视频镜头通常被视为从视频中检索信息的基本元素。 近年来，视频拍摄分类已受到越来越多的关注，但是大多数方法都涉及监督学习的过程，即在标记的数据上训练多类预测器（分类器）。 在本文中，我们研究了一种无监督地发现视频镜头类别的通用框架。 贡献在特征，表示和推断上有三方面的贡献：（1）提出了一种新功能，用于捕获视频中的本地信息，该视频由小视频块（例如像素）定义。 视频单词词典因此可以离线聚类，以表征外观和运动动态。 （2）我们提出了将分类归类为自动图形分区任务的问题，因为每个图形顶点代表一个视频镜头，而