本发明公开了一种基于视频内容读取分析的知识库构建方法，涉及多媒体智能信息处理技术领域，包括，接收并预处理视频流，采用深度学习模型提取视觉、听觉及表情特征，构建综合特征向量集；基于特征向量集，运用长短期记忆网络和三维卷积神经网络捕捉视频场景的连续变化，生成场景演化时间线和关键事件标注；基于视觉、听觉及表情特征，利用变分自编码器生成跨模态情感语义标签，建立情感语义图谱；基于初步知识图谱结构，通过语义Web框架和深度图嵌入进行知识融合，构建知识库。本发明通过融合多模态深度学习框架，实现了视频内容的精准理解与智能分析，高效构建了情感丰富、实体关系复杂的知识库，显著增强了视频数据的利用价值和应用场景。