一种基于多模态模型进行视频对象搜索的方法

本发明公开了一种基于多模态模型进行视频对象搜索的方法，基于自研的多模态模型构建了一整套从视频数据预处理、特征提取到多模态融合与匹配的人员搜索流程，能够根据文本输入快速从海量图片（视频）中检索目标对象；使用了先进的多模态技术实现了对视频内容的综合分析和理解，通过结合自然语言描述，视频快速定位的方式提供了自动化的人员识别和定位能力，可以快速、精准地在海量视频中找到目标人物，显著缩短了搜索时间，减少了人工干预，大幅提升了效率和准确性。