El objetivo principal de este trabajo fue diseñar e implementar un sistema de clasificación basado en máquinas de soporte vectorial para clasificar datos de video en clases predefinidas. Los datos de video deben estar estructurados e indexados para cualquier metodología de clasificación de video. El análisis de la estructura del video implica la detección de límites de toma y la extracción de fotogramas clave. La detección de límites de toma se realiza utilizando un método adaptativo de umbral basado en bloques de dos pasadas. La estrategia de búsqueda se utiliza para la extracción de fotogramas clave. En la mayoría de los métodos de clasificación de video, la selección de características es importante. Las características seleccionadas contribuyen a la eficiencia del sistema de clasificación. Es muy difícil determinar qué combinación de características es la más efectiva. La selección de características es relevante para el sistema propuesto. En este caso, se consideró un clasificador basado en máquinas de soporte vectorial para la clasificación de clips de video. El rendimiento del sistema propuesto consideró seis categorías de clips de video: dibujos animados, comerciales, cricket, fútbol, tenis y noticias. Cuando se utilizaron características a nivel de toma y características de fotogramas clave, junto con vectores de movimiento, se logró una clasificación correcta del 86%, lo que fue comparable con los métodos existentes. La investigación se centró en la extracción de características donde se dio una combinación de características seleccionadas a un clasificador para obtener el mejor rendimiento de clasificación.