近年来,随着在线短视频的大量增长,短视频快速检索研究受到越来越多的关注。作为图像哈希检索技术的扩展,传统的视频哈希检索方法主要采用手工设计的特征,并通过将实值特征转化为二进制哈希码来实现视频检索。由于视频提供的视觉信息不仅比图像多而且比图像复杂,从而导致从视频中提取特征比从图像中提取特征困难。此外,视频特征提取需要提取视频的高级语义特征而不是低级视觉特征,这使得传统的手工设计特征难以满足要求。近几来,深度学习发展迅速,引起了学术界和工业界的广泛关注和研究。它通过模拟人类大脑的结构,具有强大的数据学习能力,在自然语言处理,语音识别,图像分类等方面取得了巨大的成功。尤其在计算机视觉领域,越来越多的研究表明,深度学习方法可以通过构建深度神经网络从海量图像数据中获得更好的特征表达。受此启发,本文提出了一种基于深度学习的视频哈希检索方法,该方法首先通过深度卷积神经网络来提取视频的特征,然后将哈希函数学习整合到深度神经网络框架中,实现端到端的优化。同时,本文还提出了表示视频相对相似性及差异性的三元组损失函数,此函数可以使同一类别的视频具有相似的特征表示,不同类别的视频具有差异性较大的特征表示。本文将三元组损失函数和分类损失函数相结合作为最终目标函数,通过反向传播的方式更新网络参数。此外,为了减小哈希码中冗余位对检索结果的不利影响,本文提出一种基于类别掩码的视频检索方法。最后,本文在两个公共数据集UCF101和HMDB51上进行了实验,结果证明本文提出的视频检索方法效果比其他现有视频检索方法效果好。