实现了搜索引擎的四个模块：视频数据抓取,数据预处理,查询以及相关反馈,并从这四个方面进行了深入的研究,主要工作如下：数据抓取部分,提出了一种分布式垂直视频爬虫算法,通过主题相关度判定算法抓取网页主题链接,获取主题视频。另外,为了提高抓取效率,设计分布式结构进行并行抓取。在数据的预处理方面,提出了使用HSV相关图,LBP直方图,摄像机运动以及运动活跃度四个底层特征从颜色、纹理、运动方面对镜头进行描述。此外,提出了使用倒排索引和R树对底层特征建立索引,提高了查询的效率。在查询方面,通过实验对比了几种不同的特征匹配策略的效果,选择了最适合本系统的度量标准。我们还针对使用多特征查询的特点,提出并通过实验比较了不同的结果融合策略。在相关反馈方面,针对在线学习中的小样本问题,提出了一种自动扩充样本集的训练算法,并针对单特征很难描述用户需求的情况,提出了一种自适应阈值的多分类器融合算法。实验表明,使用两个算法后,系统的查询准确率从60%提高到了94%。