一种视频数据处理方法、车辆、设备及程序产品

本申请提供一种视频数据处理方法、车辆、设备及程序产品，涉及计算机技术领域。在本申请可以对视频数据执行多维度的语义特征提取，得到视频数据的对象级语义特征、整图级语义特征和视频级语义特征等不同维度的语义特征。其中，对象级语义特征反映视频中出现的目标对象，整图级语义特征反映视频数据中的单个视频帧，视频级语义特征反映对视频数据中的视频段。由此，可以通过对应维度的语义特征执行多样化的检索，从而提高对视频数据的数据精度。此外，前述视频级语义特征可以基于视频帧的拼接图像确定，即前述各维度语义特征可以均基于图像进行提取，无需额外采用其他模态的模型进行语义提取，保证了各个维度语义特征的语义一致性。