随着平安城市、智能交通的推进，交通、校园、家庭、商场等领域大量视频监控的普及，如何实现海量视频的快速浏览,海量视频的浓缩摘要以及在海量的视频数据库中快速检索出所需要的视频资料已成为当前视频技术领域极其重要的研究内容。本文主要研究了基于关键帧的视频摘要技术以及基于对象的视频摘要技术，主要工作和贡献包括以下几个方面：1.简要介绍了本文的研究背景及研究现状，对目前主流的视频摘要技术进行了广泛的调研和总结，重点描述了基于帧的视频摘要和基于对象的视频摘要的技术原理、区别以及国内外的研究状况。2.针对关键帧提取算法K-means需要人为设定聚类个数的不足，提出了根据视频内容特征变化自动选取K值的思路。对比和分析，通过实验验证了改进的K-means算法的有效性。3.提出了一种结合Codebook运动模型检测算法和交互式分割技术Grabcut的运动物体分割的算法，在不需要人工交互的情况下，实现了运动物体的自动检测和分割。4.针对安防监控视频中常见对象为“行人”、“车辆”和“骑车的人”的情况，提出了视频对象特征的选择方法。通过LibSVM，验证了提取的对象特征的有效性，分类正确率达到80%左右。5.在Ubuntu平台下，搭建QT+OpenCV的开发环境，详细介绍了视频摘要系统的软件总体设计框架，核心算法的原理和代码实现。通过系统调试，实现了对安防视频的摘要和检索，摘要视频的长度能够压缩到只有原始视频序列的10%左右。