信息技术的进步推动着视频的传播,同时也引起了许多新的技术和社会问题。例如,快速增长的视频数据对数字版权管理提出了新的要求。传统的基于人工的网络审查和比对技术难以应对海量视频数据。视频指纹是解决这些问题的有效方案。视频指纹是运用算法从视频中提取到的一段标识符。指纹间的距离能够反映视频指纹感知相似度。本文围绕基于视频指纹的拷贝检测问题,以时序神经网络为工具对视频指纹算法设计展开了研究。论文首先介绍了现有的深度学习网络,包括前馈型网络、深度生成模型和时序神经网络。本文基于深度学习的理论,提出了两种不同的时空特征提取视频指纹的算法。论文的第三章介绍的指纹算法的网络结构由堆叠的条件受限玻尔兹曼机（Conditional Restricted Machine,CRBM）和去噪自编码器（Denoising Autoencoder,DAE）,以及后处理网络构成。其中,条件受限玻尔兹曼机能够有效地提取视频的统计方面特征。去噪自编码器能够提高视频特征的鲁棒性,后处理网络则进一步平衡了视频指纹的区分性和鲁棒性。第四章介绍了一种基于卷积神经网络和循环神经网络的视频指纹算法,由AlexNet、长短时记忆网络（Long Short Term Memory Network,LSTM）和后处理网络构成。经过微调后的AlexNet用于提取代表帧的空域特征。在此基础上,通过长短时记忆网络能够综合提取视频时序的特征。在后处理网络中,提出了两种不同的代价函数来优化视频指纹的鲁棒性、区分性和正交性。这两种方案相较于传统的视频指纹的方案,拥有能够自动学习得到最优特征提取方案的优势,并且两种方案在视频拷贝检测中的性能优于传统的视频指纹方案。其中,第一种方案的F₁值达到了0.982。第二种方案两种代价函数的F₁值分别达到了0.956和0.945。此外,第二种方案的视频指纹的维数是各种方案中最小的,维数为50维。