技术对于解决视频数据量不断增长所带来的浏览耗时的问题有着重要的意义。视频摘要即对视频的概括,按照生成的摘要形式可以分为静态视频摘要和动态视频摘要。在实际工程应用中,静态视频摘要技术更为常用,因此本文主要研究静态视频摘要算法,旨在通过一定的技术手段去除视频中的冗余信息,并选取视频中最能代表视频内容的关键帧生成简短的摘要。本文分析了现有的视频摘要算法所存在的一些不足之处,然后提出了两种全新的基于多特征的静态视频摘要算法。（1）针对于仅仅使用全局特征无法很好地表示视频帧间的相似性和差异性的问题,本文提出了一种基于颜色特征和目标特征相融合的视频摘要算法。该算法首先提取了视频帧的颜色直方图以及目标特征并将二者进行融合,然后使用聚类算法提取视频关键帧,最终生成视频摘要。在两个通用的数据集上做了实验,结果证明该方法比先前的一些技术手段效果要好。（2）为了满足特定应用对于视频中人物表情的分析需要,本文提出了一种基于身份特征和表情特征的视频摘要算法,该算法能够生成和某一特定人物相关的基于情绪分析的视频摘要。首先通过人脸检测和人脸识别算法,筛选出包含特定人物的表情图像,然后构建了一个用于表情识别的卷积神经网络,提取表情特征。最后同样地使用聚类算法,提取视频关键帧,生成视频摘要。在自行构建的数据集中所做的实验以及实际项目中的使用效果表明该算法具有很强的竞争性。