近年来随着互联网及移动通讯技术的迅猛发展,各种类型的多媒体数据呈爆炸性增长,特别是视频数据,因其形象、生动的特性逐渐成为互联网用户获取信息的重要数据形式,各种电视剧、电影等丰富视频资源在视频网站和平台的广泛传播更是加速了这一趋势。同时,短视频平台的兴起,为互联网用户快速上传和下载视频内容也提供了便利。大量视频数据源源不断地产生,在丰富互联网用户文化娱乐生活的同时,也为互联网视频的搜索和推荐带来了一系列挑战。如何将用户想要的结果从海量视频数据中检索出来已成为当下一个研究热点。基于内容的视频哈希检索方法正是解决这一问题的一个可行方案。基于内容的视频哈希检索方法通过将视频内容信息映射成离散的二值码,即映射成哈希码,来实现大规模视频数据的准确和快速检索。由于映射成的哈希码是离散的,可以通过快速的异或操作来计算不同视频之间的海明距离,大大降低了计算复杂度和存储空间。现有的视频哈希检索方法大多将视频中每一帧的重要性同等看待。然而,在实际应用中,视频帧与帧之间的重要性是不同的。因此,应该考虑视频不同帧的重要性的差别来设计视频哈希算法。基于这一动机,本论文提出了一种基于注意力机制的视频哈希检索方法。该方法的主要研究工作总结如下:(1)提出了一种利用卷积神经网络和长短期记忆神经网络来学习视频空间信息和时序信息的网络结构,该网络结构可以学习到视频的时空特征表示,为基于哈希学习的视频检索打下基础;(2)在视频哈希学习网络中引入注意力机制,通过注意力机制为视频帧赋予不同的权重,通过权重的变化捕捉到视频内容中最具有代表性的信息,提升了视频特征的表示能力;(3)基于孪生网络架构,构建视频对作为网络输入,进一步的基于视频对来设计优化目标函数,同时在目标函数中增加哈希码性质约束项,从而减少哈希码冗余信息,增强哈希码的表征能力。本文方法通过使用卷积神经网络和基于注意力机制的长短期记忆神经网络,可以同时学习到视频的空间信息和时序信息,得到良好的视频级特征表示。结合基于视频对的损失函数,可以获得判别能力强的视频哈希码。通过在三个公开数据集上实验表明,与其他视频哈希检索方法的相比,本文方法在视频检索准确率等多个性能指标有显著的提升。