随着网络承载量的增大和多媒体技术的发展,越来越多的多媒体视频存储于网络中,使得对视频匹配的要求越来越严格,如何快速而又准确的匹配视频,成为当前的热门话题。近年来,视频处理技术日益成熟,越来越多的视频匹配技术开始在医学、电视广播系统、以及交通监管系统等领域充分应用。该技术大大改善了数据库中多媒体视频的大量重复现象,同时为网络数据库的绿色化提供了技术支持。但是在实际应用中,视频匹配技术的盲目性和不平衡性越来越严重。为了改进现有视频匹配方法中误差较多的缺点,以及在多镜头视频中的不适应现象,本文提出一种可伸缩式镜头算法模型(TS,Telescopic Shot),利用视频镜头检测的方法,将大型视频分为背景特征变化较小的短视频。该方法使得多维缩放算法能得到更精确的匹配序列,对视频镜头进行有目的的匹配,最终达到降低大型视频匹配算法中时间复杂度的目的。通过与现有的视频匹配方法作比较,实验结果表明,本文算法计算量明显降低,且匹配误差率明显降低。为了改进当今视频匹配方法的不足,弥补基于运动特征的视频匹配的不精确以及基于内容的视频匹配的运算复杂度大等问题,本文提出一种基于主颜色和纹理特征的TS模型匹配方法,从减小时间复杂度和增加配准率的角度出发,更好地提高了视频匹配的效率。通过大量的实验证明,本方法有效的解决了上述问题,配准率比传统的方法提高约20%,算法时间复杂度降低约45%。