CN109600605B - 4k超高清视频的检测方法、电子设备及计算机程序产品 - Google Patents

Abstract

本申请实施例中提供了一种4K超高清视频的检测方法、电子设备及计算机程序产品，该方法包括：获取4K超高清视频原始素材的YUV空间帧数据，并归一化为模拟YUV空间帧数据；将模拟YUV空间帧数据转换为非线性RGB数据；将非线性RGB数据转换为线性RGB数据；将线性RGB数据转换为XYZ数据；将XYZ数据转换为xy参考坐标；判断各点的xy参考坐标是否在BT709色域内；统计空间帧数据中超出BT709色域的点数数量，当点数数量大于阈值时，确定为宽动态范围HDR视频帧。采用本申请中的方案，能够提高检测效率。

Description

4K超高清视频的检测方法、电子设备及计算机程序产品

技术领域

本申请涉及节目制作技术领域，尤其涉及4K超高清视频的检测方法、电子设备及计算机程序产品。

背景技术

在4K超高清播出业务的日常检测中，经常需要对播出信号或素材文件的原始素材是否HDR(High-Dynamic Range，高动态范围)素材进行判断，以便确认该素材是否符合播出规范、画面回显是否能如实还原亮度与色彩。

目前在4K超高清播出业务的日常工作中，判断播出信号或素材文件的原始素材是HDR还是通过SDR(Standard Dynamic Range，标准动态范围)素材上变换得来的常用方法手段，是将信号或文件通过4K超高清监视器回显，通过手动方式切换SDR、HDR及各种GAMMA曲线的显示参数预设，再通过人眼观察画面在各套预设参数下的回显表现，依靠经验以主观评价的方式判断该素材是原生HDR还是通过SDR素材上变换得来。

在实现本方案的过程中，发明人发现，该方法存在以下缺点：1、依靠人的主观经验，不具有高度的普适性与可复制性；2、没有严格的检测判定阈值，存在误判可能。

发明内容

本申请实施例中提供了一种4K超高清视频的检测方法、电子设备及计算机程序产品，用于解决上述至少一种问题。

根据本申请实施例的一个方面，提供了一种4K超高清视频的检测方法，包括：获取4K超高清视频原始素材的YUV空间帧数据，并归一化为模拟YUV 空间帧数据；将模拟YUV空间帧数据转换为非线性RGB数据；将非线性RGB 数据转换为线性RGB数据；将线性RGB数据转换为XYZ数据；将XYZ数据转换为xy参考坐标；判断各点的xy参考坐标是否在BT709色域内；统计空间帧数据中超出BT709色域的点数数量，当点数数量大于阈值时，确定为宽动态范围HDR视频帧。

根据本申请实施例的另一个方面，提供了一种电子设备，电子设备包括：显示器，存储器，一个或多个处理器；以及一个或多个模块，一个或多个模块被存储在存储器中，并被配置成由一个或多个处理器执行，一个或多个模块包括用于执行上述方法中各个步骤的指令。

根据本申请实施例的再一个方面，提供了一种计算机程序产品，计算机程序产品对用于执行一种过程的指令进行编码，过程包括上述方法。

采用本申请实施例中提供的4K超高清视频的检测方法、电子设备及计算机程序产品，采用客观的计算方法与计算流程，具有高度的可复制性和可操作性，不依赖人的主观经验；并且存在严格的阈值判断标准，与原方法相比大幅降低了误判的几率；另外，也大幅提高了检测效率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示出了根据本申请实施例一的4K超高清视频的检测方法的流程图；

图2示出了根据本申请实施例二的电子设备的结构示意图。

具体实施方式

在实现本申请的过程中，发明人发现，采用现有技术中的4K超高清视频的检测方法存在以下缺点：1、依靠人的主观经验，不具有高度的普适性与可复制性；2、没有严格的检测判定阈值，存在误判可能；3、没有流程化自动化的检测方法，效率低下。因此，需要一种流程化的、存在严格判断阈值的、可操作的计算方法对4K超高清视频原始素材是否属于原生HDR进行检测。

为解决上述问题，本申请实施例中提供了一种4K超高清视频的检测方法、电子设备及计算机程序产品，用于上述问题。

采用本申请实施例中提供的4K超高清视频的检测方法、电子设备及计算机程序产品，获取4K超高清视频原始素材的YUV空间帧数据，并归一化为模拟YUV空间帧数据；将模拟YUV空间帧数据转换为非线性RGB数据；将非线性RGB数据转换为线性RGB数据；将线性RGB数据转换为XYZ数据；将XYZ数据转换为xy参考坐标；判断各点的xy参考坐标是否在BT709色域内；统计空间帧数据中超出BT709色域的点数数量，当点数数量大于阈值时，确定为宽动态范围HDR视频帧。通过采用客观的计算方法与计算流程，具有高度的可复制性和可操作性，不依赖人的主观经验；并且存在严格的阈值判断标准，与原方法相比大幅降低了误判的几率；另外，也大幅提高了检测效率。

为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

实施例一

图1示出了根据本申请实施例一的4K超高清视频的检测方法的流程图。

如图1所示，根据本申请实施例一的4K超高清视频的检测方法包括如下步骤：

获取4K超高清视频原始素材的YUV空间帧数据，并归一化为模拟YUV 空间帧数据；将模拟YUV空间帧数据转换为非线性RGB数据；将非线性RGB 数据转换为线性RGB数据；将线性RGB数据转换为XYZ数据；将XYZ数据转换为xy参考坐标；判断各点的xy参考坐标是否在BT709色域内；统计空间帧数据中超出BT709色域的点数数量，当点数数量大于阈值时，确定为宽动态范围HDR视频帧。

各步骤的具体实施方式如下：

在具体实施时，将原始素材的YUV空间帧数据，归一化为模拟YUV空间帧数据，具体可以包括：采用以下公式实现将原始素材的YUV空间帧数据，归一化为模拟YUV空间帧数据：

其中，coef＝2^N-8，N表示数据的位深。

在具体实施时，将模拟YUV空间帧数据转换为非线性RGB数据，具体可以包括：采用以下公式将模拟YUV空间帧数据转换为非线性RGB数据：

在具体实施时，将非线性RGB数据转换为线性RGB数据，具体可以包括：根据原始素材的色域格式确定对应的去Gamma函数；将非线性RGB数据{R', G',B'}带入去Gamma函数，得到线性RGB数据{RD,GD,BD}。

在具体实施时，根据原始素材的色域格式确定对应的去Gamma函数，具体可以包括：

当原始素材的色域格式为PQ格式时，对应的去Gamma函数为：

其中，Ep表示PQ空间下非线性RGB数据{R',G', B'}；m1为0.1593017578125；m2为78.84375；c2为18.8515625，c3为18.6875， c1＝c3-c2+1。

当原始素材的色域格式为HLG格式时，对应的去Gamma函数为：

其中，Ep表示非线性RGB数据{R',G', B'}，范围[0,1]；a为0.17883277；b为0.28466892；c为0.55991073。

当原始素材的色域格式为BT2020格式时，对应的去Gamma函数为：

其中，Ep表示2020空间下非线性RGB数据{R',G',B'}；a为0.081。

在具体实施时，将线性RGB数据转换为XYZ数据，具体可以包括：采用以下公式将线性RGB数据转换为XYZ数据：

在具体实施时，将XYZ数据转换为xy参考坐标，具体可以包括：采用以下公式将XYZ数据转换为xy参考坐标：x＝X/(X+Y+Z)； y＝Y/(X+Y+Z)。

在具体实施时，判断各点的xy参考坐标是否在BT709色域内，具体可以包括：判断各点是否在BT709的三色坐标点R(0.64,0.33)、G(0.3,0.6)、B(0.15, 0.06)组成的三角形内；如果在三色坐标点R(0.64,0.33)、G(0.3,0.6)、B(0.15,0.06) 组成的三角形内，则认为在BT709色域内。

在具体实施时，判断各点是否在BT709的三色坐标点R(0.64,0.33)、G(0.3, 0.6)、B(0.15,0.06)组成的三角形内，具体可以包括：采用下述公式判断各点是否在BT709的三色坐标点R(0.64,0.33)、G(0.3,0.6)、B(0.15,0.06)组成的三角形内：

令PR＝(0.64-x0,0.33-y0),

PG＝(0.3-x0,0.6-y0),

PB＝(0.15-x0,0.06-y0),

计算叉乘：

其中，x0,y0为待判断点的xy参考坐标，符号

表示向量叉乘结果向量的第三分量：

判断T1、T2、T3是否同号，同号则认为该点在BT709的三角形内部。具体地，同号是指T1、T2、T3的正负号相同，例如，均为正数，或者均为负数。

在具体实施时，统计空间帧数据中超出BT709色域的点数数量，当点数数量大于阈值时，确定为宽动态范围HDR视频帧可以采用以下方式：统计整帧图像的xy值在BT709三角形外部的点的个数，大于阈值则判断认为是真 BT2020色域，否则认为是由BT709色域转换过来的。具体地，由于BT2020 色域完全包含了BT709色域，因而，阈值不能过大，又因为一帧图像中通常只含色域中的部分色彩，所以阈值通常会选小一点；例如，可以将阈值设为图像总像素数的5％。

采用本申请实施例中提供的4K超高清视频的检测方法，通过采用客观的计算方法与计算流程，具有高度的可复制性和可操作性，不依赖人的主观经验；并且存在严格的阈值判断标准，与原方法相比大幅降低了误判的几率；另外，也大幅提高了检测效率。

基于同一发明构思，本申请实施例中还提供了一种电子设备，由于该设备解决问题的原理与本申请实施例一所提供的方法相似，因此该设备的实施可以参见方法的实施，重复之处不再赘述。

实施例二

图2示出了根据本申请实施例二的电子设备的结构示意图。

如图2所示，根据本申请实施例二的电子设备200包括：显示器201，存储器202，一个或多个处理器203；以及一个或多个模块，一个或多个模块被存储在存储器中，并被配置成由一个或多个处理器执行，一个或多个模块包括用于执行本申请实施例一中的4K超高清视频的检测方法中各个步骤的指令。

采用本申请实施例中提供的电子设备，通过采用客观的计算方法与计算流程，具有高度的可复制性和可操作性，不依赖人的主观经验；并且存在严格的阈值判断标准，与原方法相比大幅降低了误判的几率；另外，也大幅提高了检测效率。

基于同一发明构思，本申请实施例中还提供了一种计算机程序产品，由于该计算机程序产品解决问题的原理与本申请实施例一所提供的方法相似，因此该计算机程序产品的实施可以参见方法的实施，重复之处不再赘述。

实施例三

根据本申请实施例三的计算机程序产品对用于执行一种过程的指令进行编码，该过程包括本申请实施例一中的4K超高清视频的检测方法。

采用本申请实施例中提供的计算机程序产品，通过采用客观的计算方法与计算流程，具有高度的可复制性和可操作性，不依赖人的主观经验；并且存在严格的阈值判断标准，与原方法相比大幅降低了误判的几率；另外，也大幅提高了检测效率。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (11)

1.一种4K超高清视频的检测方法，其特征在于，包括：

获取4K超高清视频原始素材的YUV空间帧数据，并归一化为模拟YUV空间帧数据；

将所述模拟YUV空间帧数据转换为非线性RGB数据；

将所述非线性RGB数据转换为线性RGB数据；

将所述线性RGB数据转换为XYZ数据；

将所述XYZ数据转换为xy参考坐标；

判断各点的xy参考坐标是否在BT709色域内；

统计所述空间帧数据中超出BT709色域的点数数量，当点数数量大于阈值时，确定为宽动态范围HDR视频帧。

2.根据权利要求1所述的方法，其特征在于，将原始素材的YUV空间帧数据，归一化为模拟YUV空间帧数据，具体包括：

采用以下公式实现将原始素材的YUV空间帧数据，归一化为模拟YUV空间帧数据：

其中，coef＝2^N-8，N表示数据的位深。

3.根据权利要求1所述的方法，其特征在于，将所述模拟YUV空间帧数据转换为非线性RGB数据，具体包括：

采用以下公式将所述模拟YUV空间帧数据转换为非线性RGB数据：

4.根据权利要求1所述的方法，其特征在于，将所述非线性RGB数据转换为线性RGB数据，具体包括：

根据原始素材的色域格式确定对应的去Gamma函数；

将非线性RGB数据{R',G',B'}代入去Gamma函数，得到线性RGB数据{RD,GD,BD}。

5.根据权利要求4所述的方法，其特征在于，根据原始素材的色域格式确定对应的去Gamma函数，具体包括：

当原始素材的色域格式为PQ格式时，对应的去Gamma函数为：

其中，Ep表示PQ空间下非线性RGB数据{R',G',B'}；m1为0.1593017578125；m2为78.84375；c2为18.8515625，c3为18.6875，c1＝c3-c2+1；或者

当原始素材的色域格式为HLG格式时，对应的去Gamma函数为：

其中，Ep表示非线性RGB数据{R',G',B'}，范围[0,1]；a为0.17883277；b为0.28466892；c为0.55991073；或者

当原始素材的色域格式为BT2020格式时，对应的去Gamma函数为：

其中，Ep表示2020空间下非线性RGB数据{R',G',B'}；a为0.081。

6.根据权利要求1所述的方法，其特征在于，将所述线性RGB数据转换为XYZ数据，具体包括：

采用以下公式将所述线性RGB数据转换为XYZ数据：

7.根据权利要求1所述的方法，其特征在于，将所述XYZ数据转换为xy参考坐标，具体包括：

采用以下公式将所述XYZ数据转换为xy参考坐标：

x＝X/(X+Y+Z)；

y＝Y/(X+Y+Z)。

8.根据权利要求1所述的方法，其特征在于，判断各点的xy参考坐标是否在BT709色域内，具体包括：

判断各点是否在BT709的三色坐标点R(0.64,0.33)、G(0.3,0.6)、B(0.15,0.06)组成的三角形内；

如果在三色坐标点R(0.64,0.33)、G(0.3,0.6)、B(0.15,0.06)组成的三角形内，则认为在BT709色域内。

9.根据权利要求8所述的方法，其特征在于，判断各点是否在BT709的三色坐标点R(0.64,0.33)、G(0.3,0.6)、B(0.15,0.06)组成的三角形内，具体包括：

采用下述公式判断各点是否在BT709的三色坐标点R(0.64,0.33)、G(0.3,0.6)、B(0.15,0.06)组成的三角形内：

令PR＝(0.64-x0,0.33-y0),

PG＝(0.3-x0,0.6-y0),

PB＝(0.15-x0,0.06-y0),

计算叉乘：

其中，x0,y0为待判断点的xy参考坐标，符号

表示向量叉乘结果向量的第三分量：

判断T1、T2、T3是否同号，同号则认为该点在BT709的三角形内部。

10.一种电子设备，其特征在于，所述电子设备包括：显示器，存储器，一个或多个处理器；以及一个或多个模块，所述一个或多个模块被存储在所述存储器中，并被配置成由所述一个或多个处理器执行，所述一个或多个模块包括用于执行权利要求1-9中任一所述方法中各个步骤的指令。

11.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序产品，所述计算机程序产品对用于执行一种过程的指令进行编码，所述指令被处理器执行时实现根据权利要求1-9中任一项所述的方法。

Images