随着互联网技术的迅猛发展、数码摄像设备的普及和存储器容量的提升,视频数据量呈现爆炸式增长,如何对海量视频数据进行有效的检索已经成为一个迫切的需求。目前,互联网上主要的视频搜索引擎都是利用视频的元数据,例如标题、简介等,通过文本检索的方式来实现对视频的检索。这种检索方式的缺点很明显,它完全依赖于人为的描述性文本,往往过于简单和主观,且标注海量视频数据非常耗时、耗力。近年来,面向语义内容的视频检索受到越来越多的关注,它的目的是实现视频的自动语义分析和检索。在面向语义内容的视频检索中,概念检测是最为关键性的技术,它的目的是自动检测出视频中包含的大量的基本语义概念,如汽车、沙滩和天空等。当大量的语义概念检测子建立以后,基于这些语义概念的视频检索将是实现面向语义内容的视频检索的有效途径。因此,概念检测技术的研究对于视频检索的发展和应用有着重要意义。本文将重点介绍两个算法研究和一个系统设计的工作成果:首先,概念检测是一个机器学习的问题,通常的做法是特征提取加上有监督学习。但由于概念检测的特征种类很多,本文采用了后融合方法将多个特征的概念检测结果融合起来,文中提出了一种基于验证平均准确率的后融合方法,该方法可以有效地提高检测融合后结果的平均准确率,并具有很好的鲁棒性。其次,针对语义概念间的共存关系,以“女性人脸”和“人脸”这两个概念为例,提出了利用相关概念来进行前滤波和后滤波的辅助检测方法,并分析了该方法的容错性能。实验结果表明,该方法可以有效地提高相关概念的检测平均准确率。最后,在研究目前国际主要科研机构设计的视频检索系统基础上,设计了一个基于语义概念的视频检索原型系统,实验验证该系统的检索结果的平均准确率达到了较好的评测性能。