1、傳統(tǒng)的視頻檢索都是基于視頻人工標(biāo)注的關(guān)鍵字檢索，但是當(dāng)視頻的數(shù)據(jù)量非常大的時候，需要消耗的人力會急速的增加。因此采用了一種基于視頻樣本分類的事件庫構(gòu)建方法。
　　基于語義內(nèi)容視頻事件庫建立的主要目的就是對一段視頻的主體目標(biāo)和事件語義進行識別。視頻的高層語義內(nèi)容比較直觀，要對其進行識別需要建立一個其與底層特征之間的對應(yīng)關(guān)系。視頻由一系列連續(xù)的圖像幀組成，而視頻的主體目標(biāo)可以選取幾幀具有代表性的幀來識別，這些具有代表性的幀被稱為關(guān)鍵幀

2、。SURF描述子代表了幀的特征點，當(dāng)視頻中出現(xiàn)變化較大的畫面時相鄰幀之間的匹配特征點的數(shù)目也會急劇下降，因此根據(jù) SURF 描述子的匹配率來識別出視頻的關(guān)鍵幀。視頻相比較圖像多了時間上的連續(xù)性，而視頻主體目標(biāo)的軌跡數(shù)據(jù)能很好的反應(yīng)出視頻在時間上的連續(xù)性，因而采用運動目標(biāo)軌跡數(shù)據(jù)提取常用的方式（通過混合高斯模型識別出視頻的對象，然后采用Came Shift算法提取出對象的軌跡數(shù)據(jù)）。
　　視頻關(guān)鍵幀和主體目標(biāo)的軌跡數(shù)據(jù)沒辦法直接對視

3、頻事件進行識別，關(guān)鍵幀能反應(yīng)出視頻主體運動目標(biāo)對象，因此提取出視頻關(guān)鍵幀的底層特征向量后對視頻主體對象做一個初步的分類。通過觀察發(fā)現(xiàn)視頻復(fù)雜場景下視頻關(guān)鍵幀的數(shù)量和關(guān)鍵幀內(nèi)背景目標(biāo)有很大的差異，因而采用了基于視覺單詞的詞頻向量對視頻的場景語義做了一個聚類。軌跡數(shù)據(jù)沒辦法直接用來識別視頻事件，提出了一個七維向量來量化一段軌跡數(shù)據(jù)和每一維向量的權(quán)值計算方式。不同的視頻往往提取出的軌跡數(shù)據(jù)的數(shù)量不同，因而提出了一種基于不同軌跡數(shù)據(jù)數(shù)量的視頻之