近年来,随着计算机以及多媒体技术地快速发展,多媒体信息已经慢慢地走进了人们的日常生活当中。多媒体信息一般是以数字图像、音频、视频、动态图形以及文本等多种形式存在。其中视频作为一种集声音、文字、图像等信息于一体的载体,它给用户呈现了丰富的信息,并且逐渐成为人们工作、生活、教育以及娱乐等方面的重要信息载体。同时,视频的应用与使用范围也是最为广泛的。同时,伴随着全世界范围内互联网的应用和普及,视频已经慢慢形成了海量的数据库。可是随着人们对视频使用性要求的提高,人们总是希望从海量的视频数据库中能够快速地找到与自己相关或者感兴趣的视频信息。因此,面对这些海量的视频信息,如何对它进行有效地组织、管理、分类以及检索,近年来已经成为国内外众多学者所研究的主要热点之一。本文首先介绍和分析了视频分类的研究现状以及发展趋势,之后在对已有算法优劣性进行了总结评价的基础上,提出了一种基于多特征和序列模式的视频分类方法。目的是帮助使用者有效地组织、管理、搜索和分类相应的视频。本文主要提出了一个三层分类模型。首先在特征提取阶段,自动地将田径视频镜头分割为一系列可识别的运动事件序列,比如跑步、跳等,针对每类事件,提取多种底层特征。然后结合SVM分类器,对每类运动事件进行识别,从而得到每段视频的事件序列。最后,使用序列模式挖掘方法发现每类视频中的频繁序列,从而在此基础上对测试视频进行分类。本文最后通过5类田径视频进行实验,验证本文所提出的基于多特征和序列模式的视频分类方法的有效性。此算法在查全率和查准率方面都获得了比较满意的性能,并且本文所提出的分类框架在其他类视频分类研究中也具有一定的参考价值。论文最后对本文的研究内容给出了总结,并分析视频分类在今后研究中可能的发展方向。