CN109756730B - 基于视频的评测处理方法、装置、智能设备及存储介质 - Google Patents
基于视频的评测处理方法、装置、智能设备及存储介质 Download PDFInfo
- Publication number
- CN109756730B CN109756730B CN201711071268.4A CN201711071268A CN109756730B CN 109756730 B CN109756730 B CN 109756730B CN 201711071268 A CN201711071268 A CN 201711071268A CN 109756730 B CN109756730 B CN 109756730B
- Authority
- CN
- China
- Prior art keywords
- video
- time domain
- parameters
- processing system
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明实施例公开了一种对视频的评测处理方法、装置、智能设备,其中,所述方法包括:根据第一视频的时域特征数据,计算得到所述第一视频的时域参数;通过时域因子对第二视频的时域特征数据进行处理,得到所述第二视频的时域参数,所述第二视频是指:在第一处理系统中对所述第一视频进行处理后得到的视频;根据所述第一视频的时域参数和所述第二视频的时域参数,得到关于所述第一处理系统的评测参数,并输出所述评测参数;所述时域因子是根据所述第二视频的视频帧的异常状态来确定的。采用本发明实施例,可以在一定程度上满足了用户对视频处理系统进行评测的自动化、智能化需求,提高了对视频处理系统的质量评测效率。
Description
技术领域
本发明涉及计算机应用技术领域,尤其涉及一种基于视频的评测处理方法、装置、智能设备及计算机存储介质。
背景技术
随着WiFi、4G的普及,视频已经慢慢赶超了图片,成为用户之间交互数据的重要组成部分,也成为终端流量耗费最多的部分,并且占据着重要的视觉空间。合理的视频处理系统可以为用户节省带宽、流量,并提升视觉效果。
但是,基于不同的视频处理系统对原始获得的视频进行处理后,均会不同程度的失真情况。为了确定经过视频处理系统后得到的失真视频相对于参考视频的质量损失,可以通过视频主观质量评测方法进行评测,但这需要大量专业的用户对视频质量进行打分,效率较低。
发明内容
本发明实施例提供一种基于视频的评测处理方法、装置、智能设备及计算机存储介质,可基于视频对视频处理系统进行评测。
第一方面,本发明实施例提供了一种基于视频的评测处理方法,包括:
根据第一视频的时域特征数据,计算得到所述第一视频的时域参数;
通过第一时域因子对第二视频的时域特征数据进行计算处理,得到所述第二视频的时域参数,所述第二视频是指:在第一处理系统中对所述第一视频进行处理后得到的视频;
对所述第一视频的时域参数和所述第二视频的时域参数进行计算,得到关于所述第一处理系统的评测参数,并输出所述评测参数;
所述第一时域因子的值是配置的与所述第二视频中视频帧的异常状态相关的值。
第二方面,本发明实施例还提供了一种对视频的评测处理装置,包括:
第一计算模块,用于根据第一视频的时域特征数据,计算得到所述第一视频的时域参数;
第二计算模块,用于通过第一时域因子对第二视频的时域特征数据进行计算处理,得到所述第二视频的时域参数,所述第二视频是指:在第一处理系统中对所述第一视频进行处理后得到的视频;所述第一时域因子的值是配置的与所述第二视频中视频帧的异常状态相关的值;
处理模块,用于根据所述第一视频的时域参数和所述第二视频的时域参数,得到关于所述第一处理系统的评测参数,并输出所述评测参数。
第三方面,本发明实施例提供了一种智能设备,包括处理器以及存储装置;
所述存储装置,用于存储程序指令;
所述处理器,调用所述存储装置中存储的程序指令,用于根据第一视频的时域特征数据,计算得到所述第一视频的时域参数;通过第一时域因子对第二视频的时域特征数据进行计算处理,得到所述第二视频的时域参数,所述第二视频是指:在第一处理系统中对所述第一视频进行处理后得到的视频;对所述第一视频的时域参数和所述第二视频的时域参数进行计算,得到关于所述第一处理系统的评测参数,并输出所述评测参数;所述第一时域因子的值是配置的与所述第二视频中视频帧的异常状态相关的值。
第四方面,本发明实施例还提供了一种计算机存储介质,该计算机存储介质中存储有程序指令,该程序指令被执行时,用于实现上述第一方面所述的基于视频的评测处理方法。
实施本发明实施例,具有如下有益效果:
本发明实施例能够基于视频的时域特征数据和一个基于视频的状态状态来确定的时域因子,综合计算得到视频处理系统的评测参数,根据该评测参数可以完成对视频处理系统的质量衡量,在一定程度上满足了用户对视频处理系统进行评测的自动化、智能化需求,提高了对视频处理系统的质量评测效率。
附图说明
图1a是本发明实施例的其中一种基于视频进行评测的架构的示意图;
图1b是本发明实施例的其中一种视频处理系统的架构示意图;
图2是本发明实施例的一种评测视频客观质量的全参考方法的流程示意图;
图3是本发明实施例一种展示不同视频处理系统的处理质量的评测对比示意图;
图4是本发明实施例的一种对视频的评测处理方法的流程示意图;
图5是本发明实施例的另一种对视频的评测处理方法的流程示意图;
图6是本发明实施例的生成对比曲线图的方法流程示意图;
图7是本发明实施例的一种对视频的评测处理装置的结构示意图;
图8是本发明实施例的一种智能设备的结构示意图。
具体实施方式
在本发明实施例中,视频处理系统是基于数据压缩技术在数字视频通讯方面的应用构建的系统,通过视频处理系统对视频进行处理的目的是减少视频数据中的冗余信息,从而更加高效完成视频的格式存储和数据传输。本发明实施例在对视频处理系统进行评测时,基于由视频处理系统中视频编解码和网络传输模块进行处理后的视频,来对视频处理系统进行质量评测。
为了评测不同视频处理系统的处理效果,在本发明实施例中,首先可以制作第一视频,并将该第一视频作为参考视频。作为参考视频的第一视频是指没有经过视频处理系统中的编解码和/或网络传输阶段的原始视频,例如第一视频可以是预先制作的专用于对视频处理系统进行评测的原始视频,参考视频可以根据评测需求进行制作,例如参考视频为前景和背景均静止的视频、或者前景运动但背景静止的视频等。在得到第一视频后,再经过需要评测的一个或者多个视频处理系统来对所述第一视频进行处理,分别得到处理后的视频,例如所述第一视频经过X视频运营商的第一处理系统后得到的第二视频,所述第二视频经过Y视频运营商的第二处理系统后得到的第三视频。第二视频和第三视频都是通过编解码和/或网络传输处理后的视频,基于不同的编解码和不同的网络传输环境,第二视频和第三视频均存在一定的失真,第二视频和第三视频可以称之为失真视频。进一步基于所述第一视频和所述第二视频确定出第一处理系统处理视频后的失真程度,或者说第一处理系统的处理质量;进一步基于所述第一视频和所述第三视频确定出第二处理系统处理视频后的失真程度,或者说第二处理系统的处理质量。本发明实施例提及的第一处理系统和第二处理系统为不同的视频处理系统,可以通过不同的编解码和/或网络传输等体现出第一处理系统和第二处理系统之间的不相同。
在一个实施例中,本发明可以使用安卓Android(一种智能终端的操作系统)平台的钩子Hook技术直接向视频处理系统的编码端注入已经制作好的参考视频,并在视频处理系统的解码端截获失真视频,这样能够控制输入源,保证每次测试的参考视频的一致性,也就是说,后续进行评价处理时,不会因为每个待评测的视频处理系统的参考视频来源不一致,导致后续评价处理存在较大误差的情况。
在一个实施例中,基于评测视频客观质量的全参考方法,可以综合考虑失真视频的模糊、噪声、块失真、网络丢包造成的不均匀或者不自然运动等状态所对应的空域特征数据和时域特征数据,来评测视频处理系统的质量。并且,在一个实施例中,可利用实验室网络损伤仪构造特定的网络环境,然后基于RD曲线(率失真曲线),根据所述评测视频客观质量的全参考方法的评测结果,在编码码率和评测结果的基础上对齐质量,评测不同视频处理系统的编码效率。
在一个实施例中,基于Android Hook技术在编码端注入已经制作好的参考视频,在解码端获取失真视频,保证每次的测试序列的一致性。基于校准的参考视频和失真视频的时域特征数据得到的时域参数进行计算,得到关于视频处理系统在时域上的评测参数,进一步地可以再综合考虑模糊、噪声、块失真等空域上的压缩失真,得到关于视频处理系统在空域上的评测参数,综合完成对该视频处理系统的质量评估。在本发明实施例中,还可以利用网络损伤仪设置一定的网络环境,基于RD曲线(率失真曲线),同时基于不同失真视频所对应的空域评测参数和时域评测参数对齐质量,实现各视频处理系统之间的端对端质量评测。
请参见图1a,是本发明实施例的其中一种基于视频进行评测的架构的示意图,基于该架构的指示,首先获取第一视频,该参考视频是预先制作的用于对诸如第一处理系统和第二处理系统等需要进行评测的视频处理系统进行测试的视频,该参考视频没有经过任何视频处理系统的编解码处理和/或网络传输,该参考视频可以是一些制作的特殊测试视频,例如,前景和背景均运动的视频、前景和背景均不运动的视频、前景运动但背景静止的视频等等。在制作好作为参考视频的第一视频后,图1a中的获取模块101一方面将第一视频作为参考视频输入到特征提取模块102,另一方面,将第一视频输入到图1b所示的需要评测的视频处理系统的编码模块107。
编码模块107对参考视频进行编码,得到编码视频,在通过网络108将编码视频传输给解码模块109,其中,该网络108可以是实验室配置的网络108,通过网络108损伤设备对网络108进行特殊处理,以尽量模拟现实网络108在传输编码视频时对编码视频的损伤程度。解码模块109在接收到所述编码视频后,进行解码处理,输出解码处理的结果,得到失真视频,失真视频再通过获取模块101注入到对失真视频进行处理的调整模块103中。所述获取模块101可以是基于钩子Hook函数生成的模块。所述解码模块109也可以直接将得到的失真视频诸如到所述调整模块103中。
特征提取模块102提取参考视频的视频特征数据,包括提取时域特征数据和空域特征数据,具体包括:提取参考视频的关于模糊、噪声、块失真、不均匀或者不自然运动等特征数据。并将提取的数据发送给后续的计算模块105。
调整模块103主要对失真视频进行时间、空间偏移以及增益等方面的调整处理,并将调整处理后的失真视频发送给特征提取模块102,特征提取模块102用于提取失真视频中对应的特征数据,同样包括:提取失真视频的关于模糊、噪声、块失真、不均匀或者不自然运动等特征数据。并将提取的数据发送给后续的计算模块105。对参考视频进行特征数据提取的特征提取模块102和对失真视频进行特征数据提取的特征提取模块104可以为同一个模块,也可以为不同的模块。例如,由第一特征提取模块提取参考视频的特征数据,由第二特征提取模块提取失真视频的特征数据。
计算模块105分别对参考视频的特征数据和失真视频的特征数据进行计算,具体可以为对提取的每一种特征数据对应的特征值进行差分比较计算,完成可感知特征的差分计算,并将计算结果输入到下一加权计算模块106。
加权计算模块106对各个特征数据的计算结果按照预先设置的权重进行计算得到评测结果,可以是对每种特征数据所对应的计算结果进行加权求和计算,得到加权求和值,该加权求和值则可以认为是对上述提到的视频处理系统的平均意见得分,或者称之为评测参数。
如图2所示,是本发明实施例的一种评测视频客观质量的全参考方法的流程示意图,本发明实施例的所述方法可以由一个能够进行视频分析以及处理的智能设备来执行。本发明实施例的所述方法包括如下步骤。
S201:接收第一视频,该第一视频作为参考视频为预先制作好的测试序列,该第一视频没有经过视频处理系统的编解码处理和/或网络传输处理。在接收到第一视频后会分为两路,一路为第一视频数据的原始数据直接进行后续的处理,基于Hook等技术将该第一视频的另一路输入到等待评测的视频处理系统中进行处理。
S202:校准第一视频的视频数据,校准的步骤主要包括去除视频中的时间偏移、空间偏移、增益调整等。
S203:对所述第一视频中进行特征提取。在本发明实施例中,主要可以提取模糊、噪声、块失真等空域特征数据,以及不均匀或者不自然运动、AFJ(Abnormal Frame Jumps,异常跳帧)丢帧特征数据、TI(Temporal Information,时域信息)等时域特征数据,提取的这些特征数据主要为用户可感知的特征。
S204:计算第一视频的质量参数。在本发明实施例中,质量参数主要包括时域参数和空域参数,可以依次记为P11、P12、P13、……等。
S205:在视频处理系统中对所述第一视频进行处理,得到第二视频。也就是说,第二视频为经过编解码处理和/或网络传输后的视频,智能设备将第一视频注入到编码端。编码端对第一视频编码后,通过已经建立的网络连接将编码后的编码视频发送给解码端,解码端对编码视频进行解码,然后将解码后的视频作为第二视频回传给智能设备。具体可以通过有线、或者无线、或者人工拷贝的方式将第二视频载入到智能设备中进行后续评测处理。智能设备基于第二视频执行如下步骤。
S206:校准第二视频的视频数据,对应于上述S202的步骤,校准的步骤同样包括去除时间偏移、空间偏移、增益调整等。
S207:对所述第二视频中进行特征提取。对应于上述S203的步骤,在本发明实施例中,提取的特征同样包括:可以提取模糊、噪声、块失真等空域特征数据,以及不均匀或者不自然运动、AFJ、TI等时域特征数据,提取的这些特征数据主要为可感知的特征。
S208:计算第二视频的质量参数。以上是S204相同,计算得到的质量参数主要包括时域参数和空域参数,可以依次记为P21、P22、P23、……等。
S209:根据第一视频的质量参数和第二视频的质量参数,计算得到关于所述视频处理系统的平均意见得分。在一个实施例中,可以将各个第一视频的质量参数与相关的各个第二视频的质量参数进行差分计算,再将各个差分计算的结果加权相加,即可得到平均意见得分,所述的相关是指根据同一类型的特征数据得到的质量参数之间进行差分计算,例如,根据第一视频中的AFJ特征数据得到的质量参数P11和根据第二视频中的AFJ特征数据得到的指令参数P12进行差分计算。该平均意见得分对应于用户的主观感受,平均意见得分越趋近于0,说明所述视频处理系统的处理效果越好,而该平均意见得分的值越大,用户主观感受越差。
在一个实施例中,在计算上述提到的第二视频的质量参数中的时域参数时,主要通过时域因子对第二视频的时域特征数据进行处理,得到所述第二视频的时域参数。具体的计算公式如下的公式所示。
P1和P2均为第二视频的时域参数,并且进一步地,所述第一视频的时域参数也可以通过该两个公式计算得到。其中,当AFJ或TI为零时,P2等于零,表明第二视频无丢帧和时域运动,否则,所述第二视频有丢帧和时域运动。所述第二视频存在丢帧和时域运动主要是因为网络传输导致的。丢帧和时域运动会导致第二视频在播放时产生快进、慢放等异常状态,因为某些数据帧的丢失,可能会导致第二视频直接跳过了某些时间戳的视频帧的播放,导致第二视频存在快进的异常状态,或者因为某些视频帧数据未正常接收导致第二视频存在卡顿异常状态。因此,在计算P2时,本发明实施例加入了时域因子a,其中a>=1且a小于一个上限阈值,在一个实施例中,该上限阈值可以取10,也就是说,a为一个大于等于1且小于等于10的值。在一个实施例中,当第二视频快进或者慢放时,a为一个大于1但小于等于10的值;当失真视频播放匀速(即不存在异常状态)时,a=1。其中,快进和慢放可以基于第二视频的前后视频帧的时间戳或者每秒播放的视频帧的数量来确定。a值根据快进和慢放的程度对用户感官的影响的实际情况,进行训练得到。
在一个实施例中,对a值的训练过程包括:获取一个测试视频,并采用评测参数为已知的测试系统对该测试视频进行处理,得到该测试视频的失真视频。基于上述过程提取时域特征数据,并通过公式1和使用了一个大于1的初始a值的公式2进行计算,如果基于初始a值最终计算得到的关于该测试系统的测试评测参数、与已知的该测试系统的评测参数相同或者两者的差值小于预设的阈值,则认为a值是合适的,继续获取下一个测试视频进行相应处理。如果两者的差值大于预设的阈值,则表明初始a值不合适,调整a值重新执行关于所述测试视频的上述步骤,直至确定a值是合适的,在确定a值合适后再获取下一个测试视频进行相应处理。在基于大量的测试视频训练得到最终的a值后,可以存储a值,存储的a值要么等于1,处理后的视频不存在异常时选择a值为1进行上述公式2的计算;a值要么等于经过上述训练过程训练后调整得到的最终a值,处理后的视频存在异常时选择该最终的a值进行上述公式2的计算。
在得到了所述平均意见得分后,可以直接在平均意见得分的基础上乘以100,得到在0~100范围内的主观感受得分,具体如下表1所示,在表1中,得分1是指平均意见得分,得分2是指主观感受得分。其中,H26x是一种视频编码标准,AVSx是另一种视频编码标准。H26x和AVSx用于表示不同的等待测试的视频处理系统。
表1:
在得到平均意见得分即可确定相应的视频处理系统的质量,在一个实施例中,还可以通过RD曲线来直观地确定不同视频处理系统的质量对比。评测视频处理系统中的视频编解码常用的量化步长qp,取值在0~51范围内,在本发明实施例中可认为是一质量因子。可以任意选取两个视频处理系统的各四个qp,如24、26、28、30,计算在四个qp下的经由两个视频处理系统处理后的视频的码率与评测参数的映射关系,基于映射关系分别拟合出两条曲线,通过对齐质量,去评测该两个视频处理系统之间的编码效率,如图3所示。
本发明实施例能够基于视频的时域特征数据和一个基于视频的状态状态来确定的时域因子,综合计算得到视频处理系统的评测参数,根据该评测参数可以完成对视频处理系统的质量衡量,在一定程度上满足了用户对视频处理系统进行评测的自动化、智能化需求,提高了对视频处理系统的质量评测效率。
再请参见图4,是本发明实施例的一种对视频的评测处理方法的流程示意图,本发明实施例的所述方法,可以由一个能够进行视频分析以及处理的智能设备来执行。在本发明实施例中,主要是基于第一视频(参考视频)、第二视频(失真视频)的时域特征来从时域方面对视频处理系统进行评测。本发明实施例的所述方法包括如下步骤。
S401:根据第一视频的时域特征数据,计算得到所述第一视频的时域参数。在本发明实施例中,所述第一视频的时域特征数据主要包括所述第一视频的AFJ和TI两个时域特征值。在其他实施例中,所述第一视频的时域特征数据还可以包括用于体现所述第一视频是否存在不均匀会不自然运动等特征。这些特征是根据视频的视频帧确定的,是用于衡量视频质量的部分基本数据。在得到AFJ和TI两个时域特征数据后,基于上述的计算公式1得到所述第一视频的时域参数P1。在计算所述第一视频的时域参数P2时,使用如下计算公式3。
即:可以认为,所述第一视频不存在快进或慢放等问题,a=1。
S402:通过第一时域因子对第二视频的时域特征数据进行计算处理,得到所述第二视频的时域参数,所述第二视频是指:在第一处理系统中对所述第一视频进行处理后得到的视频;所述第一时域因子是根据所述第二视频的视频帧的异常状态来确定的。所述第一视频作为参考视频为预先制作的、没有经过编解码和/或网络传输的视频,可以基于Hook技术注入已制作的第一视频以进行后续的对某个视频处理系统进行评测的相关处理,而所述第二视频则是对第一视频进行编解码和/或网络传输后得到的视频,存在一定程度的失真。本方案是通过第一视频和第二视频的时域特征来衡量对第一视频进行处理的视频处理系统的质量。
所述第二视频的时域特征数据同样是AFJ和TI,基于上述的公式1和公式2计算得到第二视频的时域参数。第一时域因子a值是根据第二视频的视频帧的异常状态确定的,如果确定第二视频不存在异常,则a值为1;如果存在异常,例如存在快进或者慢放的异常,则选取的第一时域因子a值为大于1的预设值。第一时域因子a值是根据快进或者慢放等异常情况对视频的造成的影响,进行学习后获取的权重值。第一时域因子a值是一个预置的值,具体值为训练得到的,其训练过程参考上述实施例中相关内容的描述。
S403:对所述第一视频的时域参数和所述第二视频的时域参数进行计算,得到关于所述第一处理系统的评测参数,并输出所述评测参数。可以将第一视频的时域参数与对应的第二视频的时域参数进行差分比较计算,根据计算结果确定出评测参数。在一个实施例中,可以对差分比较计算的计算结果进行求和计算,得到时域特征下的评测参数,基于该评测参数来评测对第一视频进行处理得到第二视频的视频处理系统的质量。
在一个实施例中,如果希望能够得到更为全面的对视频处理系统的评测结果,可以采用全参考质量评测方法来进行评测,在得到上述的时域特征数据下的评测参数后,再确定所述第一视频和第二视频所对应的在空域特征数据下的评测参数,结合时域特征数据下的评测参数和空域特征数据下的评测参数,综合得到所述视频处理系统的质量。
本发明实施例能够基于视频的时域特征数据和一个基于视频的异常状态来确定的时域因子,综合计算得到视频处理系统的评测参数,根据该评测参数可以完成对视频处理系统的质量衡量,在一定程度上满足了用户对视频处理系统进行评测的自动化、智能化需求,提高了对视频处理系统的质量评测效率。
再请参见图5,是本发明实施例的另一种对视频的评测处理方法的流程示意图,本发明实施例的所述方法,可以由一个能够进行视频分析以及处理的智能设备来执行。在本发明实施例中,第一视频为参考视频、而失真视频则包括第二视频和第三视频,基于第一视频、第二视频以及第三视频的时域特征来从时域方面对视频处理系统进行评测。本发明实施例的所述方法包括如下步骤。
S501:根据第一视频的时域特征数据,计算得到所述第一视频的时域参数。如上所述,所述第一视频作为参考视频,其时域参数可以根据上述的公式1和公式3计算得到。
S502:通过第一时域因子对第二视频的时域特征数据进行计算处理,得到所述第二视频的时域参数,所述第二视频是指:在第一处理系统中对所述第一视频进行处理后得到的视频;所述第一时域因子是根据所述第二视频的视频帧的异常状态来确定的,第一时域因子是一个预先配置的值。
所述第一视频和第二视频的时域特征数据是指对应的AFJ和TI特征数据,计算方式采用上述对应的公式1和公式2进行计算,得到第一视频和第二视频的时域参数。在一个实施例中,所述第二视频的时域参数具体是根据异常跳帧数据(对应AFJ)、时域信息数据(对应TI)以及时域因子a计算得到的。所述第一时域因子大于等于1,具体为值在大于等于1且小于等于10的一个参数值,当所述第二视频的视频帧的异常状态指示第二视频不存在异常时,所述第一时域因子等于1;当所述第二视频的视频帧的异常状态指示第二视频异常时,所述第一时域因子为大于1的预设值。视频帧的异常状态是根据视频帧的时间戳来确定的;根据视频帧的时间戳确定所述第二视频所处的异常状态,所述异常状态包括:快进异常状态、卡顿异常状态、丢帧异常状态中的任意一种或者多种。
在一个实施例中,在第一处理系统中对所述第一视频进行处理,包括:在第一处理系统中的编码端对所述第一视频进行视频编码处理,得到编码视频;通过第一处理系统中的传输网络将所述编码视频传输给第一处理系统的解码端,所述传输网络为有损传输网络;在第一处理系统的解码端对所述编码视频进行解码,得到第二视频。在一个实施例中,采用钩子函数将所述第一视频注入到第一处理系统。
S503:对所述第一视频的时域参数和所述第二视频的时域参数进行计算处理,得到关于所述第一处理系统的评测参数,并输出所述评测参数。输出该评测参数可以是输出给显示器显示供用户查看,也可以是输出到存储器中存储,以便于后续调取。在一个实施例中,可以将各个第一视频的时域参数与相关的各个第二视频的时域参数进行差分计算,再将各个差分计算的结果加权相加,即可得到平均意见得分,该平均意见得分即为所述评测参数将第一视频的AFJ对应计算得到的P1与第二视频的AFJ对应计算得到的P1进行差分计算,得到第一差分结果,再将第一视频的TI对应计算得到P2与第二视频的TI对应计算得到的P2进行差分计算,得到第二差分结果。在一个实施例中,在特征数据包括AFJ和TI的情况下,根据预置的AFJ的权重值和TI的权重值,对第一差分值和第二差分值进行加权求和,得到关于第一处理系统的评测参数。
在对各个差分计算的结果加权相加时,所使用的权重值是指预先为各个时域参数或者说时域特征数据设置的权重值,在一个实施例中这些权重值可以是根据时域参数对应的时域特征数据对视频质量的影响程度来确定。在一个实施例中,可通过对大量视频进行训练学习后得到的各所需时域参数或者说时域特征数据的权重值,训练各个权重值的方式可以为:首先为各个时域参数或者说时域特征数据配置初始权重值,具体可以基于时域特征数据对视频质量的影响程度来根据经验设置,获取一个评测参数为已知的视频处理系统。在分别得到上述的第一视频的时域参数和第二视频的时域参数后,基于初始权重值对第一视频的时域参数和第二视频的时域参数进行计算,如果输出的加权求和的值与所述已知的评测参数相同或者两者的差值小于预设的阈值,则认为各个初始权重值是合理的,如果不相同或者两者的差值大于预设的阈值,则认为需要对各个初始权重值进行调整,再重新基于第一视频和第二视频进行上述计算,直至输出的加权求和的值与所述已知的评测参数相同或者两者的差值小于预设的阈值。在输出的加权求和的值与所述已知的评测参数相同或者两者的差值小于预设的阈值后,获取下一个训练视频作为新的第一视频,重复进行上述处理,直至所有的训练视频均进行上述处理后,调整得到的权重值作为训练优化后的权重,使用到所述S503和下述的S505中。
S504:通过第二时域因子对第三视频的时域特征数据进行计算处理,得到所述第三视频的时域参数,所述第三视频是指:在第二处理系统中对所述第一视频进行处理后得到的视频;所述第二时域因子同样是根据所述第三视频的视频帧的异常状态来确定的。在第二处理系统中对所述第一视频进行处理,包括:在第一处理系统中的编码端对所述第一视频进行视频编码处理,得到编码视频;通过第一处理系统中的传输网络将所述编码视频传输给第一处理系统的解码端,所述传输网络为有损传输网络;在第一处理系统的解码端对所述编码视频进行解码,得到第三视频。在一个实施例中,采用钩子函数将所述第一视频注入到第二处理系统。
在一个实施例中,所述第三视频的时域参数具体是根据异常跳帧数据(对应AFJ)、时域信息数据(对应TI)以及时域因子a计算得到的。所述时域因子大于等于1,当所述第三视频的视频帧的异常状态指示第二视频不存在异常时,所述第二时域因子等于1,当所述第三视频的视频帧的异常状态指示第二视频异常时,所述第二时域因子为大于1但小于等于10的一个预设值。视频帧的异常状态是根据视频帧的时间戳来确定的;根据视频帧的时间戳确定所述第二视频所处的异常状态,所述异常状态包括:快进异常状态、卡顿异常状态、丢帧异常状态中的任意一种或者多种。
所述第三视频的时域特征数据同样包括AFJ和TI,所述第三视频的时域参数通过上述的公式1和公式2计算得到,针对其中的第二时域因子a,是根据第三视频的异常状态情况来确定的。在一个实施例中,第一时域因子和第二时域因子的值均为预设的值,两者相同。
S505:对所述第一视频的时域参数和所述第三视频的时域参数进行计算,得到关于所述第二处理系统的评测参数,并输出所述评测参数。具体的,对所述第三视频的处理与对所述第二视频的处理过程相同。所不同是所述第二视频和第三视频所处的异常状态可能不相同,时域特征数据和a值不相同,最终得到的结果即评测参数也不相同。经过第二处理系统处理的所述第三视频的处理方式可参考上述各个实施例中对第二视频进行处理的相关内容。在一个实施例中,可以将各个第一视频的时域参数与相关的各个第三视频的时域参数进行差分计算,再将各个差分计算的结果加权相加,即可得到平均意见得分,该平均意见得分即为所述评测参数。具体将第一视频的AFJ对应计算得到的P1与第三视频的AFJ对应计算得到的P1进行差分计算,得到第一差分结果,再将第一视频的TI对应计算得到P2与第三视频的TI对应计算得到的P2进行差分计算,得到第三差分结果。根据预置的AFJ的权重值和TI的权重值,对第一差分值和第三差分值进行加权求和,得到关于第二处理系统的评测参数。
S506:根据所述第二视频的评测参数和所述第三视频的评测参数,生成对比曲线图。所述对比曲线图用于呈现所述第二视频和第三视频在多个视频码率下面的评测参数。在一个实施例中,该对比曲线图的横坐标为视频的码率值,纵坐标为计算得到的第二视频在对应码率下的评测参数和第三视频在对应码率下的评测参数。具体的对比曲线图可参考图3所示,生成方式可参考图3所对应实施例的相关部分。
再请参见图6,是本发明实施例的生成对比曲线图的方法流程示意图,该方法对应于上述的S506步骤,具体包括如下步骤。
S601:确定至少两个量化步长。用于评测视频编解码质量时,常用的是量化步长qp(0~51),在本发明实施例中,可以确定4个qp值,例如可以是24、26、28、30,当然可以确定更多的qp值,进而得到更准确的关于视频处理系统的质量曲线。
S602:获取所述第二视频在所述至少两个量化步长下的码率与评测参数的第一映射关系。计算qp为24时,所述第一处理系统得到的第二视频在目标码率下的评测参数值,将目标码率和基于该目标码率下的第二视频计算得到的评测参数值确定为映射关系(目标码率、评测参数值)。同样计算在qp为26时的映射关系。进而可以得到4组(目标码率、评测参数值)映射关系,将4组映射关系确定为所述第二视频的第一映射关系。
S603:获取所述第三视频在所述至少两个量化步长下的码率与评测参数的第二映射关系。基于上述S602中描述的相同的处理方式,得到关于第三视频在qp为24、26、28、30下的四组(目标码率、评测参数值)映射关系,将4组映射关系确定为所述第三视频的第二映射关系。在24下对应的第二视频的目标码率和第三视频的目标码率相同,在其他qp下第二视频和第三视频对应的目标码率相同,只是评测参数是基于上述的计算过程计算得到的,可能不相同也可能相同。
S604:根据所述第一映射关系和第二映射关系,生成所述第二视频和第三视频的关于码率与评测参数的关系曲线。对上述qp确定的第一映射关系和第二映射关系,分别拟合得到一条所述第二视频(即第一处理系统)的关于码率和评测参数的曲线和所述第三视频(即第二处理系统)的关于码率和评测参数的曲线。
S605:根据生成的关系曲线得到所述第一视频和第三视频对应的关于码率与评测参数的对比曲线图。将拟合得到的两条在一个率失真曲线上呈现。其中H26x所对应的曲线可以认为是第一处理系统对应的曲线,第一处理系统是基于H26x进行了编解码。AVSx所对应的曲线可以认为是第二处理系统对应的曲线,第二处理系统是基于AVSx进行了编解码。
本发明实施例能够基于视频的时域特征数据和一个基于视频的状态状态来确定的时域因子,综合计算得到视频处理系统的评测参数,根据该评测参数可以完成对视频处理系统的质量衡量,在一定程度上满足了用户对视频处理系统进行评测的自动化、智能化需求,提高了对视频处理系统的质量评测效率。
在一个实施例中,还提供了计算机存储介质,其特征在于,该计算机存储介质中存储有程序指令,该程序指令被执行时,用于执行上述图2、图4、图5以及图6所对应的方法。
再请参见图7,是本发明实施例的一种对视频的评测处理装置的结构示意图,本发明实施例的所述装置可以设置在一个能够进行视频分析以及处理的智能设备中,所述装置包括如下结构。
第一计算模块701,用于根据第一视频的时域特征数据,计算得到所述第一视频的时域参数;
第二计算模块702,用于通过第一时域因子对第二视频的时域特征数据进行计算处理,得到所述第二视频的时域参数,所述第二视频是指:在第一处理系统中对所述第一视频进行处理后得到的视频;所述第一时域因子的值是配置的与所述第二视频中视频帧的异常状态相关的值;
处理模块703,用于对所述第一视频的时域参数和所述第二视频的时域参数进行计算,得到关于所述第一处理系统的评测参数,并输出所述评测参数。
在一个实施例中,所述第二视频的时域特征数据包括:异常跳帧数据和时域信息数据,所述第二计算模块702,具体用于根据所述异常跳帧数据、时域信息数据以及时域因子,计算得到所述第二视频的时域参数;其中,当所述第二视频的视频帧的异常状态指示第二视频不存在异常时,所述第一时域因子的值等于1,当所述第二视频的视频帧的异常状态指示第二视频异常时,所述第一时域因子的值为大于1而小于预设上限阈值的值。
在一个实施例中,视频帧的异常状态是根据视频帧的时间戳来确定的;根据视频帧的时间戳确定所述第二视频所处的异常状态,所述异常状态包括:快进异常状态、卡顿异常状态、丢帧异常状态中的任意一种或者多种。
在一个实施例中,所述装置还可以包括:第三计算模块704,用于通过第二时域因子对第三视频的时域特征数据进行计算处理,得到所述第三视频的时域参数,所述第三视频是指:在第二处理系统中对所述第一视频进行处理后得到的视频;对所述第一视频的时域参数和所述第三视频的时域参数进行计算,得到关于所述第二处理系统的评测参数,并输出所述评测参数;所述第二时域因子的值是配置的与所述第三视频中视频帧的异常状态相关的值。
在一个实施例中,所述处理模块703,还用于确定至少两个量化步长;获取所述第二视频在所述至少两个量化步长下的码率与评测参数的第一映射关系;获取所述第三视频在所述至少两个量化步长下的码率与评测参数的第二映射关系。
在一个实施例中,所述处理模块703,还用于根据所述第一映射关系和第二映射关系,生成所述第二视频和第三视频的关于码率与评测参数的关系曲线;根据生成的关系曲线得到所述第一视频和第三视频对应的关于码率与评测参数的对比曲线图。
在一个实施例中,所述装置还包括:视频处理模块705,用于将所述第一视频输入到待评测的第一处理系统的编码端;接收从所述第一处理系统的解码端输出的视频,所述接收到的视频为第二视频。进一步地,所述视频处理模块705,还用于将所述第一视频输入到待评测的第二处理系统的编码端;接收从所述第二处理系统的解码端输出的视频,所述从第二处理系统中接收到的视频为第三视频。
在一个实施例中,可以通过钩子函数将所述第一视频传递给第一处理系统或者第二处理系统的。
本发明实施例的所述装置的各个模块的具体实现可参考上述方法实施例中相关步骤的具体内容描述。
本发明实施例能够基于视频的时域特征数据和一个基于视频的状态状态来确定的时域因子,综合计算得到视频处理系统的评测参数,根据该评测参数可以完成对视频处理系统的质量衡量,在一定程度上满足了用户对视频处理系统进行评测的自动化、智能化需求,提高了对视频处理系统的质量评测效率。
再请参见图8,是本发明实施例的一种智能设备的结构示意图,本发明实施例的所述智能设备包括供电电路、外壳等结构,还包括:处理器801以及存储装置802。
所述存储装置802可以包括易失性存储器(volatile memory),例如随机存取存储器(random-access memory,RAM);存储装置802也可以包括非易失性存储器(non-volatilememory),例如快闪存储器(flash memory),固态硬盘(solid-state drive,SSD)等;所述存储装置802还可以包括上述种类的存储器的组合。
所述处理器801可以是中央处理器(central processing unit,CPU)。所述处理器801还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(application-specific integrated circuit,ASIC),可编程逻辑器件(programmable logic device,PLD)等。上述PLD可以是现场可编程逻辑门阵列(field-programmable gate array,FPGA),通用阵列逻辑(generic array logic,GAL)等。
可选地,所述存储装置802还用于存储程序指令。所述处理器801可以调用所述程序指令,可以根据需要实现上述图2、图4、图5以及图6所对应的方法。
其中,在一个实施例中,所述处理器801,调用所述存储装置802中存储的程序指令,用于根据第一视频的时域特征数据,计算得到所述第一视频的时域参数;通过第一时域因子对第二视频的时域特征数据进行处理,得到所述第二视频的时域参数,所述第二视频是指:在第一处理系统中对所述第一视频进行处理后得到的视频;对所述第一视频的时域参数和所述第二视频的时域参数进行计算,得到关于所述第一处理系统的评测参数,并输出所述评测参数;所述第一时域因子的值是配置的与所述第二视频中视频帧的异常状态相关的值。
在一个实施例中,所述第二视频的时域特征数据包括:异常跳帧数据和时域信息数据,所述处理器801,具体用于根据所述异常跳帧数据、时域信息数据以及时域因子,计算得到所述第二视频的时域参数;其中,当所述第二视频的视频帧的异常状态指示第二视频不存在异常时,所述第一时域因子的值等于1,当所述第二视频的视频帧的异常状态指示第二视频异常时,所述第一时域因子的值为大于1而小于预设上限阈值的值。
在一个实施例中,视频帧的异常状态是根据视频帧的时间戳来确定的;根据视频帧的时间戳确定所述第二视频所处的异常状态,所述异常状态包括:快进异常状态、卡顿异常状态、丢帧异常状态中的任意一种或者多种。
在一个实施例中,所述处理器801,还用于通过第二时域因子对第三视频的时域特征数据进行处理,得到所述第三视频的时域参数,所述第三视频是指:在第二处理系统中对所述第一视频进行处理后得到的视频;对所述第一视频的时域参数和所述第三视频的时域参数进行计算,得到关于所述第二处理系统的评测参数,并输出所述评测参数;所述第二时域因子的值是配置的与所述第三视频中视频帧的异常状态相关的值。
在一个实施例中,所述处理器801,还用于确定至少两个量化步长;获取所述第二视频在所述至少两个量化步长下的码率与评测参数的第一映射关系;获取所述第三视频在所述至少两个量化步长下的码率与评测参数的第二映射关系。
在一个实施例中,所述处理器801,还用于根据所述第一映射关系和第二映射关系,生成所述第二视频和第三视频的关于码率与评测参数的关系曲线;根据生成的关系曲线得到所述第一视频和第三视频对应的关于码率与评测参数的对比曲线图。
在一个实施例中,所述处理器801,还用于将所述第一视频输入到待评测的第一处理系统的编码端;接收从所述第一处理系统的解码端输出的视频,所述接收到的视频为第二视频。
在一个实施例中,所述处理器801是通过钩子函数将所述第一视频传递给第一处理系统或者第二处理系统的。
本发明实施例的所述处理器801的具体实现可参考上述方法实施例中相关步骤的具体内容描述。
本发明实施例能够基于视频的时域特征数据和一个基于视频的状态状态来确定的时域因子,综合计算得到视频处理系统的评测参数,根据该评测参数可以完成对视频处理系统的质量衡量,在一定程度上满足了用户对视频处理系统进行评测的自动化、智能化需求,提高了对视频处理系统的质量评测效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本发明一种部分实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (14)
1.一种基于视频的评测处理方法,其特征在于,包括:
根据第一视频的时域特征数据,计算得到所述第一视频的时域参数;
通过第一时域因子对第二视频的时域特征数据进行计算处理,得到所述第二视频的时域参数,所述第二视频是指:在第一处理系统中对所述第一视频进行处理后得到的视频;
对所述第一视频的时域参数和所述第二视频的时域参数进行计算,得到关于所述第一处理系统的评测参数,并输出所述评测参数;
所述第一时域因子的值是配置的与所述第二视频中视频帧的异常状态相关的值,其中,如果确定所述第二视频不处于快进或者慢放的异常状态,则所述第一时域因子的值为1,如果确定所述第二视频处于快进或者慢放的异常状态,则第一时域因子的值为大于1而小于预设上限阈值的预设值,所述预设值是根据训练得到的。
2.如权利要求1所述的方法,其特征在于,所述第二视频的时域特征数据包括:异常跳帧数据和时域信息数据,所述通过第一时域因子对第二视频的时域特征数据进行计算处理,得到所述第二视频的时域参数,包括:
对所述异常跳帧数据、时域信息数据以及所述第一时域因子进行计算,得到所述第二视频的时域参数。
3.如权利要求1所述的方法,其特征在于,视频帧的异常状态是根据视频帧的时间戳来确定的;根据视频帧的时间戳确定所述第二视频所处的异常状态,所述异常状态还包括:卡顿异常状态、丢帧异常状态中的任意一种或者两种。
4.如权利要求1-3任一项所述的方法,其特征在于,还包括:
通过第二时域因子对第三视频的时域特征数据进行计算处理,得到所述第三视频的时域参数,所述第三视频是指:在第二处理系统中对所述第一视频进行处理后得到的视频;
对所述第一视频的时域参数和所述第三视频的时域参数进行计算,得到关于所述第二处理系统的评测参数,并输出所述评测参数;
所述第二时域因子的值是配置的与所述第三视频中视频帧的异常状态相关的值。
5.如权利要求4所述的方法,其特征在于,还包括:
确定至少两个量化步长;
获取所述第二视频在所述至少两个量化步长下的码率与评测参数的第一映射关系;
获取所述第三视频在所述至少两个量化步长下的码率与评测参数的第二映射关系。
6.如权利要求5所述的方法,其特征在于,还包括:
根据所述第一映射关系和第二映射关系,生成所述第二视频和第三视频的关于码率与评测参数的关系曲线;
根据生成的关系曲线得到所述第一视频和第三视频对应的关于码率与评测参数的对比曲线图。
7.如权利要求1所述的方法,其特征在于,还包括:
将所述第一视频输入到待评测的第一处理系统的编码端;
接收从所述第一处理系统的解码端输出的视频,所述接收到的视频为第二视频。
8.如权利要求1所述的方法,其特征在于,通过钩子函数将所述第一视频传递给第一处理系统或者第二处理系统的。
9.一种基于视频的评测处理装置,其特征在于,包括:
第一计算模块,用于根据第一视频的时域特征数据,计算得到所述第一视频的时域参数;
第二计算模块,用于通过第一时域因子对第二视频的时域特征数据进行计算处理,得到所述第二视频的时域参数,所述第二视频是指:在第一处理系统中对所述第一视频进行处理后得到的视频;所述第一时域因子的值是配置的与所述第二视频中视频帧的异常状态相关的值;
处理模块,用于对所述第一视频的时域参数和所述第二视频的时域参数进行计算,得到关于所述第一处理系统的评测参数,并输出所述评测参数;
其中,如果确定所述第二视频不处于快进或者慢放的异常状态,则所述第一时域因子的值为1,如果确定所述第二视频处于快进或者慢放的异常状态,则第一时域因子的值为大于1而小于预设上限阈值的预设值,所述预设值是根据训练得到的。
10.一种智能设备,其特征在于,包括:处理器以及存储装置;
所述存储装置,用于存储程序指令;
所述处理器,调用所述存储装置中存储的程序指令,用于根据第一视频的时域特征数据,计算得到所述第一视频的时域参数;通过第一时域因子对第二视频的时域特征数据进行计算处理,得到所述第二视频的时域参数;对所述第一视频的时域参数和所述第二视频的时域参数进行计算,得到关于第一处理系统的评测参数,并输出所述评测参数;所述第二视频是指:在第一处理系统中对所述第一视频进行处理后得到的视频,所述第一时域因子的值是配置的与所述第二视频中视频帧的异常状态相关的值,其中,如果确定所述第二视频不处于快进或者慢放的异常状态,则所述第一时域因子的值为1,如果确定所述第二视频处于快进或者慢放的异常状态,则第一时域因子的值为大于1而小于预设上限阈值的预设值,所述预设值是根据训练得到的。
11.如权利要求10所述的智能设备,其特征在于,
所述处理器,还用于通过第二时域因子对第三视频的时域特征数据进行计算处理,得到所述第三视频的时域参数;对所述第一视频的时域参数和所述第三视频的时域参数进行计算,得到关于第二处理系统的评测参数,并输出所述评测参数;所述第三视频是指:在第二处理系统中对所述第一视频进行处理后得到的视频,所述第二时域因子的值是配置的与所述第三视频中视频帧的异常状态相关的值。
12.如权利要求11所述的智能设备,其特征在于,
所述处理器,还用于确定至少两个量化步长;获取所述第二视频在所述至少两个量化步长下的码率与评测参数的第一映射关系;获取所述第三视频在所述至少两个量化步长下的码率与评测参数的第二映射关系。
13.如权利要求12所述的智能设备,其特征在于,
所述处理器,还用于根据所述第一映射关系和第二映射关系,生成所述第二视频和第三视频的关于码率与评测参数的关系曲线;根据生成的关系曲线得到所述第一视频和第三视频对应的关于码率与评测参数的对比曲线图。
14.一种计算机存储介质,其特征在于,该计算机存储介质中存储有程序指令,该程序指令被执行时,用于实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711071268.4A CN109756730B (zh) | 2017-11-03 | 2017-11-03 | 基于视频的评测处理方法、装置、智能设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711071268.4A CN109756730B (zh) | 2017-11-03 | 2017-11-03 | 基于视频的评测处理方法、装置、智能设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109756730A CN109756730A (zh) | 2019-05-14 |
CN109756730B true CN109756730B (zh) | 2021-07-27 |
Family
ID=66399384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711071268.4A Active CN109756730B (zh) | 2017-11-03 | 2017-11-03 | 基于视频的评测处理方法、装置、智能设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109756730B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446366A (zh) * | 2019-08-29 | 2021-03-05 | 北京搜狗科技发展有限公司 | 一种图像翻译评测方法、装置和用于图像翻译评测的装置 |
CN110751649B (zh) * | 2019-10-29 | 2021-11-02 | 腾讯科技(深圳)有限公司 | 视频质量评估方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101742355A (zh) * | 2009-12-24 | 2010-06-16 | 厦门大学 | 基于空时域特征提取的无线视频部分参考测评方法 |
CN102421007A (zh) * | 2011-11-28 | 2012-04-18 | 浙江大学 | 基于多尺度结构相似度加权综合的图像质量评价方法 |
CN102868907A (zh) * | 2012-09-29 | 2013-01-09 | 西北工业大学 | 部分参考视频质量客观评价方法 |
CN104661021A (zh) * | 2015-02-12 | 2015-05-27 | 国家电网公司 | 一种视频流的质量评估方法和装置 |
-
2017
- 2017-11-03 CN CN201711071268.4A patent/CN109756730B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101742355A (zh) * | 2009-12-24 | 2010-06-16 | 厦门大学 | 基于空时域特征提取的无线视频部分参考测评方法 |
CN102421007A (zh) * | 2011-11-28 | 2012-04-18 | 浙江大学 | 基于多尺度结构相似度加权综合的图像质量评价方法 |
CN102868907A (zh) * | 2012-09-29 | 2013-01-09 | 西北工业大学 | 部分参考视频质量客观评价方法 |
CN104661021A (zh) * | 2015-02-12 | 2015-05-27 | 国家电网公司 | 一种视频流的质量评估方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109756730A (zh) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111212279B (zh) | 一种视频质量的评估方法及装置 | |
CN106296669B (zh) | 一种图像质量评价方法和装置 | |
EP3703375A1 (en) | Three-dimensional model encoding device, three-dimensional model decoding device, three-dimensional model encoding method, and three-dimensional model decoding method | |
KR20210095953A (ko) | 비디오 데이터 프로세싱 방법 및 관련 디바이스 | |
CN106961603A (zh) | 帧内编码帧码率分配方法和装置 | |
US11259029B2 (en) | Method, device, apparatus for predicting video coding complexity and storage medium | |
KR102417732B1 (ko) | 적응형 멀티미디어 스트리밍의 품질 추정 | |
CN109756730B (zh) | 基于视频的评测处理方法、装置、智能设备及存储介质 | |
Zhou et al. | Reduced-reference stereoscopic image quality assessment based on view and disparity zero-watermarks | |
US11871017B2 (en) | Video data processing | |
CN112437301B (zh) | 一种面向视觉分析的码率控制方法、装置、存储介质及终端 | |
WO2018153161A1 (zh) | 一种视频质量评价方法及装置、设备、存储介质 | |
Rehman et al. | Perceptual experience of time-varying video quality | |
CN106713901B (zh) | 一种视频质量评价方法及装置 | |
Wang et al. | Inferring end-to-end latency in live videos | |
CN114125495A (zh) | 视频质量评估模型训练方法、视频质量评价方法和装置 | |
Keimel et al. | No-reference video quality evaluation for high-definition video | |
CN105592231B (zh) | 一种信号的处理方法、装置和设备 | |
EP2833639A1 (en) | Method and device for evaluating video quality | |
CN115174919B (zh) | 一种视频处理方法、装置、设备及介质 | |
CN114374841B (zh) | 视频编码码率控制的优化方法、装置及电子设备 | |
US10986337B2 (en) | Systems and methods for selective transmission of media content | |
KR20140101745A (ko) | 다수 아티팩트를 고려한 비디오 품질 측정 | |
US20190306500A1 (en) | Bit rate optimization system and method | |
CN110677728A (zh) | 播放视频的方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |