随着互联网技术以及摄像设备的急速发展,视频存储量在急剧增长。面对如雨后春笋般涌现的类型多样化以及内容丰富的视频资源,快速地了解视频信息成为一项迫切需求。人为手动拖行滑动条方式来快进式回顾视频内容是现今可行的解决途径之一。但其要求用户时刻注视屏幕且不断地手动操作,这本身是一项耗费时间和精力的任务。特别是在大量内容变化不大的监控视频中,快速地理解视频内容并对感兴趣片段进行细致浏览成为一项研究热点。本文提出了一个自适应式视频智能加速框架来满足时间要求十分苛刻的任务需要。该框架以提取视频关键帧为基础,并充分利用视频的多种内容属性来维持一个稳定的视频播放“步调”。首先,本文引进一个新的信息熵度量工具(JSND)来描述时序的相邻帧间的差异值,并通过一个可视化的兴趣学习模型来反馈用户的浏览习惯,从而为用户提供一个满意的播放速度及感兴趣的视频内容。然后,一种非线性的跳帧算法用来将冗余的且用户不感兴趣视频内容“过滤”来筛刷关键部分来快进播放。此算法对于不同类型的视频子镜头采用不同的跳帧方式并运用图像融合算法为用户提供一个稳定且任意的播放速度。最后,本文实现了一个模拟驾驶的可视化浏览界面来帮助用户更好的理解和欣赏视频。实验表明,本文设计的可视化系统能够辅助用户快速理解视频主要内容,而且在加速中保持了视频播放的流畅性,以及避免了对关键性用户感兴趣内容的遗漏,获得了良好的用户体验。