基于多模态融合的视频检索方法、存储介质及电子装置

本申请公开了一种基于多模态融合的视频检索方法、存储介质及电子装置，涉及智慧家庭技术领域，该方法包括：根据帧间差异度和场景复杂度，从视频帧序列中提取关键帧序列；按照时间顺序将单帧特征向量输入长短期记忆网络，得到长短期记忆网络输出的单帧特征向量的时序特征向量；其中，单帧特征向量是关键帧序列中包括的多个关键帧中每个关键帧的特征向量；将融合多个时序特征向量得到融合时序特征向量映射为第一文本特征向量；根据第一文本特征向量和第二文本特征向量分别对应的特征范数，向目标对象反馈视频检索结果，其中，第二文本特征向量是目标对象输入的查询信息对应的文本特征向量。