随着智慧城市建设的发展和城市安防要求的提高,如何从视频GIS大数据中准确发现和获取用户所需的数据面临一系列瓶颈问题,限制了其应用的广度和深度,所以对这些数据加以分析利用便成为关键。目前,基于内容的视频GIS检索,往往使用单一的视觉内容特征和双特征的匹配方法,在海量视频GIS数据面前往往不尽如人意。本文以视频GIS数据为基础,从中提取有价值的视频GIS特征,针对视频GIS中存在重复与冗余的视频帧的问题,提取视频GIS关键帧,构建关键帧库,以减少视频GIS索引的数据量。同时,在其上分别提取全局特征、局部特征和深层特征,以便构建视频GIS特征库,最终实现关键帧检索的高效性和检索结果的高质量,使视频GIS大数据的潜在价值得以充分发挥与增值。本文的主要研究成果如下:(1)视频GIS分层组织模型和结构化处理针对视频GIS数据的特点和高效检索的需求,提出视频GIS数据分层组织模型,将视频GIS数据分为视频、镜头、关键帧三个层次。针对重复和冗余的视频GIS帧的问题,提出了一种同时检测镜头切变和渐变的视频GIS镜头边界检测算法,并在此基础上,提出一种基于帧差欧式距离的视频GIS关键帧提取方法。(2)基于多特征融合的视频GIS数据检索采用多特征融合的检索方式,对视频GIS关键帧进行特征提取,包括全局特征和局部特征两类,然后通过融合不同特征来构造特征向量作为多特征融合表示,并进行相似性排序。通过采用这种方式,充分发挥视频GIS中数据特征之间的相关性,获得了较好的检索结果。(3)基于深度学习的视频GIS数据检索通过构建深度神经网络来提取视频GIS特征,以及对网络得到的深层特征进行哈希编码,在检索方式上,采用由粗到精的分层检索策略,在保证精度的条件下提升了速度。通过对比分析实验结果,验证了本算法能够快速而准确的检索到目标。