随着互联网技术的发展,人们可以随时随地进行视频拍摄并上传,造成了网络视频数据的大规模增长。同时,盗版侵权等违法行为也制约着网络视频的发展。为了快速地对相似性视频进行检索,基于内容的视频拷贝检测应运而生。传统的基于内容的视频检测方法,使用局部特征点或者图像特征来描述视频。为了减少内存占用与时间消耗,传统方法只能对视频关键帧进行稀疏采样。然而被抛弃的视频帧拥有大量视觉信息,缺失的信息造成了精度上的不足,制约了传统方法的发展。为了改善传统方法在计算速度上的缺陷,本文在其基础上提出了一系列改进。引入大字典模型,并使用快速汉明距离计算策略加速匹配。使用输入数据修改汉明嵌入算法,并将弱几何一致性从约束图像匹配扩展到约束视频序列匹配,提高了准确率。最终在精度不输于前人的情况下极大提升了检索速度。此外,为了从根本上解决匹配精度和匹配速度的问题,本文提出了一种基于紧凑视频表征的视频拷贝检测方法。这种方法建立在稠密采集的关键帧之上,得以保留更多关键帧的有效信息。使用卷积神经网络来提取关键帧中的视觉信息,并用稀疏编码保留其中的关键信息。为了保证特征紧凑性,减轻内存和CPU负担,使用融合的方式将一段短视频内的所有帧特征融合为一个视频表征。与其他方法相比,该方法在VCDB数据集上使召回率和准确率都有了很大的提升。