随着互联网技术、计算机技术及多媒体技术的不断进步和智能移动终端的逐渐普及,网络视频业务的数据量呈爆炸式增长。网络视频业务虽然给人们的日常生活带来了极大的便利性,但同时内容不安全、不健康的视频也给社会带来了巨大危害和不利影响。由于互联网的开放性且随着视频编辑软件功能的不断创新和丰富,使得人们可以越来越容易的获取、编辑和再发布视频等操作,如何有效的监管视频内容安全已成为一个网络监管的新难点。基于内容的视频指纹作为一项极具潜力和新颖的技术手段,已受到越来越多的企业和安全研究机构的广泛关注和研究。视频指纹一般应满足鲁棒性、准确性和一定的实时性。本文介绍了已有的基于视频内容的指纹提取算法,并分析了它们存在的问题和不足。为了进一步研究基于内容的视频指纹算法,论文的主要工作如下:首先,分析了目前网络视频业务面临的内容安全监控的相关问题,说明了论文内容研究的背景和意义,并介绍了国内外目前针对网络视频内容安全监控的研究现状。接着,阐述了面向视频内容安全监控的相关机制和技术。分别讨论了信息隐藏技术中数字水印和数字指纹在数字产品内容保护方面的应用,主要介绍了基于视频内容的指纹提取算法并分析了它们的性能。然后,介绍了SURF算法的基本概念。为了降低指纹提取过程的时间开销和提升K-means聚类算法的运算效率,本文对SURF算法作了改进:一方面采用同心圆形式的特征描述子计算窗口,不仅降低了描述子特征矢量的维度,同时也省去了特征点方向分配的运算;另一方面通过加入对角线的哈尔模板,增强特征描述子的表达能力。并通过Matlab仿真平台验证了改进后的SURF算法拥有较好的准确性和鲁棒性。最后,本文介绍了K-means聚类算法和视觉词汇的概念,并在前面的基础上提出了视频指纹的生成方法。由于指纹的生成使用了视频的局部不变性特征,保证了指纹的准确性和鲁棒性,同时视觉词汇概念的引入,使得视频指纹便于存储和检索匹配。并通过Matlab仿真平台对本文提出的视频指纹提取算法做了验证,从结果可知该方法具有较好的鲁棒性和准确性,并能满足一定的实时性。