随着多媒体和网络技术的不断发展,数字视频信息越来越丰富。如何对这些海量数据进行组织以便于高效的检索成为当今人们迫切需要解决的问题。因此,一方面基于内容的视频信息检索技术逐渐成为人们所关注的热点研究领域。另一方面假设可用于检索的时间资源是有限的,则在时间受限条件下使搜索到目标的概率最大化方面的研究就显得很有意义。本文结合最优搜索理论,提出了一种在有限资源条件下基于视频内容及最优搜索理论的视频信息检索方案。文章主要的研究内容包括以下几方面:1.本文首先简要介绍了基于内容的视频信息检索技术的研究背景及发展现状,讨论了数字化视频数据模型的结构,以及基于内容的视频检索常用关键技术,介绍了实验中用到的视频特征数据库模型。2.然后简要介绍了最优搜索理论的研究现状,以及最优搜索问题的数学模型的构造策略。讨论了几种离散空间中静止目标的最优搜索模型及最优化方法。并结合视频数据检索自身特点,讨论了把最优搜索理论引入到视频信息检索领域的可行性。3.接着本文着重研究了视频信息最优搜索策略,这是本文的重点,这一章主要包括以下三部分内容:视频分类策略的研究。视频分类处理是许多视频应用的基础,也是构造最优搜索模型的前期工作之一。本文根据视频数据自身的各种特征,结合支撑矢量机(SVM)算法,进行了视频数据自动分类问题的研究。构建基于最优搜索理论的视频信息检索模型。结合视频数据特征及上述的分类研究成果,本文提出了一种在时间资源受限条件下使找到目标的探测概率最大化的最优化视频检索策略,并对该算法可能带来的误差进行了分析,实验结果表明该最优搜索策略在专用数据库中能够有效地完成检索工作。实验结果及分析。本文通过具体实验对文中提出的最优搜索算法进行了验证。实验中的数据部分及对视频数据的基本处理部分采用了普渡大学(Purdue University)提供的视频信息基础管理系统(vdbms)。在对实验结果进行分析总结的基础上,指出了该模型不足之处及可能的改进策略。4.本文最后提出了一种适应性最优搜索策略系统框架。视频数据的语义特征信息及检索过程中可能得到的用户反馈信息在上述研究中没有得到充分的利用。结合这两点,本文首先对相关反馈算法模型进行了研究,然后结合最优搜索策略提出了一种基于视频的适应性最优搜索系统框架。