随着社会安全的需要，对监控视频的挖掘技术越来越重要。但是监控视频数据是大量的，每段视频小则几兆，大则几百甚至几千兆。通过人眼从这些大量的视频中找到有关键信息的视频不仅浪费大量的时间，也浪费大量的不必要的精力，这样就诞生了视频挖掘技术。由于步态特征难以隐蔽、非接触远距离和不容易伪装，在智能监控视频领域，比其他的特征更有优势，这样本文采用步态作为特征对监控视频进行挖掘。 　　本文研究的是用固定的摄像机得到的监控视频，需要利用镜头分割将视频分成几个或者十几个镜头(根据视频的大小)，本文采用了五种方法：像素、直方图、χ2直方图、χ2直方图分块、边缘轮廓变化率，并对五种方法利用实验对准确率和时间进行了比较和分析，五种方法各有优缺点，本文采用χ2直方图分块法，使得后面的视频挖掘节省了大量的时间。 　　相似性比较是对步态能量图进行Hu矩计算，利用Hu矩可以将信息很好的保留到最多，带来的误差最小，所以本文采用Hu矩。镜头分为关键镜头和空白镜头，关键镜头分为目标镜头和检测镜头，目标镜头是确定的，检测镜头是和目标镜头做相似性比较的，找出相似率大的对应的检测镜头。 　　对应的检测镜头含有的信息很多，这里需要用到关键帧提取，在关键帧提取环节，本文利用欧氏距离、均值、方差三个特征对帧间的差异进行计算，利用极值和中间值的比较筛选出关键帧，这种方法采用了三种特征来比较，准确率较以前的关键帧提取方法提高了25%，但是缺点是时间复杂度提高了15%。