简介： 本发明属于计算机视觉技术领域，具体为一种基于感知语法知识的树结构视频描述生成方法。本发明显式利用语言中存在的语义信息，使用依存结构分析工具将顺序结构的句子转换成语法树的结构，通过树之间父结点和子结点之间的连接关系，对句子当中的依存语法结构进行显式建模；通过感知上下文的注意力网络，对生成过程中所产生的不同路径上下文信息分别进行建模；同时，在训练阶段引入强化学习和迭代式生成的训练方式，进一步提高模型性能；本发明通过定性和定量实验,表明模型具有可生成更加准确、语义更加丰富描述的能力。