随着视频平台用户生成内容的数量爆发式增长,通过视频内容在视频库中查询相关视频的视频检索算法被广泛应用在版权保护、新闻事件聚合和个性化推荐等场景中。视频检索是一个包含同源复制视频片段检索和事件级视频检索的多维度细粒度的任务,非常具有挑战性。现有的视频检索相关工作缺乏对视频结构信息的提取和对语义信息的理解。同时,多数工作仍然依赖于人工标注的相关视频对,不利于泛化性能的提升。本文提出了全新的视频检索架构,从底层特征模型的训练到召回排序的链路都进行了优化创新,并且完全基于自监督算法,不引入人工标注的视频数据。特征模型方面,本文提出了基于自监督的视频帧特征提取网络,针对视频检索细粒度任务分别提出了基于数据增强的自监督、基于视频数据结构的自监督和引入文本图像对作为跨模态辅助自监督的三种监督构造方法。最后通过偏序学习和多任务学习融合了三种监督方法,使模型同时具备了图像变换特征不变性和事件语义信息理解能力。在检索方法和现有工作保持一致的前提下,在FIVR-200K事件细粒度数据集和EVVE事件数据集上多项指标都超越了现有方法。检索方法方面,本文提出了基于无监督的多帧特征召回排序算法。通过基于无监督的帧特征权重提取算法对特征赋权,降低了空白帧等无效内容的特征权重,提高了检索准确率。提出了基于自适应分镜算法进行分镜召回的结构,在性能基本不下降的前提下,大大提高了视频检索的效率。最后提出了基于动态规划的排序算法,结合特征赋权算法进一步提高了视频检索的性能。本文提出的视频检索算法架构在FIVR-200K、SVD、EVVE三大数据集上都实现了性能和效率的全面领先。在性能上,本文提出的方法在FIVR-200K的DSVR、CSVR、ISVR三个子任务上的mAP分别领先现有工作0.7%、1.1%、2.0%。在EVVE和SVD数据集上的mAP分别领先现有工作0.5%、0.8%。在效率上,本文提出的召回排序二阶段方法在FIVR-200K数据集上实现了将检索时间降低到全量匹配的1%以下。本文为视频检索领域提供了高性能、高效率的解决方案。