本发明涉及一种基于视频图像识别的并行信号处理方法及系统，其中该方法包括接收待播放音频和待播放视频；对所述待播放视频中进行目标特征识别，并对目标特征进行标记，确定标记帧；将所述待播放音频的播放起点置于所述标记帧处；在对音频进行播放时，在所述标记帧处进行视频的播放。通过对待播放视频进行目标特征的识别，使得在进行视频播放时能够根据视频中的画面识别进行语音播放的节点进行有效控制，对于语音播放的节点的确定更为精准，实现视频播放与语音播放的同步，减少视频播放时的语音延迟或是语音与实际播放画面不符的情况，提高用户体验。