随着通信技术、宽带网络技术和数字电视的迅速发展,视频数据呈现出爆炸性地增长。但是,视频信息非结构化的数据形式使得视频浏览的效率非常低。如何对这些海量的视频信息进行组织和管理以达到快速、有效的检索成为当今人们需要迫切解决的问题。视频摘要技术就是在这种情况下诞生的,其目的是为了降低视频数据的处理量从而提高浏览效率,这对于各种基于视频的应用是非常重要的。当前视频摘要已经成为研究的热点问题。本文首先介绍了视频摘要技术的研究背景与国内外研究现状,分析了视频数据的特点与结构,并在此基础上阐述了视频摘要技术,对现有视频分割和关键帧提取算法进行了概述,分析其优缺点。在镜头分割方面,本文提出了一种基于自适应双阈值的镜头分割算法。通过对比HSV和RGB两种颜色模型的优缺点,建立HSV模型颜色直方图,并经过量化来表示视频帧的特征,计算帧间相似度。通过帧间相似度与双阈值的比较,能够同时检测突变和渐变。自适应阈值结合动态滑动窗口能够通过计算机的计算得到,能充分适应局部帧变化,在进行视频分割时取得了较好的效果。在视频分割的基础上,通过对聚类技术的研究,本文提出了一种基于镜头的凝聚型层次聚类算法来提取关键帧。首先将帧图像分块并赋予不同的系数值,然后计算帧间相似度,这种分块的思想考虑到了视频中各帧所表达的内容,能够更加准确地得到各帧之间的相似性。依据相似度计算自适应阈值,将视频分割得到的镜头作为初始类,通过阈值与类间距离的比较对镜头进行凝聚型层次聚类,这样就减少了镜头之间的冗余。然后从每个类中提取关键帧。最后设计开发了一个人机交互的视频摘要系统,实现了视频摘要系统的两大基本功能：镜头分割和关键帧提取,并通过实验分析验证了本文算法的有效性。