目前,互联网行业在掀起新一轮云计算和大数据的浪潮,数据挖掘如火如茶,在这其中视频产业尤为突出。与此相对应的是处在信息大爆炸时代的人们,每天都在接受海量数据的冲击。如何从这些信息中找到自己真正感兴趣的东西变得越来越麻烦,特别是视频方面,如何快速评判自己找到或下载下来的视频,成为我们的研究方向。为此,我们研究并设计了基于内容的快速视频浏览系统,通过提取一组关键帧来代表整个视频,让用户可以对这些关键帧的浏览来快速了解整个视频。我们主要做了以下几个方面的工作：(1)先采用QT、opencv、git等工具,运用比较简单的基于颜色直方图的单阈值算法,构建了一套快速浏览系统,并且在winXP和ubuntu10.04下进行并行的开发工作。本系统具有良好的兼容性,可以处理ffmpeg所支持的所有视频格式。(2)为了能够在更高层的语义层面上理解视频的剧情,我们引入了人脸检测,结合视频的连续性特点,运用检测到的每帧图像中的人脸数目来判断剧情发展。(3)在实验过程中,我们发现了利用haar-like特征和adaboost构造的分类器效果不理想,检测人脸不够准确,导致我们拿到了大量的无效的关键帧,为了增强程序的容错性,我们提出一种新的思路：人脸数目集合算法,最终在一定程度上有效地解决了这一问题。