随着新兴的网络视频相关服务和设备的兴起,例如视频共享、视频广播、广告和视频推荐等,网络视频的数量急剧增长。越来越多的用户参与到视频相关的活动中,包括上传和下载视频,编辑视频等等,因此,大量的近似重复视频涌现在互联网中,并呈现爆炸式的增长趋势。近重复视频主要是指由相同的视频源经过拷贝或者是二次编辑产生的视频,二次编辑可以是对于视频帧的添加、删除、加噪、添加文本、改变视频分辨率等手段。近重复视频检索的任务描述是给定样例视频片段,在视频数据库中进行查找,检索出与样例视频近似或者重复的视频片段。随着大量近似重复视频的存在,近重复视频的检索技术可以应用在很多领域,如版权保护、视频监控、视频推荐等等。例如,当我们在搜索视频时,搜索引擎返回的前几个搜索结果往往都是近似的,而我们想要的是不同的视频。另外,近似重复视频都是由原始视频二次编辑而来的,这样就可能会侵犯原始视频的版权。基于近似重复视频的影响,在大数据背景下,视频哈希通过有效的检索近似重复视频具有一定的理论意义和现实意义。很多相关的科研工作已经在近似重复视频方面做了很突出的成果,多特征哈希可以很好的用于大规模的近似重复视频检索工作。但是,目前还存在一定的挑战。首先,多特征能够更好的表征视频内容,而且在检索中起到互补互助的关系,但是大多数现存方法仅仅考虑了多特征之间的局部关联关系,例如它们忽略了不同特征表示的视频之间的相似性或者是同一种特征表示下的不同的视频的相似性,这样就不能全面的挖掘多特征之间的关联关系,降低了检索的准确度。其次,现存的工作在学习哈希码的过程中,一个哈希函数产生一位哈希码,这在很大程度上增大了哈希函数学习的时间复杂度。因此,我们在第二章提出了一种基于全局的多特征近似视频哈希检索方法GVH来解决上面提到的问题。GVH方法利用了样本之间全局的结构关联关系。在该方法中,所有视频的所有特征都被映射到统一的哈希空间中,从不同特征之间和同种特征内部的关系得到哈希函数,而且哈希函数只需要一次迭代便可得到多位哈希码。与现存的哈希视频检索相比,GVH方法利用了视频之间的全局的结构关系得到了一个更加准确的检索结果。另外,在近似重复视频的哈希检索中,可以利用成对样本之间的相似性反映成对视频之间的局部关系,而全局的结构关系能够从整体上把控所有样本之间的关系,因此,我们在第三章中提出了一种联合的多特征哈希方法JMVH用于近似重复视频检索。在该方法中,既包含了部分成对样本之间的相似性,又包含了全局样本的相似性。这样使得样本之间的相似性体现的更加细致。两种方法都在两个公开的重复视频检索的数据库上做了验证,结果表明基于全局的结构关系在检索中占主导地位,样本之间局部的结构关系占辅助地位,这两种方法都取得了比当前最先进的成果更好的结果。