一种基于语言驱动的视频阴影检测方法、装置及相关设备

本申请提出了一种基于语言驱动的视频阴影检测方法、装置及相关设备，涉及视频处理领域，该方法首先获取目标视频数据以及自然语言指令；对自然语言指令进行解析，确定目标视频数据中的目标检测区域；根据目标检测区域，对每一视频帧进行阴影检测，得到每一视频帧中目标检测区域对应的初始阴影检测结果；将目标视频数据划分成多个记忆片段，每个记忆片段划分为多个连续的记忆块，每个记忆块包括多个连续的视频帧；最后，根据每一视频帧对应的记忆块以及每一视频帧对应的记忆片段，对初始阴影检测结果进行优化，得到每一视频帧中目标检测区域对应的目标阴影检测结果。该方法通过自然语言描述指定视频中的特定阴影区域，能够提高阴影检测的灵活性。