基于汽车领域高光视频的提取系统及方法

本发明属于计算机技术领域，且公开了基于汽车领域高光视频的提取系统，包括：文本语义分析模块：即获取整个视频的语义信息。在将视频输入后，通过对视频进行分帧，从而提取图像中的多模态信息和对应图像、语音的原始信息，再通过对视频中的相关标题和正文以及语音和字幕进行转换，从而得到文本语义向量，再通过通用分类模型、通用质量评分模型、通用人脸检测及识别模型和汽车领域的细粒度检测模型，从而能够基于汽车领域的特点形成整个视频的图像语义向量，最后获取视频中的音频数据，提取其特征向量，与图像向量合并，得到视频的语义向量，利用Cross Attention结构使得文本语义向量指导视频语义特征进行预测。