视频搜索关键技术主要是指视频中的目标检测和识别。目标检测是目标识别的基础,直接影响着识别结果的准确性和鲁棒性。目前目标检测方法多种多样,根据目标属性的不同,采用不同的方法进行检测,例如特征分类器算法、Hu Moments及特征匹配算法等。本文主要针对特征匹配算法在视频目标检测中的应用进行研究。主要研究内容如下：1、研究目前流行的特征点检测方法,包括Forstner、Harris、SUSAN角点检测及SIFT特征点检测算法,通过大量实验,分析各自对尺度、旋转和光照的不变性,对高斯噪声的抵抗能力以及特征匹配的鲁棒性,最终确定采用SIFT算法进行目标检测。2、研究目前已有的错配点剔除算法,并对SIFT匹配点进行深入研究,设计并实现一种基于二阶高斯的SIFT特征点消除错配算法,对SIFT特征匹配结果进行改进。该算法根据匹配点间的欧式距离,利用高斯函数为匹配点加权,然后筛除权值不在阈值范围内的匹配点。3、研究视频分帧技术,将DirectShow和FFMPEG (?)目结合,实现对多种常见视频格式的帧抓取,包括avi、meg、mpeg、asf、wmv、rm、rmvb、mov、m4v及flv等；设计并实现一种基于灰度级的场景检测算法,将其融入到视频分帧过程中,实现场景目标检测,避免对具有相同或相似场景的视频帧进行重复检测,以提高目标检测效率。4、结合SIFT算法、基于二阶高斯的消除错配算法、视频分帧技术及基于灰度级的场景检测算法,实现视频目标检测。实验表明,本文使用二阶高斯算法消除SIFT错配点,使得视频目标检测正确率明显提高；结合场景检测到视频分帧过程中,提高了目标检测的效率；本文采用的视频目标检测算法对尺度、旋转和光照保持不变性,具有良好的稳定性。