随着网上数字视频的急剧增加以及数字图书馆、视频点播、视频监控等大量多媒体应用的出现,如何在海量视频中快速检索出所需要的资料显得至关重要,因此基于内容的视频检索技术(CBVR)便成为人们迫切关注的热点。关键帧提取技术是视频分析和基于内容的视频检索的基础,关键帧的使用大大减少了视频索引的数据量,同时也为视频摘要和检索提供了一个组织框架。本文正是围绕着CBVR中基于关键帧的分析和检索问题而展开的研究。　　 在详细分析了常用关键帧提取算法的基础上,提出了一种基于多特征相似度曲线最大曲率点检测的关键帧提取方法。算法综合利用了图像的颜色、纹理和形状特征,利用多特征融合的相似性度量来捕获视频内容的显著变化,弥补了单一特征对视频内容描述不充分的不足,且基于滑动窗口的检测算法无需阈值选择,可以实时、局部地提取关键帧,解决了传统算法计算量大、通用性差的问题。此外,针对目前关键帧检索评估准则中存在的主观性过强、目测评估费时费力的问题,提出了一种保真度评估标准,并用该标准验证了本文关键帧提取算法的有效性。　　 基于内容的视频检索的应用和网络是分不开的,根据实际情况,开发了Web环境下基于内容的视频关键帧检索系统。用户能够通过使用Internet浏览器,完成对视频文件的压缩存储、关键帧提取、关键帧图像特征提取,然后与提交的图像进行相似度测量,最终达到基于内容的视频检索的目的。实验表明,本文方法能够有效地提取关键帧并准确检索出查询图像所在镜头。