随着多媒体技术、计算机通信技术以及互联网的迅速发展,视频的存储和传输变得简单,并得到了广泛的应用。视频的分析和管理问题越来越重要。如何提高视频聚类的聚类质量与聚类稳定性成为视频分析和管理的研究热点。本文首先给出一种基于人工文本与视觉特征的多模态信息视频帧分割算法。在视频序列中,提取包含人工文本的视频帧,利用文本特征进行视频帧的分割,并利用视觉特征对相邻的包含人工文本的视频帧之间的非文本帧进行视频帧的分割,以精确定位视频帧的分割点。其次针对传统K-means算法中依赖初始值K的缺点,给出一种改进的K-means算法。该改进算法采用最小最大距离方法自动生成初始聚类中心点和聚类数,有效地解决了传统算法对初始值K的依赖。同时,改进的K-means算法对初始聚类中心点选取比较严格,各中心点的距离较远,这样避免了初始聚类中心选自同一个聚类,一定程度上克服了K-means算法限入局部最优状态。仿真实验表明,基于人工文本与视觉特征的多模态信息视频帧分割算法提高了视频帧分割点的精确度,对分割出的视频段用改进的K-means算法进行聚类,也提高了聚类的精确度。