随着Internet和多媒体技术的发展，使得web上的信息种类繁多，其中尤以视频形式涵盖的信息更丰富生动，它们表现了社会和生活的各个方面。如何让人们能够从这浩如烟海的视频信息中找到自己需要的视频，已经成为目前急需解决的重要问题。传统的对视频进行检索的方法是基于文本的方式，即人工为视频进行文本注释，然后利用传统的信息检索技术对文本进行检索。但由于视频数据具有相当丰富的信息，难以用精确的语言来描述它的特征，因此采用传统的检索方式就存在着弊端。而基于内容的视频检索技术能很好地解决这一弊端。基于内容的视频检索技术，是通过对视频进行镜头检测，然后提取镜头关键帧，对特征进行提取后，利用视频特征进行检索的技术。然而，web上视频数据量大，如何在基于内容的视频检索技术的基础上提供更快捷、有效地视频检索，还必须对视频进行有效地组织和索引，因此对视频信息进行数据挖掘的重要性日益突出。本文以研究基于内容的视频检索为主，对关键技术特别视频镜头检测、关键帧提取、特征提取等技术进行了深入研究，并且研究了数据挖掘的聚类算法，以实现面向web视频数据的数据挖掘。本文以基于关键帧的方法进行视频检索，为了进一步提高检索的效果，在检索前，对关键帧进行预分类。项目组的基于web的搜索引擎系统中对图像进行预分类时采用了人工的方式，将图像分为20类来建立基本图像库。本文提出对关键帧分类的优化算法是不用人工参与，而是由计算机自动分类，即根据底层特征和对应的关键字，采用K均值聚类的方法对关键帧进行分类。经对计算机自动分类的图像库所进行的检索试验表明，与基于web图像搜索引擎系统的人工分类方法相比具有同样高的查准率，这说明了该方法的有效性，克服了人工分类带来的不足。最后，本文设计了一个面向web视频的检索原型演示系统的总体架构，讨论了系统的模块和功能，并对本文提出的方法进行了实验比较和性能分析。