本发明属于视频标签生成领域，尤其涉及基于神经网络模型的视频帧多标签自动生成方法及系统，其中方法包括：获取待处理的目标视频文件；从所述目标视频文件中根据预设的视频抽帧间隔值抽取视频帧，并生成抽取记录；根据抽取的视频帧进行预处理，并将预处理的视频帧传输至神经网络模型中，提取出多维度帧级特征；将提取的多维度帧级特征经过神经网络模型中的全连接层获取类别置信度，并根据类别置信度生成多标签集合；返回目标视频文件的多标签集合和抽取记录。本发明能够解决视频帧多标签分类生成问题。