โดยปกติแล้วตัวอักษรที่ปรากฏในวีดิทัศน์ มักจะกล่าวถึงหรือสรุปเนื้อหาภายในวีดิทัศน์ นั้นๆ จึงเกิดแนวความคิดในการแยกตัวอักษรที่ปรากฏดังกล่าวเพื่อใช้เป็นส่วนเสริมสำหรับ การจัดทำคำค้น (Keyword) ในการจัดเก็บและการค้นคืนวีดิทัศน์ แต่ทว่าเทคโนโลยีการรู้จำ ตัวอักษร (Optical character Recognition : OCR) ที่มีในปัจจุบัน ไม่สามารถทำการรู้จำตัว อักษรที่ปรากฏในวีดิทัศน์ได้ ทั้งนี้เนื่องจากตัวอักษรที่ปรากฏในวีดิทัศน์มักปรากฏบนฉาก หลังที่ซับซ้อน (Complex Background) อีกทั้งยังมีตำแหน่งที่ตัวอักษรปรากฏไม่แน่นอน โครงการวิจัยจึงเสนอแนวทางการตรวจหาตัวอักษร (Text Detection) และการแยกตัว อักษร (Text Segmentation) ที่ปรากฏในวีดิทัศน์ โดยที่แนวทางการตรวจหาตัวอักษรใช้การ แปลงเวฟเลต (Wavelet Transform) และการรวมเฟรมที่ต่อเนื่องกัน ซึ่งการแปลงเวฟเลตถูก นำมาใช้ในการค้นหาตำแหน่งที่เป็นตัวอักษร ส่วนการรวมเฟรมที่ต่อเนื่องกันเป็นการเพิ่ม ความถูกต้องในการตรวจหาตัวอักษรให้มากยิ่งขึ้น ในส่วนของการแยกตัวอักษรออกจาก ฉากหลังที่ซับซ้อนใช้วิธีการผสมผสานระหว่างการวิเคราะห์ค่าสีและค่าความสว่างเพื่อเพิ่ม ความถูกต้องในการแยกตัวอักษรให้มากยิ่งขึ้น ผลการทดลองที่ได้จากวีดิทัศน์ประเภทต่างๆ กันพบว่า การตรวจหาตัวอักษรประเภทคำบรรยายมีความถูกต้องคิดเป็นร้อยละ 89.0 และ การแยกตัวอักษรออกจากฉากหลังที่มีความซับซ้อนน้อยและฉากหลังซับซ้อนมากมีความ ถูกต้องคิดเป็นร้อยละ 93.2 และ 83.8 ตามลำดับ