在网络上,由于视频经常被复制、编辑并重新上传,导致出现了很多相似甚至重复的视频,对视频进行基于内容的相似性检索可以有效解决该类问题,对于视频内容的发布商以及监管者而言,对视频内容进行监管也依赖于视频的相似性检索。伴随着视频数据的成倍增多和网络视频用户的持续增长,如何对大规模视频数据进行高效快速地检索成为研究的热点问题。为此,本文采用SimHash算法对视频关键帧构建特征,从而将海量视频检索问题转化为汉明距离检索问题,在此基础上提出一种基于Bloom Filter算法进行汉明距离检索的方法,该方法对SimHash签名库中所有签名穷举其汉明距离在K以内的所有签名,并将Bloom Filter结构汇总在一起组成类似BitMap的结构,最终查询汉明距离时,只需要计算Bit Map的并集,提高了查询效率。针对海量视频检索提取特征存在的空间复杂度问题,引入MapReduce框架,设计MapReduce算法进行分布式处理解决了空间复杂度较大的问题。本文创新工作如下:1)针对现有SimHash签名匹配存在的时间复杂度较高的问题,引入Bloom Filter结构,改进SimHash签名查找的方式,通过CC_WEB_VIDEO实验数据集的测试表明,在保证召回率与准确率的前提下,本文方法与Zhang基于LSH的方法相比,视频数量达到12790时,算法执行效率提高2倍。2)针对海量视频检索中提取特征、构建索引存在的时间复杂度与空间复杂度均较高的问题,引入MapReduce框架,设计基于MapReduce的并行处理算法,与单机提取特征方法相比,基于MapReduce的方法提高了时间效率与空间效率,并可线性扩展。