針對(duì)目前詞袋模型（ BoW）視頻語義概念檢測(cè)方法中的量化誤差問題，為了更有效地自動(dòng)提取視頻的底層特征，提出一種基于拓?fù)洫?dú)立成分分析（ TICA）和高斯混合模型（GMM）的視頻語義概念檢測(cè)算法。首先，通過TICA算法進(jìn)行視頻片段的特征提取，該特征提取算法能夠?qū)W習(xí)到視頻片段復(fù)雜不變性特征；其次利用CMM方法對(duì)視頻視覺特征進(jìn)行建模，描述視頻特征的分布情況；最后構(gòu)造視頻片段的CMM超向量，采用支持向量機(jī)（SVM）進(jìn)行視頻語義概念檢測(cè)。CMM是BoW概率框架下的拓展，能夠減少量化誤差，具有良好的魯棒性。在TRECVID 2012和OV兩個(gè)視頻庫上，將所提方法與傳統(tǒng)的BoW、SIFT-CMM方法進(jìn)行了對(duì)比實(shí)驗(yàn)，結(jié)果表明，基于TICA和GMM的視頻語義概念檢測(cè)方法能夠提高視頻語義概念檢測(cè)的準(zhǔn)確率。