随着电子化、信息化进程的不断发展,导致数字视频每时每刻都在急剧增加。以图像、视频、音频为代表的多媒体信息已逐渐成为信息处理领域中主要的信息媒体形式。据科学统计,目前人类获取的信息中,文本信息不足20%,80%以上为多媒体信息。所以,如何从浩如烟海的网络数据资源中实现对含有丰富时空信息的视频数据进行检索已经成为人们关注的焦点问题。视频检索从早期最开始的关键字检索,发展到基于内容的视频检索,但是,由于视频数据的底层特征不唯一,基于内容的视频检索很难确定查询的视频例子,其次,底层特征对视频的标引与人对视频的理解还存在较大差异。所以,视频检索逐步趋向于基于语义的视频检索。论文针对语义视频检索的关键技术进行研究。从视频检索的研究背景、目前的研究现状和未来的发展趋势开始,介绍了课题所需要的相关理论基础,如视频数据挖掘的基础理论、MPEG标准和视频编码技术等。之后详细分析了MPEG-2编码的视频流结构,在此基础上,提出了在压缩域上直接提取I帧的方法,克服了传统视频检索算法先解压视频文件再进行处理的缺陷。由于场景是一组语义上相关联及时间上相邻的连续镜头序列,是视频信息的最小的语义单位。论文从场景的角度出发,重点讨论了如何利用I帧合成场景摘要,从而获得视频中最小的语义单元。结合理论,讨论和分析了视频数据的存储与组织技术,制定了本课题所需要的视频库的存储与索引。根据论文的研究成果,设计了一套基于语义的视频检索系统的体系结构,为后续研究奠定了良好的基础。