基于内容的视频检索技术主要是根据视频的某一具体内容及其与上下文的相关性，对大规模视频数据库中的视频数据进行逐一检索反馈，借助对视觉媒体从底层到高层进行处理、分析和理解的过程中获取其内容并根据这些内容进行检索。传统人工搜寻仅对视频内部的数据描述就需要消耗很大的人力与财力，不仅如此，耗费的时间也不可估量，代价巨大，同时与视频片段相对应的文字标识信息比较模糊，无法很好的涵盖整个视频的具体内容，最为关键的是，这种传统的人工描述在一定程度上含有个人的主观意识，因此，这种传统的人工搜寻方法已经不能适应当前信息总量膨胀增长的需求。目前的视频检索技术希望通过静止的图像、声音片段或者是视频中某一具体情节等来搜寻我们想要的视频文件或者视频文件的片断。
　　 视频镜头边界检测作为视频检索系统的第一步，对整个视频检索的成功起到了非常关键的作用，镜头的正确分割对于底层特征数据的存储和检索，对于用户需求的正确查找都非常关键。通常，当不同的镜头发生转换时，会造成视频内容的底层特征发生比较明显的变化，如连续的视频帧上的相应位置的像素点的差值骤然变大、颜色分布明显发生改变、视频帧内物体的边缘突然出现或消失等。综上所述，在同一个镜头中，视频帧之间的内容有很大的关联性，并且它的底层特征具有很高的相似度；但在不同的镜头中这种相似度就表现的很低。因此，在一段完整的视频中，进行镜头边界检测换句话说就是检测这些明显的变化特征。
　　 本论文主要对视频检索中的镜头边界检测算法进行了研究，首先介绍了视频镜头边界检测的提出及意义，对目前现有的镜头边界算法进行总结，并详细分析了现有算法在不同视频类型及相同视频的不同镜头变换类型领域的适用性；其次，本论文给出一种视频镜头边界检测算法，首先在HSV颜色空间中提取视频帧的颜色特征，利用基于距离可分性的方法构造特征判据来寻找镜头边界，再利用颜色熵差值对候选边界进行二次分析，确定镜头发生变换的视频帧，进一步减少误判，提高准确率；最后，给出本论文的视频镜头边界检测算法的实验仿真，并着重验证了本论文中算法对于闪光帧与镜头切变的区分能力、物体/摄像机的运动与镜头渐变的区分能力，实验结果表明本文算法具有较高的查全率与查准率，同时具有较好的鲁棒性。