近年来,随着电子数码产品的迅速普及,消费类视频数据正在以一个迅猛的速度不断增长。采用人工观看的方式处理这些视频数据将会是一项低效且耗时的工作。因此,在视频检索、智能存储和交互式浏览等诸多智能视频管理系统中,自动获取视频数据的主要信息是一个亟需解决的问题。视频摘要技术通过选取涵盖原视频主要内容的关键帧满足了上述需求,从而提高了人们快速准确获取视频信息的能力。相比于已有的许多视频摘要方法所针对的新闻、体育赛事等有人工编辑的结构化视频数据,消费类视频由于没有预先设定的拍摄内容,以及不存在人工编辑的视频结构,使得基于消费类视频的视频摘要工作更具有挑战性。针对这一难题,本文提出了基于两阶段稀疏优化协同的视频摘要方法。在第一阶段,通过稀疏表达的重构误差选取涵盖原视频主要信息的视频帧,组成候选关键帧集合。许多现有的方法致力于通过字典学习模型挑选出具有代表性的视频帧。然而,如果不对原数据空间中样本间的关系加以考虑,将导致不准确的表达。为解决这一问题,在本文提出的算法中,通过基于图的学习策略将邻近帧间的几何分布信息整合进字典学习的过程。接下来,在第二阶段,我们从第一阶段得到的候选关键帧集合中选取代表原视频内容多样性的视频帧。考虑到视频由多样性内容构成,候选关键帧集合可以依据视觉内容的不相似度区分成不同的子集合。因此,对于给定的候选关键帧集合视频帧成对间的不相似度,本文通过基于不相似度的稀疏子集选择来寻求各个不相似内容视频帧子集合的代表帧。第二阶段选取出的代表帧即为最终形成的视频摘要。本文旨在通过以上两阶段稀疏优化,使形成的视频摘要不仅涵盖原视频主要内容,同时避免冗余信息,保持原视频的多样性内容。为了验证本文提出视频摘要方法的有效性,本文在三个视频数据库上进行了验证。通过与其它主流的视频摘要方法进行实验对比,结果表明,本文提出的方法具有良好的鲁棒性和有效性。