买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京师范大学申请的专利一种基于AI自动剪辑视频素材的判断方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119583844B 。

龙图腾网通过国家知识产权局官网在2025-08-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411866800.1，技术领域涉及：H04N21/234；该发明授权一种基于AI自动剪辑视频素材的判断方法及系统是由高山冰;叶馨嵘设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本一种基于AI自动剪辑视频素材的判断方法及系统在说明书摘要公布了：本发明公开了一种基于AI自动剪辑视频素材的判断方法及系统，涉及人工智能技术领域，该判断方法包括以下步骤：得到多模态视频数据；生成剪辑异常片段集合；评估剪辑异常片段集合对成品剪辑质量的影响程度；判断剪辑异常片段集合是否符合视频剪辑标准，筛选出符合视频剪辑标准的素材，并生成用于剪辑的优质素材库进行存储。本发明通过评估剪辑异常片段对成品剪辑质量的影响，能够在剪辑过程中精准把控素材的质量，避免不良素材影响最终效果，基于评估结果，自动筛选符合视频剪辑标准的素材，生成优质素材库进行存储，从而避免了人工挑选素材的主观性，保证了素材的统一性和质量，进而提供了高标准的素材库供后续剪辑使用。

本发明授权一种基于AI自动剪辑视频素材的判断方法及系统在权利要求书中公布了：1.一种基于AI自动剪辑视频素材的判断方法，其特征在于，该判断方法包括以下步骤： S1、获取待剪辑的视频素材数据，并对视频素材数据进行预处理，得到多模态视频数据； S2、基于异常识别算法，对得到的多模态视频数据进行分析，并标记异常素材数据，生成剪辑异常片段集合； S3、将生成的剪辑异常片段集合与已知的优质视频素材标准进行比对，评估剪辑异常片段集合对成品剪辑质量的影响程度； S4、基于评估结果，判断剪辑异常片段集合是否符合视频剪辑标准，筛选出符合视频剪辑标准的素材，并生成用于剪辑的优质素材库进行存储； 所述基于异常识别算法，对得到的多模态视频数据进行分析，并标记异常素材数据，生成剪辑异常片段集合包括以下步骤： S21、将得到的多模态视频数据进行量化处理，并将量化处理后的多模态视频数据划分为训练集和测试集，并设置异常识别算法的最大迭代次数和候选参数集规模； S22、利用随机初始化策略结合特征空间的分布特性，生成异常识别算法的初始参数组合，并配置异常检测模型的关键参数； S23、根据视频剪辑异常特征的变化规律，动态调整异常检测模型目标函数的权重，并合异常片段的时序特性，设定特征优先级； S24、利用异常检测模型目标函数，评估每组参数组合下异常检测模型对视频数据异常的识别准确率，得到适应度值，并对所有参数组合的适应度值进行排序，筛选当前最优的异常检测模型参数； S25、基于异常特征的分布情况，计算异常检测模型的非线性偏差，若非线性偏差小于阈值，则采用局部优化策略，调整异常检测模型参数组合，否则，采用全局部优化策略，调整异常检测模型所有参数组合方向，并调整辅助特征的权重； S26、基于参数选择算法，将当前异常检测模型的优化结果与已知的最优参数组合进行比较，选择性能最优的异常检测模型参数； S27、对当前最优异常检测模型参数进行随机扰动，生成新的候选异常检测模型参数组合，使用模型优化算法对扰动后的异常检测模型参数进行优化，获取扰动区域的局部最优异常检测模型参数； S28、若局部最优异常检测模型参数优于当前最优异常检测模型参数，则记录当前最优异常检测模型，并更新异常片段集合，否则，返回步骤S22继续优化； S29、输出最优异常检测模型参数及异常检测模型的异常标记结果，并根据异常检测模型的异常标记结果生成剪辑异常片段集合； 所述基于参数选择算法，将当前异常检测模型的优化结果与已知的最优参数组合进行比较，选择性能最优的异常检测模型参数包括以下步骤： S261、定义异常检测模型的关键参数搜索范围及特征选择范围； S262、随机生成若干关键参数配置和特征子集，每个关键参数配置和特征子集的组合代表一个候选参数配置，所有组合构成候选参数配置群体； S263、利用每个候选参数配置训练异常检测模型，计算其适应度值，并记录当前候选参数配置的性能结果； S264、对候选参数配置集中当前适应度最高的关键参数配置附近进行邻域搜索，更新并记录适应度最高的关键参数配置和特征子集； S265、将其余候选参数配置分散到全局范围内的随机关键参数配置和特征子集，计算其适应度值，并更新全局最优关键参数配置； S266、重复执行步骤S263至S265，直到达到最大迭代次数，并将当前最优关键参数配置与已知的最优参数配置进行比较，若当前最优关键参数配置优于已知最优参数配置，则替换为新的最优参数配置作为性能最优的异常检测模型参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京师范大学，其通讯地址为：210000 江苏省南京市文苑路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。