由于计算机网络的迅速发展和多媒体技术的广泛应用，涌现出了大量的视频资料。用户如何在大量的视频资料中迅速地找到自己需要的视频，提高用户的时间利用率，已经成为了急切解决的问题。解决这个问题的关键就是要把长视频提取成简短的视频摘要，但是又必须保留原视频的主要内容。本文提出了一种基于遗传算法的视频摘要技术模型。基于这种模型，本文主要进行了以下研究：1.研究了视频摘要的内容、分类以及特点，并且介绍了视频的结构特性。2.本文采用了一个基于内容的快速视频回放方法。本方法运用了基于运动的时间密度函数的时间量化方法寻找最好的时间量子和视频分段，时间量子和视频的分段它们两个是相互联系的。本文应用遗传算法利用适应度函数来确定最好的时间量子和视频分段。实验结果表明，用遗传算法提取的关键帧要包含更多的信息，并且减少了冗余信息，同时可以得到更好的适应度函数值。3.对传统的遗传算法进行了改进，通过创造和保持种群的多样性。引进了标准种群多样性（SPD）和健康种群多样性（HPD）的测量来保证种群的多样性。基于这种改进的自适应遗传算法，就不会使种群产生局部收敛，可以在全局寻找最优解。实验结果表明，这种算法可以得到很好的适应度函数值，但是由于是全局寻找最优解，所以收敛速度比传统的算法要慢一点。4.通过利用测试函数来研究改进的自适应遗传算法和传统的遗传算法的性能。通过比较两种算法得到的平均种群适应度值，种群的多样性指标SPD和HPD。实验结果表明，改进的自适应遗传算法在种群的多样性上体现了较大的优势，但是在收敛速度上不是很占优势。