早期基于文本的视频检索需要耗费大量的人力,而且由于人的因素,对视频的描述信息及其提取的关键词都具有很强的主观性。因此,基于内容的视频检索技术成为了近年来视频检索的热点。基于内容的视频检索可以分为以下几个步骤：一、视频镜头分割；二、镜头关键帧提取；三、镜头特征提取；四、基于视频特征进行相似特征的视频检索。由于视频镜头分割主要是在特征提取的基础上进行的,因此本论文首先研究了视频分析常用的一些视频特征,其中主要包括颜色特征、主色特征、纹理特征、形状特征,以及视频数据的流形特征,并在LLE算法的基础上提出了综合利用时空联合信息的LLE算法(ST-LLE)对高维的视频数据进行分析得到的视频数据的时空流形特征,实验显示,视频数据的时空流形特征能够很好的表征具有重复运动的视频内容。视频镜头是视频检索的基本单元,镜头分割是视频分析的基础,本论文了研究了一些经典的视频镜头检测算法,包括全局阈值法、边缘特征法ECR等,利用改进的降维方法ST-LLE分析研究了镜头边界的流形结构,研究了基于主色描述子和主色布局描述子的视频镜头分割算法,在改进的HSV直方图的基础上利用镜头代表帧和当前帧的直方图的变化率,提出了基于颜色直方图变化率的视频镜头分割算法,实验证明,这种算法对于镜头突变和渐变均具有很理想的检测效果。研究了基于内容的视频检索过程中多特征融合的算法。由于单一的视频特征只能表征视频信息的一个方面,很难全面的表征视频信息的内容,因此基于单一特征的视频检索结果往往不是很理想。为此本论文使用融合多种特征的算法,把视频多个特征融合到一起以对视频进行多发面的表征,这样可以使检索结果得到显著地提高。