网络的提速和网页技术的发展为在线视频提供了广阔的空间，普通网民就可以轻松的上传、下载、观看在线视频。但在线视频在高速发展的过程中出现了许多问题，如盗版视频问题严重、违法违规视频增多、用户上传的垃圾视频无数等。这些因素给在线视频的发展带来了不利影响。首先商业视频所有者的合法权益无法保障，这也打击了商业视频制作商的积极性；其次违法违规视频给网民带来了消极、负面的影响；而用户上传的垃圾视频给在线视频服务商带来了更大的硬件上的需求以及低级趣味的标签，同时也耽误了网民的时间。因此需要对在线视频的内容进行有效的管理，对侵害版权的视频、违法违规视频以及垃圾视频进行过滤，为在线视频提供一个绿色的、可持续发展的良好环境。基于内容的视频鉴别是解决这些问题较好的方法，而融合多特征的视频指纹能更加准确、鲁棒的达到鉴别视频的目的。因此，本文主要针对融合多特征指纹技术展开了系统的研究：第一，本文采用改进的AdaBoost算法融合双模态视频指纹，它的优点在于能够通过对样本数据的训练自适应的获得SIFT特征、运动特征以及音频特征的权重，再利用获得的权重进行视频指纹的鉴别。实验表明，与现有的方法相比，本文的方法能获得更高的准确度。而且，在尺度变化，亮度变化以及噪声攻击等情况下具有更好的鲁棒性。第二，本文根据产生的视频指纹的特点，结合查找效率较高的LSH算法设计了一种视频数据库的查找匹配方法。该方法首先利用二值音频指纹前153帧数据将视频指纹库建立LSH查找表；查询阶段则利用连续的153帧音频指纹进行查找，然后得到一个较小的候选集；再融合三个特征穷举匹配候选集获得最终结果。实验表明，与穷举查找方法相比，该方法提高了视频数据库的查找速度。