随着计算机视觉的不断发展,视频摘要技术已经广泛应用于人们生活的方方面面。目前,计算机硬件的性能不断提升,日常生活中产生的视频数据急剧增加,为基于海量数据研究的视频摘要提供了良好的机遇。视频摘要是指通过对视频结构和内容的分析提取出有代表性的部分,再以某种方式组合成概要,它能充分表达视频的主要内容。算法研究中,特征的描述能力不足易造成关键内容检测不当,使摘要效果变差。而且视频摘要的选取需要满足不同用户的需求,如何让生成的摘要既含有视频的关键内容又包括符合不同用户需求的信息,这是摘要算法一直面临的挑战。针对视频摘要领域存在的诸多问题,本文提出了一种基于内容分析的视频摘要方法。通过对视频摘要流程中关键步骤的分析,从多个方面对视频摘要算法进行了改进,具体如下:（1）分析并总结了目前视频摘要算法中常用的特征构建方法,对一些方法的优缺点进行了详细的阐述。针对视频内容描述不全面的问题,提出融合卷积神经网络构建特征的方法,提高了特征的表征能力。（2）分析了多种视频摘要算法,说明了监督学习方法在算法中起到的关键作用。针对摘要的主观性和监督模型训练复杂的问题,本文提出结合非参数监督方式的算法,加入用户的监督信息,使摘要更加满足用户需求。（3）在视频关键内容提取的步骤中,提出采用标签分布学习算法提取关键内容。同时利用相同类别的视频存在相似视频结构的特性,使算法可以处理多种类型的视频,一定程度上解决了视频类别受限的问题。实验结果表明本文算法具有良好的鲁棒性,生成的摘要既包含视频的重要关键内容,也有符合用户需求的信息。