随着计算机网络,互联网行业的不断发展进步,视频数据也呈现迅速增长趋势,如何对大量的视频数据进行有效的管理组织成为了当今视频检索领域的热点问题。为解决这一问题基于内容的视频检索技术不断发展,使人们可以通过对图像序列或标签的浏览即可得到关键信息,提高浏览或管理效率。而从视频数据到图像序列的建立是一个对视频多级分层的过程,将视频进行分割,划分为片段,从片段中提取关键帧将成为视频摘要生成的重要步骤,并且也是基于内容的视频研究中的关键技术。本文主要工作就是进行视频片段分割和关键帧提取,将视频数据进行了多层次的划分,从而产生摘要信息。在进行了典型算法的分析与总结之后提出了一种新的视频片段分割方法,通过多特征融合思想将LBP特征与GIST特征分别进行前融合与后融合,兼顾全局与局部特征来描述图像,并提出了一种中间描述子来描述视频图像在时间上的变化特性,并且第一次将随机森林的方法应用到了视频片段的分割当中,将视频片段分割问题变成一种分类问题,并且分别与基于动态阈值和静态阈值的分割方法做比较,实验证明取得了很好的效果。通过本文提出的方法将视频分割成为片段之后,针对每个片段进行关键帧提取。本文采用了一种结合了互信息与信息熵的关键帧提取方法,通过将片段划分为子片段,并且从子片段中选出候选类,提取关键帧,并通过信息熵理论去除冗余帧,自适应的提取合适数目的关键帧,很好的代表了片段的所表达的内容。实验证明提取的关键帧具有很好的代表性,将得到的关键帧相连则构成了视频的摘要信息。