提出了一种多层次语义描述的运动视频镜头提取模型。首先通过直接比较相邻帧的相似性来判断是否存在镜头切换,然后采用边缘检测的方法进行镜头像素检测,接着将渐变位置的检测转化为求取帧图像方差序列的极值问题,最后根据亮度值判断疑似阴影像素,以提高视频对象的精确性。仿真实验结果表明,本文提出的改进模型具有较高的镜头提取精度和较高的运行效率。