随着传统广播视频和新生网络视频数量的快速增长,如何从浩如烟海的视频中快速有效地检索到用户所需的信息逐渐成为多媒体技术研究领域的重要课题。传统的视频检索方法主要有两种：一种基于视频元数据,另一种基于视频底层特征,两者都不能实现基于语义和镜头粒度的视频检索。随着基于内容的图片检索技术和机器学习等相关领域的不断发展,基于语义的视频检索技术近年来引起了人们的广泛关注。本文针对基于语义的视频检索技术,重点研究了镜头边界检测和BoF (bag of features,特征袋)模型,并基于BoF模型实现了能够快速检索镜头(视频片段)的原型系统。该系统首先利用镜头边界检测将视频结构化成易于浏览和检索的镜头,然后使用从镜头中提取的关键帧构建视觉词典和数据库,最后在检索阶段利用反转文件和加权策略提高检索的速度和精度。取得的主要成果有：(1)提出了一种新的基于分块加权直方图和自适应阈值的镜头边界检测算法。实验结果表明,该算法能够很好地检测镜头突变和较好地检测常见类型的镜头渐变。同时,镜头边界检测使系统支持镜头粒度的视频检索。(2)系统采取不同的特征采样策略提取特征,构建了不同的视觉词典参与检索。实验结果表明,在检索场景类镜头时,密集采样特征比仿射协变特征具有更好的检索性能。(3)系统将检索到的镜头结果实时生成HTML5页面,利用HTML5的视频点播功能实现在线视频点播,为视频检索系统的互联网化提供了一个新的解决思路。