视频内容检测方法

本发明提供了一种视频内容检测方法，包括：响应于接收到对象输入的目标文本，基于目标文本生成文本场景图，文本场景图包括与检测意图相关的待检测动作和目标对象；获取待检测视频的视频场景图；其中，视频场景图用于表征待检测视频中第一对象的动作时序信息；利用视频内容检测模型对文本场景图和视频场景图进行处理，生成目标检测结果。其中，目标检测结果指示了待检测视频中是否包括目标对象的待检测动作。本发明的视频内容检测方法在复杂的多对象视频场景中，能够精准定位目标对象及其相关动作，有效避免误检和漏检情况。