面对网络中海量的视频文件,人们迫切需要一种能够有效地检索和获取视频内容的工具。视频中的文本包含了丰富的高层语义信息,从视频图像中提取出文本图像并最终识别为文本字符,对于视频文件的浏览和检索具有十分重要的意义。本文采用改进的Harris角点检测算法进行文本检测并得到文本区域位置,利用角点四周颜色聚类获取文本颜色值进行文本分割,得到文本图像。首先,在初步检测区域进行Harris角点检测,根据自定义的多特征阈值判断是否为文本帧;检测出前三个文本帧后,确定候选文本区域范围,完成文本定位的功能;再利用检测出的候选文本区域以及角点的分布,统计角点及其四周相邻像素的颜色值进行聚类,对前三个文本帧进行颜色类的记录,然后得出最终的文本颜色值;最后,根据此文本颜色值,确认文本像素;在完成文本分割后,为了减少文本笔画分裂现象,进行文本效果增强。实验结果表明,选取的初步检测区域能够缩小文本检测的范围,对复杂背景下的文本帧检测具有较好的效果;利用角点及其四周颜色信息得出的文本颜色值能够较准确地确定文本信息。