随着世界范围内旅游业的发展、视频采集设备的普及化和网络视频共享服务的流行，旅游视频的数量和受众呈激增之势，对旅游视频标注需求也与日俱增。但对旅游视频标注涉及到了两个难点：视频跟踪和可靠的标注数据源。本文独辟蹊径，在视频标注中引入了三维地理模型，一定程度上解决了这两个问题，并提出了一套完整的旅游视频标注解决方案，包括对齐视频关键帧到模型、跟踪并在视频帧间传递相机、标注视频内容三大步骤。本系统有三大优点：一、用户交互少，只要在第一步对齐关键帧其他事情均可由计算机自动完成；二、用户门槛低，三维地理模型服务已经比较普及，对视频没有特殊要求，也不依赖于特定的硬件地理定位设备；三、标注粒度细，可以标注到每一帧的相机参数和其中的各个地理对象（建筑物）.本文的工作可以用于网络地图服务的增值服务，为用户提供更方便、更有效的在地图上浏览和理解视频的手段。