随着科技的发展和移动摄像设备的普及,越来越多的人们可以随时随地的拍摄和发布视频,导致了视频大数据的产生。如何高效的在海量视频中定位到想要的信息成为一种挑战。视频摘要技术能够自动的捕捉视频内容中的重要信息和兴趣度高的事件,形成原始视频浓缩版的视频摘要,从而减缓上述问题。算法一般是无监督学习的方法,通过定义目标函数挑选精彩内容,这样会产生大量的复杂计算,效率低下。静态形式的视频摘要往往不能保留视频原有的动作内容和音频信息,导致从中获取的信息不够完整。针对目前已知视频摘要算法中存在的一些问题,本文基于对视频内容的分析,提出了新的解决方法。本文内容主要分为以下三个部分:(1)基于一致性片段生成的动态视频摘要算法。合理的分割视频片段对视频摘要算法有着重要的作用,大多数传统的视频分割方法主要是针对用户编辑过的视频。本算法设计了一种新的片段分割方法,利用片段相似度分数和局部相似度分数,通过剪切-合并-调整三个步骤,将原始视频分割为多个一致性的片段。然后,利用一组特征,算法估计一致性片段内容的重要性,从而产生高质量的视频摘要。(2)基于长短期记忆网络Long Short-Term Memory(LSTM)的动态视频摘要算法。该算法利用监督学习的技术,设计了包含双向LSTM层、多层感知机Multi-Layer Perceptron(MLP)和概率模型Determinantal Point Processes(DPP)的模型结构,能够对视频内容中视频帧的重要性、多样性和逻辑性同时建模,通过对模型进行训练,能够获得效果良好的视频摘要。(3)本文对提出的视频摘要算法进行了设计与实现。该视频摘要演示系统可以由用户选择输入任意一个视频,可以对视频进行播放、暂停播放、跳到指定内容等操作,具有视频摘要功能。