随着互联网的发展,视频数据也呈爆炸式增长,越来越多的视频被上传到网络上。因此,如何帮助用户快速、有效地,从海量的视频中挑选他们感兴趣的视频内容,便成为一个越来越重要的问题。其中,视频总结就是解决这类问题的一个有效方法。视频总结是视频内容的简要概括,它包含了视频中一些有趣的,能概括视频的一些视频帧或者视频片段。总的说来,视频总结可分为静态视频总结和动态视频总结。静态视频总结将视频浓缩为一些能描述视频内容的图片(剧情梗概图),而动态视频总结则是提取视频中具有代表性的,有趣的视频片段作为最终的总结结果。视频总结以静态或动态的方式,为用户提供视频内容的摘要,帮助用户在较短时间内充分了解视频内容,从而决定是否对完整的视频进行观看。本文对静态视频总结和动态视频总结进行了研究。针对静态视频总结,提出了一个新颖的基于密度的静态视频总结聚类算法。这个算法与已有的基于聚类的视频总结算法不同,它不需要预先人为设定簇类的个数,可以根据视频的内容适应性地产生一定数量的簇类中心,来得到有代表性的,能概括视频内容的剧情梗概图。本文提出的方法已经在静态视频总结领域的两个标准的数据库中验证,实验结果证明该方法的性能具有很好的稳定性,适应性,并且在与几个经典的基于聚类的静态视频总结方法相比时,也取得了比较好的结果。另外,针对动态视频总结,本文提出了一个基于眼动的双通道卷积神经网络框架来捕捉视频中能概括其内容,令人感兴趣的片段。该框架有两个通道,一个是空域通道,一个是时域通道。空域通道采用基于眼动信息产生的视网膜中央凹图像作为输入,有侧重地来向模型传递用户视频中物体和场景信息。而时域通道采用多帧运动矢量栈作为输入,来向模型传递视频中的运动信息。双通道合力作用来提取视频中有代表性的片段。本文提出的方法已经在动态视频总结领域的两个标准数据库中做了实验,实验结果证明该方法具有很好的视频总结能力,而且与几个经典方法以及最新的方法相比,本文提出的方法都取得了最优异的结果。