近年来随着互联网视频技术以及视频设备的不断发展,浏览视频成为了人们认知世界、获取信息的主要途径之一。此外由于智能手机、平板和各种视频录制设备逐渐普及,在线视频网站、直播平台和视频数据集等视频来源层出不穷,视频数据量呈现了井喷式的增长。对如此大量的视频数据的储存、分类、筛选和监管是互联网视频技术中急需解决的重要问题。视频数据所承载信息量远大于文字和图像数据,并且视频种类趋于多元化,同类视频在内容上也各有差异,视频观看者难以在如此繁多的视频内容中短时间内准确获取其希望了解的视频信息。对于用户来讲,急需一种能够对视频内容进行快速而准确了解的方式。但视频内容的分析和理解需要对大量的视频信息进行处理,往往成本较高且不能保证实时性。视频关键帧技术作为视频摘要技术的一种,十分适用于上述情形。即利用提取一部分视频信息中能够反映视频内容的视频帧作为一组关键帧来代表原始视频的关键内容。本文对相关的关键帧提取的算法做了简单介绍,并提出了一种基于运动矢量的运动区域监测算法,提高了关键帧提取效果。此方法首先通过信息论中的相对熵来计算相邻两帧之间的颜色差距作为帧间差异,之后通过统计学工具来检测离群值从而得到镜头边界,由此实现了视频内容的自适应镜头检测。在此结果上,引入了运动矢量,通过将相邻两帧进行同样分块并进行块匹配,块匹配结果之和即为运动矢量。运动矢量的大小反映了视频中运动出现的剧烈程度,从而得到了运动活跃区域和运动不活跃区域,并分别在这些区域进行关键帧的提取。大量的测试结果表明,本文提出的提取算法对运动信息丰富的视频结果提升明显,客观指标与主观打分均有所提升,提高了算法的普适性。另外,本文还对关键帧提取结果在虚拟现实环境下的显示方式进行了研究。主要通过改变信息的显示模式和变换场景,测试用户任务执行程度结果,来优化虚拟现实下的视频关键帧显示模式。