随着网络的普及和视频采集等多媒体技术的发展，数字视频大量涌现。如何能够在海量的视频中尽快地浏览重要的视频片段，节省用户的时间和精力，已经成为亟待解决的难题。足球视频在数字视频中占有很大的比重，针对足球视频的摘要生成系统非常具有实际应用价值和意义。本文提出了一种基于遗传算法的足球视频摘要模型。基于这种模型，本文主要进行了以下研究：1.研究了视频摘要的内容、分类以及特点。针对足球视频的特殊性，介绍了视频的结构特性。2.提出了本文的视频摘要基础模型。首先，本算法运用一种新的适应度函数，它包含三个因子：长度、普遍性和优先性。根据颜色直方图差异，从原始视频中提取不相似的图片。在这些图片中，应用遗传算法提取最优的关键帧组合。实验结果表明，本文算法提取的视频摘要比传统方法展示出视频中更多的信息，并且减少了冗余，同时本文算法在时间上也有明显的优势。3.引入声音特征改进了本文模型，针对足球视频获得了更好的效果。基于这种适应度函数，采用交叉变异操作，从原始视频集合中获得可以更好地展示视频意义的关键帧。实验结果表明，这种模型可以很好地从足球视频中提取关键帧。4.提出了基于VTDF的视频摘要模型。本算法中采用VTDF函数来对视频序列建模。实验结果表明，基于VTDF函数和声音信息的视频摘要系统更适合从足球视频中提取摘要。5.研究了二进制遗传算法和十进制遗传算法的性能。基于本文模型，比较了两种算法在时间和迭代次数上的性能，实验结果表明，二进制遗传算法在提取静态视频摘要时体现出了较大的优势。