针对目前多媒体搜索引擎技术，视频数量的井喷式增加以及多媒体视频内容的多样性和数据结构的复杂性，如何快速的从有效地这些视频检索出人们感兴趣的已经成为当今信息化时代的难题。
基于内容的视频检索（CBVR）是数字内容分析（VCA）的重要组成部分。基于内容的视频检索是自动提取并描述视频的特征和内容，方法便是对数据库汇总的每一个视频进行镜头监测、关键帧提取、特征提取、索引分类等操作，最终形成索引号分类。 1.视频镜头检索技术 镜头边界检测的方法还有很多。
2.关键帧提取 几种主流的关键帧提取算法包括下图所示。 
3.视频特征提取技术 视频特征的提取直接影响到检索的准确率和效果，视频底层特征的提取是视频检索中的重要环节，视频数据特征的性质可以分为低级特征和高级特征。 低级特征也称为空间特征或静止特征，是单帧的特征，通常以关键帧的视觉特征来代替镜头的视觉特征，因此低级是哦特征忽略了关键帧与其相邻帧之间的时间关系。 低级特征有颜色或灰度统计特征、纹理边缘特征等。 高级特征又称视频的运动特征或者时间特征，区别动态视频和静止图像的基本特征，它比静态关键帧特征更接近视频语义概念。 5.视频索引 索引是对数据库汇总具有检索意义的关键属性（或域）进行排序，使用索引可以快速访问用户指定信息，提高检索效率。对于视频数据来说，可以建立两种索引，一种是基于视觉特征的索引，可以从关键帧提取；另一种是基于目标或运动语义基元的索引，该类索引通常较为复杂，提取后需要进一步注释。
总结 如今随着深度学习以及大数据的发展，视频资源具有越来越多的复杂度和多样性，未来可以挑战将视频的声音、文本、视觉内容进行联合检索，以使得检索精度更高，基于内容的视频检索仍有很大的挑战，需要我们探索。