作為一種高級語義特征， 視頻中的文字信息對視頻內(nèi)容的理解、索引和檢索具有重要意義。本文針對非壓縮域中視頻文字的檢測與提取技術(shù)做了詳盡的分析和討論， 涉及的內(nèi)容包括：文字事件的檢測、幀圖像中文字區(qū)域的檢測與分割以及視頻文字識別（Video OCR） 等。對于不同的典型算法， 分析了其理論基礎(chǔ)和應(yīng)用特點， 并且通過對比指出其不足和應(yīng)用的局限。最后， 本文還展望了該技術(shù)未來發(fā)展的方向。

　　隨著Internet 網(wǎng)絡(luò)應(yīng)用的普及和圖像、視頻等多媒體數(shù)據(jù)的迅速增長， 基于內(nèi)容的視頻索引和檢索（Content - based Indexing and Ret rieval ， CBIR）已經(jīng)成為人們的研究熱點。雖然CBIR 方法可以借助諸如顏色、紋理、形狀和運動特征等來進行視頻的檢索， 但是由于缺乏高級語義， 因此該方法存在很大的缺陷。CBIR 方法的主要缺點體現(xiàn)在這些低級特征和人對于媒體信息的認識脫節(jié)， 因此不但無法實現(xiàn)準確或有效的檢索， 而且對于普通用戶來說難于掌握

　　由于文字具有的高級語義特征， 傳統(tǒng)的視頻索引和檢索都是基于關(guān)鍵字實現(xiàn)的1 - 3 。首先用人工的方法對圖像/ 視頻進行文字標注（包括所屬類別、標題、字幕信息等） ， 然后借助這些文字對視頻進行有效的檢索。由于需要大量的人工， 而且存在相當?shù)亩x性， 使得這種方法無法勝任對于海量數(shù)據(jù)的有效索引和檢索。

　　結(jié)合CBIR 以及文字索引方法的不足， 人們開始研究怎樣自動從視頻中提取文字信息， 進而用于視頻索引和檢索的方法1 ，4 ，6 ，9 。這些文字信息可以通過字符識別或語音識別等得到， 本文探討的是視頻中文字符號的檢測和識別問題。