在视频数据量激增的今天,如何在庞大的视频数据库中快速准确地找到用户需要的内容,目前来讲仍然是一个具有挑战性的研究课题。与视频低层特征不同,视频语义可以揭示视频所包含的深层含义,比如视频要表达的情感和视频中物体之间的联系,所以基于语义的视频检索更接近人类对视频的理解方式。新闻视频是一类特殊的视频,包含了重要的时事信息,与人们的生活联系紧密。新闻视频语义概念检测技术可以用于视频标注和视频检索,从而提高视频浏览效率,对基于新闻视频的各种应用具有重要意义。论文主要通过对新闻视频内容进行分析来挖掘其隐含的高层语义。本文综合利用视觉信息、音频信息、文本信息对新闻视频进行分析,涉及的主要技术包括视频关键帧提取技术、视频字幕提取技术、视频场景检测技术,具体来讲,本文的研究内容包括以下几个方面：1.研究了新闻视频关键帧提取技术。本文针对新闻视频的部分镜头切换点与静音点一致的特点,提出一种结合静音检测的镜头分割方法,以降低后续处理的复杂度。在镜头分割的基础上,根据镜头变化率提取镜头内的关键帧,实验证明这种算法提取的关键帧查全率较高且具有较低的重复率。2.研究了新闻视频字幕提取技术。由于新闻视频的字幕区一般出现在视频帧的下方,所以可以只在视频帧下方五分之一区域内进行文字提取,从而缩小处理范围,提高提取速度。本文采用角点检测算法进行文字区检测,用形态学算法对文字区增强,通过对整个算法的实现证明此方法对新闻视频字幕提取简单有效。3.研究了基于图像分类的新闻视频场景检测技术。图像特征采用经典的Dense Sift特征,特征映射在当前流行的BOF算法上改进,本文提出对特征描述子的概率密度函数梯度进行直方图统计的算法来提高对图像描述的准确度,并对图像分层分块进行特征整合,克服了传统方法中特征的空间信息缺失的缺点；分类器采用经典的效果较好的SVM分类器,并用格拉姆(Gram)矩阵对特征向量进行处理,以降低分类过程的计算复杂度。