随着互联网宽带传输的数据的快速增长,压缩存储技术的不断进步,近年互联网视频的数量呈现了爆炸性的增长趋势。为了对视频数据进行有效的组织和管理,方便用户查找和观看,基于内容的视频分类技术应运而生。基于内容的视频分类技术在视频标注、检索以及特定信息的筛选上有着重要的作用。视频分类可以分为类型、事件和对象三个层次的分类,本文重点研究的是视频类型的分类。视频分类的性能主要由特征的选择和分类方法的选取两个方面决定。本文从视频内容的角度出发,研究了不同类型视频在内容风格上的差异,提出了一种基于音频、视觉的双模态特征提取算法。在音频信息的特征提取中,采用了一种块级音频特征的表示方法,较好的表示了音频的时域和频域信息。在视频信息的提取中,首先结合镜头变换过程中的多种特征,实现了视频的镜头分割预处理；然后主要针对人的视觉感知从镜头和颜色两个角度提取了相关视频信息。镜头特征提取中,采用了视频节奏、活动性、镜头渐变比三个方面的特征；颜色特征的提取中,主要包括了颜色统计分布、基础色调、颜色特性、颜色关系这四大方面的特征。在多分类器的选择上,本文采用了基于有向无环图的SVM多分类器,并利用错误验证机制减少其错误累计。最后本文通过从互联网采集的七大类视频,进行了多组分类实验,验证了分类算法的有效性,取得了良好的分类效果。