随着5G时代和自媒体时代的到来,互联网上各种视频数据呈爆发式增长,人们对于视频理解和分析的需求也越来越高。视频文本描述作为视频理解的重要分支之一,在视频检索、视频审核等领域应用广泛。视频文本描述算法旨在使用自然语言对视频内容进行总结和描述,是一个典型的跨模态问题,大多采用编解码的模型框架。目前基于编解码框架的视频文本描述算法的研究中,利用语法信息作为语义辅助模型,可以有效地监督解码器生成与视频动作相关的文本描述,但是仍然存在描述准确性不高、内容不够详细的问题。由于视频与文本之间存在异构特性,所以如何建立两者语义之间良好的对齐关系是解决上述问题的关键。因此,本文构建了一种多模态特征聚合网络编码器模型,包括两部分:运动感知模块,用于筛选与动作更相关的视频运动特征;特征增强模块,用于得到场景增强特征,两个模块相辅相成构成多模态特征聚合网络,得到既可以充分表达视频内容,又容易与文本语义对齐的视频聚合特征,从而提高视频编码器的性能。实验结果表明,本文提出的算法可以捕获高质量的视频特征,从而提高解码器生成文本描述的准确性。为了进一步提高解码器性能,建立视频与文本之间良好的语义对齐关系,使生成的描述更详细。在解码阶段,本文构建基于动作引导模块与语义对齐模块的解码器模型。利用动作引导模块,将动作特征与文本特征进行加权融合,以动态地指导LSTM解码网络,生成与动作相关的文本描述;利用语义对齐模块,构建语义对齐约束项引入损失函数中,在训练过程中学习视觉特征与文本特征之间的相关性,从而辅助视频语义与文本语义对齐。两个模块双管齐下,从而帮助解码器生成内容更丰富的文本描述。最后使用本文提出的算法模型在视频文本描述两个标准数据集MSVD和MSRVTT上进行实验与分析,充分证明了本文算法的有效性。