视频检索和分类是未来多媒体应用的一个重要方面，而运动信息作为视频所独有的信息，是视频检索的研究重点。总体来说，视频的运动可以分为两类，一类是全局运动信息，一类是局部运动信息。前者是由于摄像头的运动所造成的，后者是指场景中的目标运动。传统的基于运动信息的视频检索是分别针对这两类运动进行的检索，在特定的应用领域能取得较好的实验效果，但是对于运动比较复杂的视频，它们就会由于镜头的运动类型不符和运动估计不准确造成错误的运动估计和模型建立。本文结合数据挖掘理论对视频的运动信息进行分析，提出了一种鲁棒的视频分类方法，使得视频检索更为有效。 本文首先介绍了相关的课题背景，包括数据挖掘理论和视频编码标准，在此基础上提出了基于粗糙集的视频预分类技术，并设计实现了一个基于运动信息的视频检索的原型系统。视频预分类技术是通过提取视频的特征属性，由粗糙集算法挖掘出分类规则，实现对视频帧的分类。视频预分类的结果被进一步的应用于镜头的分类。视频检索的原型系统正是基于此项技术的具体应用，它根据查询镜头的运动类型检索数据库中对应类型的镜头，避免了运动估计和上层分析不准确所带来的误差，因此可以更有效的实现基于运动信息的视频检索。仿真实验表明基于粗糙集的视频预分类具有很好的实验效果，最后在视频检索原型系统中的检索结果也说明该系统能有效的实现基于全局运动的视频检索，有一定的实用价值。