随着深度学习的发展,人工智能对人类社会生活带来了很大的便利。视频文本描述作为视频内容分析的重要分支,推动着视频检索与视频个性化推荐的进一步发展。视频文本描述算法需要对视频中包含的视觉内容使用自然语言进行文本描述,且要求该描述语句具有准确性、可读性与流畅性。目前在基于编解码模型的视频文本描述算法的研究中,将视频高级语义信息作为视频语义特征,能够有效地辅助解码模型更准确的将视频视觉特征转化为文本描述。其中,视频语义特征的质量对解码模型生成文本描述的准确性有着重要的影响。因此,在编码阶段,针对现有视频语义检测器提取的视频语义特征准确性较低的问题,本文构建视频语义特征增强编码器模型,通过highway layer结构加强编码特征,并且加入视频语义单词差异放大模块,放大语义特征中各语义单词之间的差异性,提高视频语义特征的准确性。实验结果表明,本文提出算法生成的语义特征的质量更好,能够更有效地辅助解码模型提升生成文本描述的准确性。为了进一步提高解码模型生成文本描述的准确性,在解码阶段,针对解码模型在学习过程中不能给予表达视频内容重要的单词更多关注度,并且单词特征之间差异性较小的问题,本文将单词注意力机制与单词差异增强结构相结合,构建单词特征增强文本解码器模型,使得单词特征同时具有重要性和差异性,提升解码模型的性能。通过在标准数据集上进行对比实验,实验表明本文算法生成的文本描述与视频内容更加贴切,生成的文本描述不仅准确,还能反映视频中的细节内容。同时与同领域其他算法相比,本文算法生成文本描述的评价指标明显优于同类研究的其他算法。