針對(duì)計(jì)算機(jī)對(duì)視頻進(jìn)行自動(dòng)標(biāo)注和描述準(zhǔn)確率不高的問題，提出一種基于多特征融合的深度視頻自然語(yǔ)言描述的方法。該方法提取視頻幀序列的空間特征、運(yùn)動(dòng)特征、視頻特征，進(jìn)行特征的融合，使用融合的特征訓(xùn)練基于長(zhǎng)短期記憶（ LSTM）的自然語(yǔ)言描述模型。通過不同的特征組合訓(xùn)練多個(gè)自然語(yǔ)言描述模型，在測(cè)試時(shí)再進(jìn)行后期融合，即先選擇一個(gè)模型獲取當(dāng)前輸入的多個(gè)可能的輸出，再使用其他模型計(jì)算當(dāng)前輸出的概率，對(duì)這些輸出的概率進(jìn)行加權(quán)求和，取概率最高的作為輸出。此方法中的特征融合的方法包括前期融合：特征的拼接、不同特征對(duì)齊加權(quán)求和；后期融合：不同特征模型輸出的概率的加權(quán)融合，使用前期融合的特征對(duì)已生成的LSTM模型進(jìn)行微調(diào)。在標(biāo)準(zhǔn)測(cè)試集MSVD上進(jìn)行實(shí)驗(yàn)，結(jié)果表明：融合不同類型的特征方法能夠獲得更高評(píng)測(cè)分值的提升；相同類型的特征融合的評(píng)測(cè)結(jié)果不會(huì)高于單個(gè)特征的分值；使用特征對(duì)預(yù)訓(xùn)練好的模型進(jìn)行微調(diào)的方法效果較差。其中使用前期融合與后期融合相結(jié)合的方法生成的視頻自然語(yǔ)言描述得到的METEOR評(píng)測(cè)分值為0.302，比目前查到的最高值高1. 34%，表明該方法可以提升視頻自動(dòng)描述的準(zhǔn)確性。