针对视频信息中空间域和时间域上特征提取存在运算成本高和时序信息不明显的问题，本文使用基于注意力机制的残差网络和双向LSTM复合模型，将视频提取出的关键帧输入到嵌入注意力机制的卷积神经网络和双向LSTM网络结构中分别提取视频的空间信息和时序信息，将本网络模型进行实验验证准确率有了一定的提升。随着互联网和自媒体的发展，视频文件逐渐成为了人们日常生活中的主流信息载体。