互联网和社交媒体近年来得到了飞速发展,视频作为信息传播最有效的媒介,频繁出现在人们的学习、工作和生活中,至今已经产生了海量视频数据。因此,目前亟需一种快速、有效的视频检索算法对视频进行管理、分析。同时,近年来深度学习取得了突破性发展,且在图像、视频处理领域表现优异,这为视频检索问题提供了新的思路。本文结合深度学习中的两种网络模型,对视频检索中的关键步骤:镜头分割、关键帧提取和特征提取作了研究、分析与改进,取得了一定的效果。本文的主要工作如下:(1)介绍了视频检索的研究分类和发展概况,总结了经典镜头分割、关键帧提取和特征提取算法的思想、原理和优缺点。(2)针对经典镜头分割算法的不足,本文提出了一种基于深度学习的镜头分割算法。该方法提取图像的深度特征,通过比较特征之间的差异作为镜头分割的依据,相较于经典方法在光照变化、图像模糊和背景抖动等情景下能够有效避免镜头的漏检和误检。(3)本文提出了一种改进的基于聚类加权的关键帧提取算法,算法首先对镜头中的图像帧聚类,然后根据帧序号的连续性作二次划分得到最终的分类结果,接着从每个类簇中提取若干关键帧,最后根据类簇中图像帧的数量配置关键帧权重。相较于经典方法,本算法对运动镜头提取的关键帧更加准确,而且引入了权重来衡量重要性,使得关键帧的数量更为合理。(4)本文使用双网络模型构建视频图像特征的描述子。对于视频中的短镜头,算法使用卷积神经网络提取图像特征;对于视频中的中、长镜头,使用卷积神经网络提取图像特征的同时,继续使用单层长短记忆网络提取时序特征。且对应提出了适用于本特征的基于文本的相似度匹配算法。在实验环节,串联本文提出的镜头分割、关键帧提取和特征提取三部分算法,组成完整的视频检索系统。视频检索的效果好于以SIFT特征为核心的传统视频检索系统,在查全率为90%的情况下,查准率不低于82%,而且通过GPU等硬件环境加速,系统的检索时间不慢于传统方法。