视频摘要生成技术是视频大数据内容的高度概括,在交通运输、医疗健康及畜牧养殖等行业都有广阔的发展前景,但将此项技术运用在教育领域的实践还有待提高。本文面向课堂场景,结合其视频数据特征复杂、目标运动幅度小、单位时间内信息密度低等特点,并针对现有视频摘要生成方法不够准确的问题,构建基于注意力机制的卷积神经网络模型获取侯选摘要序列,再通过改进的哈希聚类算法去除冗余帧得到最终的视频摘要。本文主要研究内容如下。首先,针对现有视频摘要生成方法中存在的输入特征单一,不能充分突出课堂视频关键运动目标的问题,提出一种基于DA-Res Net的视频摘要生成模型,将图像帧序列和光流帧序列作为模型的双流输入,以此来得到多样化的视频特征,并在深度残差网络中嵌入通道和空间的注意力机制,进一步加强感兴趣目标权重,最后通过个性化融合得到视频帧重要性分数,生成更具有代表性的视频摘要。其次,针对DA-ResNet模型生成的视频摘要中存在冗余信息,不能精确去除课堂视频相似帧的问题,提出基于哈希聚类的摘要去冗余算法,将边缘检测融入视频帧预处理模块,加强相邻帧之间的细节差异性,弥补感知哈希算法只关注视频帧整体结构的不足,并以汉明距离为指标自适应聚类数目,取每类中图像熵值较大的帧作为最终的摘要帧,去除其他冗余信息,进而得到更精简的视频摘要。最后,采用TVSum和SumMe两个公共数据集对本文算法进行了消融实验和对比分析,证明了本文算法的优越性。此外,为验证其在课堂场景下的有效性,制作了包含不同类型的真实数据集Class Video,实验表明,本文模型在不同的评价指标下均获得了不同程度的提升,实现了对课堂视频摘要的有效提取。