随着互联网的快速发展,社会媒体视频服务和社交网络中视频分享的流行,使得网络中视频的数量迅速增加。对于海量视频的存储、查询和分析是当前计算机科学与技术领域面临的一个重大挑战。云计算作为当前非常热门的技术,对于海量视频数据的处理具有天然的优势。Spark作为近年新兴的基于内存的并行计算框架,具有极大的潜力和广泛的应用前景。在这种背景下本文在并行视频挖掘研究中做了如下三点工作:本文提出了基于Spark的大规模视频数据挖掘框架,一种基于开源软件的三层框架,研究了视频数据特征模型的相关并行算法,包括并行视频镜头分割,关键帧提取,特征抽取,视觉词汇生成和bagoffeature等。并且以此并行特征模型为基础,提出了两种视频挖掘应用,包括人体动作识别和近重复视频检索。针对人体动作识别,以视频时空动态特征为基础,构建一个分类预测模型,使用SVM算法进行动作识别。针对近重复视频检索,以关键帧局部特征为基础,设计实现了一种高效的并行检索算法。本文针对提出的并行视频数据挖掘框架进行了相关的实验。在多个公共数据集上进行了人体动作识别和近重复视频检索实验,通过Average Accuracy和MAP等指标验证了视频挖掘框架的有效性,通过执行时间和加速比等指标证明了各个模块并行算法的高性能。本文最后介绍了实验室开发的大数据分析系统的功能架构以及挖掘算法的集成机制。阐述了本文提出的并行视频挖掘算法在集成过程中的详细设计。最后,通过人体动作识别和近重复视频检索的应用案例验证了集成组件的可用性。