【摘要】随着“互联网 +”时代的到来，网络中涌现了大量的微课、慕课等视频资源，在短视频流行的当下，人们更倾向于选择观看简短高效的视频资源进行学习，而大多数教学视频都是 10 m i n 以上的长视频，将长视频按教学知识点分割成小段视频片段的需求与日俱增。在分析现有方法不足的前提下，针对教学视频的特点，提出了一种结合了图像模态和文字模态的视频分割系统框架，分为镜头分割、关键帧提取、文字检测与识别、镜头合并 4 个部分，首先基于直方图特征将视频按镜头初步分割，提取镜头关键帧，对关键帧中课件标题文字进行检测与识别，最后按标题文字相同与否来合并镜头组成有完整知识点的教学视频片段。框架设计简单，有效利用了现有方法，取得了较好的长教学视频分割效果。