【技术实现步骤摘要】
本专利技术涉及信息，尤其涉及一种基于机器学习的视频剪辑处理方法及系统。
技术介绍
1、在数字媒体技术快速发展的时代背景下，视频内容智能化处理已成为推动整个行业变革的核心驱动力，其中基于机器学习的视频剪辑处理技术在提升内容制作效率和质量方面发挥着越来越重要的作用。随着短视频平台的兴起和影视内容需求的爆发式增长，自动化的视频处理技术正在深刻重塑整个内容创作生态，为创作者提供了前所未有的技术支撑。然而，现有技术往往将人物识别简化为独立的目标检测任务，缺乏对人物重要性层次的深度理解，导致在复杂群体环境中无法有效区分主要人物与背景人物。这种方法论上的局限使得系统在面对多人交互和场景变换等复杂情况时，难以准确判断哪些人物应该成为关注焦点。画面中人物数量的动态变化直接影响着人物间相对重要性的判断准确性，当主要人物在画面中的占比发生显著调整或人物间的空间关系重新排列时，传统的静态识别模型难以准确捕捉这种变化对人物重要性评估体系的深层影响。其次，这种动态变化进一步加剧了焦点跟踪策略的复杂性，需要在保持对主要人物持续稳定关注的同时，实时调整跟踪参数以适应不...
【技术保护点】
1.一种基于机器学习的视频剪辑处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于机器学习的视频剪辑处理方法，其特征在于，所述获取视频帧序列中群体场景的人物检测框坐标信息，对每个检测框进行身份标识分配，根据检测框位置坐标和尺寸参数计算人物数量统计值，包括：
3.根据权利要求1所述的一种基于机器学习的视频剪辑处理方法，其特征在于，所述通过对比连续帧间人物数量统计值差异获取帧间变化幅度，若人物数量变化幅度超过预设阈值，则分析场景构成显著变化的相邻帧中人物检测框的中心点坐标偏移量和尺寸缩放比例，得到空间关系变化矩阵，包括：
<...【技术特征摘要】
1.一种基于机器学习的视频剪辑处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于机器学习的视频剪辑处理方法，其特征在于，所述获取视频帧序列中群体场景的人物检测框坐标信息，对每个检测框进行身份标识分配，根据检测框位置坐标和尺寸参数计算人物数量统计值，包括：
3.根据权利要求1所述的一种基于机器学习的视频剪辑处理方法，其特征在于，所述通过对比连续帧间人物数量统计值差异获取帧间变化幅度，若人物数量变化幅度超过预设阈值，则分析场景构成显著变化的相邻帧中人物检测框的中心点坐标偏移量和尺寸缩放比例，得到空间关系变化矩阵，包括：
4.根据权利要求1所述的一种基于机器学习的视频剪辑处理方法，其特征在于，所述采用注意力机制算法处理空间关系变化矩阵得到人物重要性评分结果，根据人物检测框在画面中的相对位置权重和尺寸权重计算焦点人物候选集合，结合前序帧跟踪历史信息判断出主要人物，得到主要人物的画面占比，包括：
5.根据权利要求1所述的一种基于机器学习的视频剪...
【专利技术属性】
技术研发人员：赵文涛，孟瑶月，朱仁伟，王本淇，徐鹤，
申请(专利权)人：西安电影制片厂有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。