近年来，随着多媒体技术和Web技术的迅速发展，现代计算机技术特别是海量存储技术与传输技术的成熟，视频作为一种主要的媒体类型在人们的生活、教育、娱乐等方面日益成为不可或缺的信息载体。视频虽然具有表现力强、蕴含信息量大、形象生动等特点，但同时其非结构化的数据格式、巨大的数据量以及表现内容的不透明等缺点，使得对视频数据的管理和分析相当困难。 如何有效地组织和管理这些数据，使人们能够方便地从大量视频数据中找到自己感兴趣的相关视频片段己成为一种迫切的需求。这一技术就是目前人们普遍关注的基于内容的视频检索技术。 本文首先介绍了视频数据的结构及其特点，基于内容视频检索的关键技术，包括镜头边界检测、关键帧提取、视频特征提取和基于关键帧的视频检索。主要研究颜色这一视频静态特征的提取方法以及聚类分析在视频特征空间中的应用。 由于视频数据库的内容极其丰富，为提高检索效率，在对视频数据检索之前，进行相关的预处理十分必要。聚类分析正是根据特征向量值将对象划分为不同类别，并将聚类分析的结果作为数据库的索引，以提高检索的时间效率。 在以上研究基础之上，我们根据提取的关键帧颜色特征和一种改进的K-means聚类算法建立了一个基于内容的视频检索实验平台，验证了前述理论研究的结果。