一种用于视频中文本区域检测与定位的方法，其特征在于，包含如下步骤：输入视频，按等时间间隔对输入视频进行采样；对采样得到的图像进行边缘检测；利用检测后得到的图像生成文本置信度图；根据生成的文本置信度图提取文本候选区域；对文本候选区域近似相同的多帧图像的文本候选区域进行融合；对融合后的文本区域图像进行分行。本发明的文本检测与定位方法能够实时地对视频中出现的多语言文本进行准确定位。可以适用于视频内容编辑、索引与检索等多种用途。