近年来,随着互联网技术的发展,大量的视频信息涌现在人们的生活中,视频检索逐渐成为用户获取信息的一种重要方式。视频中蕴含丰富的信息,随着高清化的普及,视频数据日益庞大。如何对互联网中产生的海量视频数据进行快速精确的检索,是目前视频产业发展面临的一个重要问题。传统的基于文本标注的视频检索是通过人工给视频贴上文本标签,效率低且具有很强的主观性,一般不能准确地描述视频的含义;传统的基于内容的的视频检索通过卷积神经网络提取图像更底层的特征信息来建立索引,并按一定的相似度度量算法实现视频特征向量的相似性检索。虽然准确性较高,但面对规模较大的视频时,计算量较大,效率低。本文结合以上两种方法,针对体育运动视频的特点,通过改进的GoogLeNet网络提取底层视频特征进行训练模型并对视频进行标注,最后通过提出的基于本体语义扩展的关键词模糊查找算法对视频标注词进行检索。既保证了标注的准确性、客观性,又提高了检索效率。本文通过研究体育视频的特点,提出基于自动门限的直方图差异法和基于块匹配的四步法分别进行视频镜头的突变检测和渐变检测。通过自适应阈值,标记出帧差变化较大的区域作为镜头的候选区域,再分别通过突变检测算法和渐变检测算法确定镜头边界。提出基于聚类和光流分析的关键帧提取算法进行体育运动视频的关键帧提取。该算法有效去除了冗余帧,提取的关键帧也更有代表性。通过大量实验,本文提出的基于改进的GoogLeNet网络和基于本体语义扩展的关键词模糊查找算法表现出比较理想的检索性能,利用此方法进行视频底层特征的提取、标注以及关键词查找是可行的,并且算法的一个突出特点就是,在大量的互联网视频资源中,能快速有效地检索到所需要的视频,在减少误检率和漏检率的同时,提高了保真度,基本满足人们日常需要。