買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京師范大學申請的專利一種基于AI自動剪輯視頻素材的判斷方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119583844B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411866800.1，技術領域涉及：H04N21/234；該發明授權一種基于AI自動剪輯視頻素材的判斷方法及系統是由高山冰;葉馨嶸設計研發完成，并于2024-12-18向國家知識產權局提交的專利申請。

本一種基于AI自動剪輯視頻素材的判斷方法及系統在說明書摘要公布了：本發明公開了一種基于AI自動剪輯視頻素材的判斷方法及系統，涉及人工智能技術領域，該判斷方法包括以下步驟：得到多模態視頻數據；生成剪輯異常片段集合；評估剪輯異常片段集合對成品剪輯質量的影響程度；判斷剪輯異常片段集合是否符合視頻剪輯標準，篩選出符合視頻剪輯標準的素材，并生成用于剪輯的優質素材庫進行存儲。本發明通過評估剪輯異常片段對成品剪輯質量的影響，能夠在剪輯過程中精準把控素材的質量，避免不良素材影響最終效果，基于評估結果，自動篩選符合視頻剪輯標準的素材，生成優質素材庫進行存儲，從而避免了人工挑選素材的主觀性，保證了素材的統一性和質量，進而提供了高標準的素材庫供后續剪輯使用。

本發明授權一種基于AI自動剪輯視頻素材的判斷方法及系統在權利要求書中公布了：1.一種基于AI自動剪輯視頻素材的判斷方法，其特征在于，該判斷方法包括以下步驟： S1、獲取待剪輯的視頻素材數據，并對視頻素材數據進行預處理，得到多模態視頻數據； S2、基于異常識別算法，對得到的多模態視頻數據進行分析，并標記異常素材數據，生成剪輯異常片段集合； S3、將生成的剪輯異常片段集合與已知的優質視頻素材標準進行比對，評估剪輯異常片段集合對成品剪輯質量的影響程度； S4、基于評估結果，判斷剪輯異常片段集合是否符合視頻剪輯標準，篩選出符合視頻剪輯標準的素材，并生成用于剪輯的優質素材庫進行存儲； 所述基于異常識別算法，對得到的多模態視頻數據進行分析，并標記異常素材數據，生成剪輯異常片段集合包括以下步驟： S21、將得到的多模態視頻數據進行量化處理，并將量化處理后的多模態視頻數據劃分為訓練集和測試集，并設置異常識別算法的最大迭代次數和候選參數集規模； S22、利用隨機初始化策略結合特征空間的分布特性，生成異常識別算法的初始參數組合，并配置異常檢測模型的關鍵參數； S23、根據視頻剪輯異常特征的變化規律，動態調整異常檢測模型目標函數的權重，并合異常片段的時序特性，設定特征優先級； S24、利用異常檢測模型目標函數，評估每組參數組合下異常檢測模型對視頻數據異常的識別準確率，得到適應度值，并對所有參數組合的適應度值進行排序，篩選當前最優的異常檢測模型參數； S25、基于異常特征的分布情況，計算異常檢測模型的非線性偏差，若非線性偏差小于閾值，則采用局部優化策略，調整異常檢測模型參數組合，否則，采用全局部優化策略，調整異常檢測模型所有參數組合方向，并調整輔助特征的權重； S26、基于參數選擇算法，將當前異常檢測模型的優化結果與已知的最優參數組合進行比較，選擇性能最優的異常檢測模型參數； S27、對當前最優異常檢測模型參數進行隨機擾動，生成新的候選異常檢測模型參數組合，使用模型優化算法對擾動后的異常檢測模型參數進行優化，獲取擾動區域的局部最優異常檢測模型參數； S28、若局部最優異常檢測模型參數優于當前最優異常檢測模型參數，則記錄當前最優異常檢測模型，并更新異常片段集合，否則，返回步驟S22繼續優化； S29、輸出最優異常檢測模型參數及異常檢測模型的異常標記結果，并根據異常檢測模型的異常標記結果生成剪輯異常片段集合； 所述基于參數選擇算法，將當前異常檢測模型的優化結果與已知的最優參數組合進行比較，選擇性能最優的異常檢測模型參數包括以下步驟： S261、定義異常檢測模型的關鍵參數搜索范圍及特征選擇范圍； S262、隨機生成若干關鍵參數配置和特征子集，每個關鍵參數配置和特征子集的組合代表一個候選參數配置，所有組合構成候選參數配置群體； S263、利用每個候選參數配置訓練異常檢測模型，計算其適應度值，并記錄當前候選參數配置的性能結果； S264、對候選參數配置集中當前適應度最高的關鍵參數配置附近進行鄰域搜索，更新并記錄適應度最高的關鍵參數配置和特征子集； S265、將其余候選參數配置分散到全局范圍內的隨機關鍵參數配置和特征子集，計算其適應度值，并更新全局最優關鍵參數配置； S266、重復執行步驟S263至S265，直到達到最大迭代次數，并將當前最優關鍵參數配置與已知的最優參數配置進行比較，若當前最優關鍵參數配置優于已知最優參數配置，則替換為新的最優參數配置作為性能最優的異常檢測模型參數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京師范大學，其通訊地址為：210000 江蘇省南京市文苑路1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。