用户生成内容是当今互联网的重要内容来源,分布式的视频发布极大地增强了网络的交互性,提供了可以匹配各种需求的信息。其中尤其以内容海量的视频发布网站为代表,国外的YOUTUBE、国内的优酷等都是深受网络用户喜爱的视频平台,其上累积的视频内容量已经非常庞大。视频发布的门槛低,监管相对宽松导致了很多受到版权保护的内容被复制和翻录后在网上免费传播,这对版权所有人的利益造成了极大的侵害,为了解决这一问题,需要一种合理的监测机制,从数量庞大的视频数据库中筛选到侵害版权的内容。这一机制需要为每一段视频生成一个独一无二的特征标识,因此也称视频指纹技术。目前视频指纹技术已经成为了视频内容监测领域的研究热点,本文通过对现有技术的总结和分析得出:早期的算法大多以帧为单位,注重提取视频单帧的图像特征,或直接从数学角度比较两个视频序列的相似度,运算复杂,冗余信息多过。针对这一问题,提出了通过镜头划分剔除冗余信息,提高信息提取的效率的技术。镜头划分技术的最终目标是达到机器检测与的语义单元(镜头)完全同步,实现高效而鲁棒的视频指纹提取。本文提出了一种基于能量最小化的镜头划分技术并设计了相应的视频指纹结构,这种算法将人眼识别视频内容的主要信息边缘和颜色两者协同考虑,可以高效地完成镜头识别,从而满足版权侵害视频内容检测的需求。本文通过matlab对所提出算法进行了仿真实验与分析,该算法对时间复杂度进行了较好的优化。通过理论分析和仿真检验可见,改进后的算法效率有较大的提升,同时对视频后期处理保证了较好的鲁棒性。