[发明专利]视频剪辑方法、系统、电子设备及存储介质

权利要求书

1.一种视频剪辑方法，其特征在于，所述方法包括下述步骤：

根据预设的视频分段算法对待剪辑视频进行切分，得到第一数量个视频子片段；

从预设的维度对所述待剪辑视频进行分析，得到与所述维度对应的得分曲线；

使用预设的集成学习模型处理所有的所述得分曲线，生成所述待剪辑视频的综合得分曲线；

根据所述综合得分曲线从所述第一数量个视频子片段中选取剪辑区域；

根据所述剪辑区域对所述待剪辑视频进行剪辑，得到剪辑后的视频。

2.如权利要求1所述的方法，其特征在于，所述从预设的维度对所述待剪辑视频进行分析，得到与所述维度对应的得分曲线的步骤，包括：

通过计算每个视频子片段的摘要得分，生成所述待剪辑视频在摘要维度上的得分曲线；和/或

通过遮挡分析模型分析每个视频帧的遮挡概率，生成所述待剪辑视频在遮挡维度上的得分曲线；和/或

通过美学评价模型分析每个视频帧的美学得分，生成所述待剪辑视频在美学维度上的得分曲线；和/或

使用预设的拍摄习惯分析模型，生成所述待剪辑视频在拍摄习惯维度上的得分曲线；和/或

通过统计每个视频帧的信息量，生成所述待剪辑视频在图像熵维度上的得分曲线；和/或

通过分析每个视频帧的纹理特征，生成所述待剪辑视频在纹理维度上的得分曲线。

3.如权利要求2所述的方法，其特征在于，将预设的距离函数的函数值作为所述视频子片段的摘要得分。

4.如权利要求3所述的方法，其特征在于，所述预设的距离函数为相关系数距离函数，所述视频子片段的摘要得分：其中，s_i表示第i个视频子片段摘要得分，v_i、v_j分别表示第i、j个视频子片段，N为所述第一数量。

5.如权利要求2所述的方法，其特征在于，所述遮挡分析模型的训练过程包括：

构建遮挡训练样本集，所述遮挡训练样本集中包含干净样本集和遮挡样本集，所述干净样本不包含遮挡物，所述遮挡样本至少包含一类遮挡物；

将遮挡训练样本输入所述遮挡分析模型，计算输出的遮挡概率与真实遮挡概率的交叉熵损失值，并通过梯度下降算法优化所述遮挡分析模型的参数，直至所述遮挡分析模型的遮挡检测准确率达到预设值。

6.如权利要求2所述的方法，其特征在于，所述美学评价模型的训练过程包括：

构建美学训练样本集，每个美学训练样本标注的真实美学得分为多个用户基于预设的美学角度评分的均值；

使用所述美学训练样本集对所述美学评价模型进行训练，得到训练好的美学评价模型。

7.如权利要求2所述的方法，其特征在于，所述拍摄习惯分析模型定义为：定义为其中，为超参数，用于调整高斯分布概率密度的权值参数，μ表示高斯分布的均值，σ表示高斯分布的标准差，υ_duration表示所述待剪辑视频的时长，β为超参数，用于调整高斯分布概率密度的方差。

8.如权利要求1所述的方法，其特征在于，所述集成学习模型采用单层线性稠密连接层，所述综合得分曲线如下：

其中，为维度集合，w_k和b_k为稠密连接层的参数，用于加权各个维度对应的标准化后的得分曲线向量的权值，s′_k为各个维度对应的得分曲线标准化后的得分曲线向量，s为综合得分曲线向量。

9.如权利要求1所述的方法，其特征在于，所述根据所述综合得分曲线从所述第一数量个视频子片段中选取剪辑区域的步骤，包括：

根据所述综合得分曲线计算每个所述视频子片段的视频平均分；

根据所述视频平均分依照由高到低的顺序对所述视频子片段进行排序，根据排序结果选取第二数量个视频子片段，从所述第二数量个视频子片段中选取所述剪辑区域。