随着计算机、通信和多媒体技术的不断发展,视频信息快速增长,如何从海量视频数据中快速有效地检索出所需要的信息,成为视频相关领域里的研究热点。由于视频数据的无结构化特点,视频检索必须以视频分割为基础。所以,视频分割技术具有重要的研究意义和应用价值。　　 视频分割的过程就是将无结构化数据分割为“帧--镜头--场景--视频节目”的层次结构的过程。由于存在语义鸿沟,对视频进行语义分割是比较困难的。本文对“帧--镜头”(镜头检测)和“镜头--场景”(场景构造)两个层次进行了深入研究,分别对这两步进行了改进,主要工作如下:　　 首先,针对已有镜头检测方法中阈值判定自适应性差的问题,对一种基于滑动窗口的镜头边界检测方法作了改进。在利用HSV(Hue,Saturation,Value)直方图计算出帧间不连续值的基础上,缩小滑动窗口内选取样本的比较粒度,利用高斯模型生成自适应阈值,同时检测出镜头渐变和切变。　　 其次,针对视频分割中存在的语义鸿沟问题,采用语义矢量来建立低层特征和高层语义之间的关联。根据镜头关键帧画面语义的不同,提取镜头关键帧的颜色特征,并将其归一化；然后利用支持向量机对归一化后的特征量进行语义分类预测,从而生成语义矢量；将生成的语义矢量应用于已有的重叠镜头链方法,对镜头关键帧进行聚类,按语义差别构造出不同场景。　　 最后,选取不同风格的非压缩域视频序列进行实验。结果表明,改进后的镜头边界检测方法可以准确快速地定位镜头边界,查准率较以往方法有一定提高；语义场景构造能够取得较为满意的效果。