近年来大量的视频正以惊人的速度急剧膨胀。如何让用户在海量的数据中快速找到目标视频成为目前受到广泛关注的课题之一。例如用户想通过片花检索完整版视频,即难点在于如何快速精准地检索有相同内容却有不同码率、分辨率、帧率、编码方式等的拷贝视频。随着图像处理技术的发展,人们更倾向基于视频内容的检索方式而非人工标注的关键词方式,拷贝视频在用户不能概括语义的情况下更适合基于内容的检索方式。将视频特征映射为哈希码可以大幅度提升检索的速度,因此本文的重点在于如何设计有效精准的哈希码用于视频检索。目前视频哈希检索的研究主要有两种,通过图片哈希检索视频和通过视频哈希检索视频。通过图片匹配检索视频只需考虑图片空间维度的特征,特征提取较简单,然而检索结果不够精准;通过视频检索视频需要考虑视频时空维度的特性,检索结果更加精准,但是特征提取的难度较高。为了提高检索精度,本文采用视频哈希检索视频的方式。因此本文提出一种时空融合的哈希码。空间哈希上,传统的视频检索常采用基于SIFT等局部特征的哈希匹配,近些年随着神经网络的发展,在提取图像特征方面,神经网络比传统的局部特征的性能更好,所以本文采用深度神经网络的方法提取视频哈希;时间哈希上,本文采用基于帧差法的聚合方式,既融入时间信息又降低特征维度。随后本文以空间域为中心的时间窗组合哈希码,以多索引哈希表和二次剪枝的方式快速检索视频。本文的视频哈希码的主要创新点如下:空间域上,本文提出了一种全新的可扩展的深度紧哈希码,创新点在于1)采用了VGG-16神经网络的最后一层池化层而非全联接层作为图像特征;2)基于深度神经网络的费舍尔向量(Fisher Vector)聚合;3)以主成分分析(PCA)特征值的概率和混合高斯模型(GMM)的权重概率作为优先级分数,从聚合费舍尔向量中挑出最有贡献的码字作为每帧图像的哈希码。时间域上,本文提出了新的基于视频显著性的离散余弦变换(DCT)聚合哈希码,创新点在于:在帧差法的基础上进行高斯滤波的离散余弦变换(DCT),并以DCT的前几位能量集中的系数作为哈希码。本方法的优势在于通过对公开数据集TRECVID和CC_WEB_VIDEO的测试,针对检索的精度,本文设计的哈希码PR曲线和MAP优于其他主流哈希方法,针对检索的速度,本文只需5秒的查询短视频,就能检索到视频段,平均检索时间为4ms,误判率为0.3%,比TCSIFT快。