基于视觉语言模型的视频分析方法

本发明提供一种基于视觉语言模型的视频分析方法，该方法包括：获取待分析视频；遍历所述待分析视频中的各视频帧，在当前遍历的视频帧为关键帧的情况下，将所述关键帧和与所述关键帧对应的各非关键帧的第一识别结果输入视觉语言模型中，得到所述视觉语言模型输出的所述关键帧的第二识别结果，所述第一识别结果为在确定所述非关键帧的图像类型后，将所述非关键帧输入所述图像类型对应的图像识别模型中得到的非关键帧的识别结果，所述图像识别模型为基于所述图像类型对应的第一样本图像和所述第一样本图像的识别结果标签训练得到的；基于所述第二识别结果，确定所述待分析视频的视频分析结果。本发明能够提高视觉语言模型的视频分析结果的准确性。