多语义视频处理方法、装置、设备、介质和程序产品

本发明实施例提供一种多语义视频处理方法、装置、设备、介质和程序产品，该方法包括：先从空间角度进行特征提取，以得到待处理视频中视频帧各自的空间特征，再从时间角度进行特征提取，以得到视频帧各自的时空特征。进而，根据各视频帧的时空特征得到整个待处理视频的时空特征。最终，可以根据整个待处理视频的时空特征来对视频的语义进行分析，以定位出视频中的语义边界点，即语义发生变化的目标视频帧。其中，时空特征在反映视频帧中对象的空间信息、颜色信息以及对象的姿态变化信息等。因此，整个视频的时空特征可以更加完整、准确地反映对象在视频中的姿态变化，从而可以更细粒度的进行视频的语义分析，提高视频中语义边界点的定位准确性。