近年来，网络视频数据量呈爆炸式增长，为更好地管理和利用数字视频资源，人们迫切希望计算机能自动完成对视频的标记及描述工作以代替费时费力的人工标注。然而，视频的高层语义，也就是人们对视频数据的理解，与其表现形式，即计算机所提取的二进制底层特征之间存在着难以跨越的语义鸿沟。为有效克服语义鸿沟，视频语义概念检测技术应运而生，它是一项研究如何建立视频底层特征与其高层语义之间映射的技术，当前已成为国际研究的热点，它不仅具有重要的学术研究意义，而且有着广阔的应用前景。目前，由于缺乏鲁棒的底层特征和有效的算法等问题，这项技术的检测准确率仍然很低。为提高检测准确率，本文将研究基于视觉不变量的视频语义概念检测技术，其中对视频语义概念检测中的底层特征及融合算法进行了较为深入的研究，取得如下研究成果：　　 1.基于嵌入EMD的Bag-of-Feature特征　　 构建有效的底层特征表示是视频语义概念检测的基础。本文在视觉不变量特征的基础上提出了一种基于嵌入EMD的Bag-of-Feature特征，它在Bag-of-Feature的思想上引入用于计算特征点集间距离的嵌入EMD理论，以空间金字塔的形式对视频帧进行表示。该特征不仅克服了以往方法完全丢弃特征点空间信息的问题，同时具有形式简单、计算复杂度低等特点，可对视频帧给出更全面、有效的描述。　　 2.基于平均准确度的Adaboost融合算法　　 针对视频语义概念检测技术中缺乏鲁棒高效的融合算法的问题，本文在朴素Adaboost的基础上对算法进行改进，提出了基于平均准确度的Adaboost融合算法。改进后的算法借鉴了TRECVID的评价标准——平均准确度的思想，利用样本的排序更新样本权重，并充分利用了分类器的输出信息，使得算法更加有效。　　 3.TRECVID视频语义概念检测系统和Go2View中的语义概念检测模块　　 在上述研究成果的基础上实现了TRECVID视频语义概念检测系统和视频搜索引擎Go2View中的语义概念检测模块。