提出一种综合运用文字边缘特征、颜色信息以及视频时空特性的字幕提取方法。通过边缘检测获取字幕位置进而得到文字颜色，采用全局混合高斯模型对颜色建模，建模完成后直接利用模型从视频文字变化帧中提取文字颜色层。在判断字幕是否变化时，提出了“与”掩码图的方法。实验结果表明，对于复杂背景下包含1~2种颜色字幕颜色的视频，该方法具有良好的提取效果。