视频是承载着动态信息的多媒体载体,蕴含了丰富的语义信息,而高层的语义信息与常规认知中的低层特征之间常常存在“语义鸿沟”。为缩小视频的“语义鸿沟”,本文以教学视频为研究对象,综合视频的图像模态及文本模态从视频结构化、视频信息提取等方面对视频检索技术展开研究,并基于视频的多模态信息设计实现了视频检索系统,以提高用户对于教学视频的检索效率。主要研究工作和成果包括:1.提出了一种基于时空切片与相似度度量（STSSM）的镜头边界检测算法。针对教学视频镜头内部运动变化较少,镜头变换形式较为单一的特点,依据突变镜头与渐变镜头的特性,通过在时空切片算法中引入相似度度量函数,解决了传统镜头边界检测算法计算复杂度高、查准率低的问题。实验结果表明,该算法可以在较小的时间代价下保持较高的查全率与查准率。2.提出了一种基于Tesseract与TF-IDF的视频信息提取方法。针对Tesseract对于视频中中文文本识别率低的问题,采用字符库训练方法对教学视频中的文本进行有效识别,结合TF-IDF方法对视频图像文本与字幕文本进行语义信息提取。实验结果表明,该方法提取的视频信息能够很好的对视频内容进行概括。3.利用以上算法从视频的图像模态与文本模态中提取相应语义信息,采用Spring Boot+Shiro+My Batis+Thymeleaf技术,设计实现了基于多模态特征的视频检索系统。该系统主要包括信息管理、视频分析、视频检索等功能,具有检索准确度高的特点。测试表明,系统能有效满足用户多元检索需求。主要贡献:提出的基于时空切片与相似度度量的镜头边界检测算法,可在较小的时间代价下保持较高的查全率与查准率;提出的基于Tesseract与TF-IDF的视频信息提取方法,可同步对视频图像文本与字幕文本进行语义信息提取;设计实现的基于多模态特征的视频检索系统,可有效满足教学视频的检索需求。