随着网络和数字电视的迅速发展,丰富的视频数据大量涌现,如何快速高效地访问海量的视频数据,已成为信息时代人们迫切需要解决的问题。因此,基于内容的视频检索技术(CBVR)就成为人们关注的热点。本文主要研究镜头边界检测和关键帧提取两项关键技术,并且设计了视频检索系统的结构框架。首先,本文提出一种基于均值散度直方图的镜头边界检测算法。该算法利用视频帧中的颜色信息,提取每帧矢量特征值,通过引入散度算法和非参数密度估计法,根据特定视频帧矢量值在滑动窗口中两个不同概率密度值的相异性特征,得到该帧在两种不同概率分布下的散度值；同时,提出一种新的基于统计学原理的自动阈值获取方案,获得了较好的镜头边界检测效果。其次,在对传统的关键帧提取算法优缺点进行分析后,提出一种基于聚类的关键帧提取算法。该算法将镜头聚类成若干子镜头,然后从每个子镜头中选择熵值最大帧作为该子镜头的关键帧。这种方法克服了传统算法每个镜头关键帧数目固定且可能代表性不强的缺点。最后,设计实现了一个基于内容的视频检索系统,实验结果表明,该系统具有较好的视频检索效率和准确率。