面向广域视联网的多模态视频融合方法、装置、设备及介质

本发明提供了一种面向广域视联网的多模态视频融合方法、装置、设备及介质，涉及图像处理领域。包括：通过遥感卫星、无人机和地面铁塔的摄像头对目标场景同步拍摄，获得多模态视频数据；将多模态视频数据输入多模态浅层特征提取模块，得到多模态融合浅层特征；按照时间顺序对多模态融合浅层特征进行分组处理，得到多组多模态融合浅层特征；将多组多模态融合浅层特征输入融合特征循环细化模块，通过融合特征循环细化模块在每个组内进行并行特征细化以及在不同组之间进行全局循环特征细化，得到多组多模态细化特征；将多组多模态细化特征输入视频重建模块，对多组多模态细化特征进行上采样得到重建视频，从而实现对大范围区域内目标的高精度检测。