随着互联网和移动通信技术的迅猛发展,人们能够随时随地地创建和分享文字、图像、视频等多媒体数据。作为一种多媒体数据处理技术,视频片段检索在研究和应用中都得到了极大的关注。视频片段检索的目标是针对给定的输入,在未处理视频中预测目标片段的开始和结束时间。根据给定输入的媒体模态不同,可分为如下两类:以视频或图像等视觉媒体作为查询输入的基于内容视频片段检索和以文本、音频等非视频媒体作为查询输入的视频片段检索。本文分别对两种不同方向的视频片段检索技术进行了研究,分析了现有工作中的不足,设计了新的算法以提升视频片段检索的精确度、检索速度等性能,以增加其实用性。本文的主要贡献有如下几个方面:1.在基于内容视频片段检索方面,针对深度哈希方案在长视频中检索速度明显下降的问题,本文设计了基于两级局部敏感哈希的视频片段检索方案。该方案提取第一级颜色粗粒度特征和第二级纹理细粒度特征,在此基础上进行局部敏感哈希映射,并采取特征区域选择、判定重复帧、取头尾片段等操作,在保证精度的情况下,显著地提高了处理速度。同时,该方案具备目标视频重复检测与完整性检测等功能,满足广告监播等实际应用领域的需求。2.在基于文本查询的跨模态视频片段检索方面,针对现有方案忽略实体动作相互关系与上下文语义,导致检索片段准确度较低的问题,本文设计了基于二维时域与关系图特征的跨模态视频片段检索方案2D-SGN。方案设计了以视频切片为单位的可变长度滑动窗口,通过滑动窗口划分不等长的候选视频片段;然后将候选视频片段的联合嵌入特征以二维时间向量的形式排列,计算其相似置信度评分并排序;最后通过关系图特征对评分最高的视频片段进行边界调优,得到准确的片段定位。经过测试,2D-SGN方案的平均检索准确性优于现有方案,特别是在查询文本包含动作顺序和物体位置信息的视频片段检索中效果显著。3.在上述研究的基础上,设计并实现了基于Flask Web框架的视频剪辑系统。系统分别调用上述两种视频片段检索方案,完成根据简单句剪辑出对应场景片段和根据输入视频片段剪切长视频两种不同的功能。系统具备可根据输入的剪裁描述自动定位并完成剪裁功能的优点,可应用于视频快速剪辑等需求场景。