本发明公开了一种面向视频内容的多模态检索方法，属于多媒体分析与处理技术领域。本方法面向视频内容，对视频数据和检索数据中的多模态特征进行提取和转化，将多模态特征转化为文本特征，然后通过对文本特征的检索实现对视频内容的检索与定位。本方法充分利用了视频内容中的多模态特征，并支持利用多模态数据进行检索，方便用户以多种方式进行针对视频内容的检索，使无标注情况下针对视频内容的检索更加准确全面。本方法极大方便了用户以多种形式在海量视频数据中快速寻找到自己感兴趣的内容，可以在海量无标注视频中找到用户所感兴趣的内容，节约了人工观看视频进行筛选的时间，可用于视频敏感内容筛选、目标人锁定等，实现数据的高效利用。