基于多模态融合与时空感知的智能视频内容提取及快速定位系统

本发明涉及计算机视觉、人工智能及视频处理领域，公开一种基于多模态融合与时空感知的智能视频内容提取及快速定位系统、方法、计算机可读存储介质及终端设备。旨在解决现有技术预处理适配差、关键帧精准度低、多模态理解片面等问题，满足安防、教育、医疗等领域需求。系统含预处理、关键帧提取、多模态融合、时空建模、定位模块，方法对应模块步骤，通过动态权重融合、长时上下文建模、检索增强生成等技术，提升数据质量、关键帧代表性及定位效率，最终实现视频内容高效提取与快速定位，适配多领域应用。