近年来,随着多媒体通信及计算机网络技术的发展,各种多媒体信息尤其是视频信息得到了广泛的应用。与传统的文字信息相比,视频信息的数据量巨大,为了使人们能准确获得所需信息,基于内容的视频检索受到越来越多的重视,其实现思想是根据示例的特征从多媒体数据库中检索出与之匹配的图像或视频片段。为了对视频数据库进行基于内容的查询,首先的工作就是要对视频进行结构化分析。足球比赛节目作为一种大众普遍喜爱的多媒体,在人们日常生活中占据了极为重要的地位。本文主要针对足球视频的结构化问题展开讨论研究,并结合足球视频的领域知识,对足球视频中的精彩镜头探测技术进行了研究与实现。镜头分割作为视频处理的第一步,一直受到学者的关注和重视,数十年来已提出了大量的算法。本文对现有的研究成果进行分析,将不同的方法相结合来进行镜头边界的探测。利用帧图像中绿色草地所占比率的大小和黄金分割法对足球视频的长镜头、中距镜头和特写镜头进行分类。在球员目标的分割提取方面,本文实现了候选区域提取,考虑图像分割时出现的球员区域中间断裂和球员球场线相粘连等问题,最终从候选区域中识别出球员。隐马尔可夫模型(HMM)是一种基于统计的模型,对模拟和预测随机时序数据性能较好。足球比赛视频中精彩镜头的发生具有很强的随机性,因此本文研究了基于隐马尔可夫模型(HMM)的足球视频精彩镜头的提取。包括如何建立各个精彩事件的HMM模型、如何提取特征描述符、如何训练模型以及如何求得最优状态序列来实现对精彩事件的识别。实验表明本文使用的算法对镜头检测、镜头分类和精彩镜头的识别都取得了较好的效果。