随着网络技术、多媒体技术的迅速发展以及对多媒体信息需求的日益增加，视频信息急剧膨胀。在如此浩瀚的信息数据中，如何在人们习惯的语义层次快速有效的获取人们所需的信息则成了亟待解决的问题。因此，基于语义的视频检索成为了当前的研究热点。
　　本研究主要内容包括：⑴提出了一种基于慢特征分析的快速镜头边界检测算法。提取图像的颜色直方图作为慢特征分析(SFA)算法的输入信号，针对输入信号经过非线性扩展维数增大，导致算法复杂度增加，检测速度变慢的问题，采用了局部线性嵌入(LLE)的非线性降维方法，实现了基于SFA的快速镜头边界检测。⑵提出了一种基于视觉注意力的关键帧提取方法。分别采用基于离散余弦变换的“图像签名”和时间梯度方法提取视频帧图像的静态和动态视觉显著性注意值图，并将其用自适应权值融合的方法进行融合，得到全局显著性注意值来提取关键帧。⑶提出了一种基于S-CTM（监督相关主题模型）的语义概念提取模型。 S-CTM通过使用与主题一一对应的类标签，降低了相关主题模型(CTM)中隐含主题与目标类别间对应关系的不确定性。提取关键帧的尺度不变特征变换(SIFT)特征，通过K-均值聚类算法构建出视觉词汇表，并利用S-CTM模型进行关键帧图像的语义概念的提取。⑷提出了一种基于片段的视频检索方法。用关键帧的语义概念置信度表征镜头的相似性，并初步搜索出相似视频片段。针对视频片段中存在的自相似性问题，采用最大匹配Hungarian算法进行伪相似视频片段的过滤。综合考虑了影响视频片段相似性的语义因子、顺序因子、干扰因子和跨度因子的作用，得到视频片段的总相似性度。