随着信息技术的快速发展和数字多媒体设备的不断普及,我们生活中的数字视频资源日益丰富。在视频数据中,人工文本信息同视频的内容密切相关,对于视频的分析理解和检索等应用都具有十分重要的意义。基于内容的视频检索需要提取视频的低层视觉特征,并根据连续帧间特征值变化程度完成镜头分割和关键帧提取,最后再对关键帧图像内容进行分析、检测,实现基于内容的视频检索。由于视频中人工文本区域仅占整幅帧图像很小的部分,传统的基于全局视频帧特征提取方法很难判断出视频中人工文本内容的变化情况,从而导致包含文本的关键帧漏检的情况。针对这一问题,本文提出一种面向人工文本的视频关键帧提取方法。首先,总结现有视频镜头检测方法和关键帧提取方法,分析其优缺点。其次,分析视频中人工文本的特点,提出一种利用视频帧图像的边缘、角点特征对视频帧文本区域定位的方法。最后,利用像素比较法判断视频帧文本区域内的边缘特征变化情况,将包含相同人工文本的视频帧划归文本子镜头,提取子镜头的最后一帧作为关键帧。