CN110933406A - 一种短视频配乐质量客观评价方法 - Google Patents

Abstract

本发明是一种短视频配乐质量客观评价方法，该方法包括以下步骤：(一)视频配乐全局匹配度计算；(二)视频配乐局部匹配度计算；(三)视频配乐质量计算。本发明的优点：从短视频与背景音乐节奏匹配度的角度出发，为短视频的配乐质量评价提供了一种客观的计算方法，可以取代传统的基于人工评价的主观评价方法。

Description

一种短视频配乐质量客观评价方法

技术领域

本发明涉及的是一种短视频配乐质量客观评价方法，属于计算机多媒体(图像和视频)信息处理技术领域。

背景技术

短视频一般指在互联网上传播的、时长在5分钟以内的视频短片。近年来，随着移动互联网技术的快速发展和大屏幕智能手机的普及，短视频行业异军突起。根据CNNIC(中国互联网络信息中心)2019年8月发布的《第44次中国互联网络发展状况统计报告》，截至2019年6月，我国短视频用户规模为6.48亿，占网民整体的75.8％。短视频并非长视频的碎片版，它是一个全新的产品。与传统视频相比，短视频具有总体时长短、观看场景多样化、创作门槛低、内容多样化等特点。

对于短视频而言，大部分短视频的节奏和情绪都是由背景音乐来带动的，为短视频添加背景音乐是短视频制作过程的重要环节，除了人工选取背景音乐的方式外，近年来也有一些自动配乐的方法提出。然而，音乐的选择是一件很主观的事情，如何评价所选取的背景音乐是否适合短视频，目前尚没有能够定量评价的方法。

综上所述，现有技术的不足包括：

1)短视频并非长视频的碎片化，而是一种全新的产品形式。传统的用于长视频视频质量的评价方法无法直接应用到短视频领域；

2)对视频配乐质量的评价多以主观评价方法为主，缺乏客观的评价标准。

发明内容

本发明提出的是一种短视频配乐质量客观评价方法，其目的旨在填补现有技术存在的上述空白，从短视频与背景音乐节奏匹配度的角度出发，来评价短视频配乐质量。

本发明的技术解决方案：一种短视频配乐质量客观评价方法，该方法包括以下步骤：

(一)视频配乐全局匹配度计算：

计算视频整体的运动程度与背景音乐的节奏的匹配关系，视频运动高则配乐节奏较快，视频运动缓慢甚至静止则配乐节奏较慢，视频的运动程度由视频时间复杂度表示，音乐节奏由音乐的全局节拍数表示；

(二)视频配乐局部匹配度计算：

局部匹配度是一种细粒度的度量方法，考察视频的运动程度在时间上的分布，与背景音乐能量在时间上的分布之间的匹配程度，匹配度越高则配乐质量较高，匹配度越差则配乐质量较差；

(三)视频配乐质量计算：

最终的配乐质量由视频配乐全局匹配度和局部匹配度加权和求得。

优选的，所述的(一)视频配乐全局匹配度计算，包括：

(1)视频时间复杂度：

不同的视频画面的运动程度不同，有的视频较平缓、有的运动剧烈，视频在视觉上表现出的运动程度即视频的时间复杂度，由视频的时域信息TI计算，对于输入视频V_i，时间复杂度TI_i计算步骤如下：

①提取视频中的相邻两帧I_n和I_n-1，

②计算输入帧的灰度图：

I_g(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)，其中R(x,y)、G(x,y)、B(x,y)分别为输入图像对应像素的三个色度分量值，

③计算两帧图像对应的灰度图之间的差值：M_n(i,j)＝I_n,g(i,j)-I_n-1,g(i,j)，其中i，j为对应的像素位置，

④计算差值图M_n的标准差：

其中H、W为图像高度和宽度，

为差值图M_n像素值的均值：

⑤整个视频的时间复杂度为：

其中N为视频的总帧数；

(2)音乐节拍检测：

音乐节拍是乐曲中音符强弱规律的组织形式，节拍表征音乐的平均速度，单位是BPM每分钟节拍数，音乐节拍检测在数学上形式化为优化一个递归可计算的损失函数，该损失函数定义为：

其中{t_i}表示在一段音乐中由算法检测到的N个节拍起始的瞬时时刻，O(t_i)是音乐的音符强度包络，τ_p表示检测到的全局节拍间隔，F(t_i-t_i-1,τ_p)表示前后相邻两个节拍的时刻间隔与τ_p的一致性，α用于控制前后两项的权重，

通过递归的优化上面的损失函数求解音乐的节拍，或用音频处理库LibROSA实现，其中的对应模块为librosa.beat.beat_track；

(3)视频配乐全局匹配度：

全局匹配度由归一化后的视频复杂度和音乐节奏之间的距离表示，步骤如下：

①视频复杂度归一化:

视频的时间复杂度的范围为[5,40]，对输入视频V，其时间复杂度为TI，归一化操作即把TI归一化到[5,40]区间，具体计算公式为：

②背景音乐节奏归一化:

背景音乐的节拍范围为[75,190]BPM，对输入视频V，其配乐的全局节拍为B，归一化操作即把B归一化到[75,190]区间，具体计算公式为：

③全局匹配度计算:

短视频与配乐的全局匹配度Q_global的计算：Q_global＝|TI_norm-B_norm|。

优选的，所述的(二)视频配乐局部匹配度计算，包括

(1)视频场景切换检测：

视频中的一个场景即一个镜头，指一系列时序上连续的视频帧，视频场景切换检测的任务是给定一个输入视频，检测出其中的所有场景，并且标注出每个场景的起始帧和终止帧，场景检测步骤如下：

①基于像素的场景切换检测：

基于像素的场景检测方法依赖相邻两帧对应位置的像素的差值，在计算两帧像素的差值之前，先对视频的每一帧做一个平滑操作，以上基于视频帧的灰度分量进行，把视频中的一帧图像记为I，其灰度图记为I_g，平滑之后的图像记为I_c，

基于像素的场景切换检测步骤为：

1)提取视频中的相邻两帧I₁和I₂，

2)计算输入帧的灰度图：

I_g(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)，其中R(x,y)、G(x,y)、B(x,y)分别为输入图像对应像素的三个色度分量值，

3)对灰度图进行平滑滤波操作：

即对输入图像划分为8x8的块的操作，

4)计算相邻两帧的图像像素差值距离：

②基于直方图的场景切换检测：

基于直方图的场景切换检测方法，首先计算相邻视频帧的灰度直方图，用一个量化的直方图表示每帧图像，然后计算两个直方图向量的距离，选用χ²距离来度量两个直方图向量之间的距离，

基于直方图的场景切换检测步骤如下：

1)提取视频中的相邻两帧I₁和I₂，

2)计算输入帧的灰度图：

Ig(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)，其中R(x,y)、G(x,y)、B(x,y)分别为输入图像对应像素的三个色度分量值，

3)计算灰度图的颜色直方图，直方图共划分64的灰度区间，把[0,255]区间均匀分为64份，每个区间包含4个连续的灰度值，颜色图像I₁的颜色直方图记为H₁＝(h_o,h₁,...,h₆₃)，

4)计算两帧图像基于直方图的距离：，

③基于像素和基于直方图相结合的场景切换检测：

判别标准如下所示：

其中θ_hist和θ_pixel分别为直方图检测和像素检测的阈值，阈值的选取由试验中尝试获取；

(2)视频切片：

为精细化计算视频相关信息，对视频进行分片操作，输入短视频V，首先对输入视频进行场景切换检测，将输入视频分为一系列独立场景的片段，每个场景片段的时长不固定，对每个场景片段进一步切分，场景片段切分的时间单位为2s，对于时长小于2s的片段无需处理，对于时长大于2s的场景片段则每2s切分为一个新的视频片段，对于最后一个片段，如果时长在[1s,2s)之间，则作为一个新的片段，如果时长在(0,1s)之间，则合并到已切分的最后一个片段上，对于一个时长大于2s的场景片段，最终切分为N个片段，则前N-1个片段的时长均为2s，第N个片段的时长范围为[1,3)s；

(3)音乐能量分布计算：

对于输入视频V，假设切分为L片，记为P₁～P_L，视频的背景音乐相应的切分为L个片段，在时域中计算每个音乐片段P的均方根能量E_i:

整段音乐的能量分布为D_a＝(d_a1,d_a2,...,d_aL)，

其中

(4)视频时间复杂度分布：

对于输入视频V，假设切分为L片，记为P₁～P_L，对于每个视频分片P_i计算其时间复杂度的值TI_i，整段视频的时间复杂度分布为D_v＝(d_v1,d_v2,...,d_vL)，其中

(5)视频配乐局部匹配度：

局部匹配度用于计算视频时间复杂度分布D_v和音乐能量分布D_a之间的匹配度，使用D和D之间的Kullback-Leibler即KL距离来度量局部匹配度Q_local：

优选的，所述的(三)视频配乐质量计算：最终的配乐质量由视频配乐全局匹配度和局部匹配度加权和求得：Q＝βQ_local+(1-βQ_global)，其中β可调参数，控制两部分的权重，默认值β＝0.5。

本发明的优点：从短视频与背景音乐节奏匹配度的角度出发，为短视频的配乐质量评价提供了一种客观的计算方法，可以取代传统的基于人工评价的主观评价方法。

附图说明

图1是本发明短视频配乐质量客观评价方法的流程图。

图2是视频切片一种实施例的示意图。

具体实施方式

下面结合实施例和具体实施方式对本发明作进一步详细的说明。

实施例

如图1所示，一种短视频配乐质量客观评价方法，该方法包括以下步骤：

(一)视频配乐全局匹配度计算：

即计算视频整体的运动程度与背景音乐的节奏的匹配关系。核心思想是，如果视频运动高，那么配乐节奏也应该较快；如果视频运动缓慢，甚至静止，那么配乐节奏也应相对较慢。视频的运动程度由视频时间复杂度表示，音乐节奏由音乐的全局节拍数表示。

(二)视频配乐局部匹配度计算：

局部匹配度是一种细粒度的度量方法。考察的是视频的运动程度在时间上的分布，与背景音乐能量在时间上的分布之间的匹配程度，匹配度越高，则说明配乐质量较高，匹配度越差，则配乐质量较差。

(三)视频配乐质量计算：

最终的配乐质量由视频配乐全局匹配度和局部匹配度加权和求得。

所述的(一)视频配乐全局匹配度计算，包括：

(1)视频时间复杂度：

不同的视频画面的运动程度是不同的，有的视频较为平缓，有的运动剧烈，视频在视觉上表现出的运动程度称为视频的时间复杂度，由视频的时域信息(temporalinformation，TI)计算。对于输入视频V_i，时间复杂度TI_i计算步骤如下：

①提取视频中的相邻两帧I_n和I_n-1；

②计算输入帧的灰度图：I_g(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)，其中R(x,y)、G(x,y)、B(x,y)分别为输入图像对应像素的三个色度分量值；

③计算两帧图像对应的灰度图之间的差值：M_n(i,j)＝I_n，g(i,j)-I_n-1，g(i,j)，其中i，j为对应的像素位置；

④计算差值图M_n的标准差：

其中H、W为图像高度和宽度，

为差值图M_n像素值的均值：

⑤整个视频的时间复杂度为

其中N为视频的总帧数。

(2)音乐节拍检测：

音乐节拍是乐曲中音符强弱规律的组织形式，节拍表征音乐的平均速度，单位是BPM(beats per minute，每分钟节拍数)。在数学上，音乐节拍检测可以形式化为优化一个递归可计算的损失函数，该损失函数定义为：

其中{t_i}表示在一段音乐中由算法检测到的N个节拍起始的瞬时时刻，O(t_i)是音乐的音符强度包络，τ_p表示检测到的全局节拍间隔，F(t_i-t_i-1,τ_p)表示前后相邻两个节拍的时刻间隔与τ_p的一致性，α用来控制前后两项的权重，

在实际中，可以通过递归的优化上面的损失函数来求解音乐的节拍，也可以用音频处理库LibROSA来实现，其中的对应模块为librosa.beat.beat_track。

(3)视频配乐全局匹配度：

全局匹配度由归一化后的视频复杂度和音乐节奏之间的距离表示，步骤如下：

①视频复杂度归一化:

经过对不同类型视频的大量分析，视频的时间复杂度的范围为[5,40]，对输入视频V，其时间复杂度为TI，归一化操作就是要把TI归一化到[5,40]区间，具体计算公式为：

②背景音乐节奏归一化:

经过对不同类型视频的大量分析，背景音乐的节拍范围为[75,190]BPM，对输入视频V，其配乐的全局节拍为B，归一化操作就是要把B归一化到[75,190]区间，具体计算公式为：

③全局匹配度计算:

短视频与配乐的全局匹配度Q_global的计算：Q_global＝|TI_norm-B_norm|。

所述的(二)视频配乐局部匹配度计算，包括

(1)视频场景切换检测：

视频中的一个场景也称为一个镜头，是指一系列时序上连续的视频帧。视频场景切换检测的任务是，给定一个输入视频，检测出其中的所有场景，并且标注出每个场景的起始帧和终止帧。场景检测可以由多种方法实现，本实施例使用一种基于像素和基于直方图相结合的方式，步骤如下：

①基于像素的场景切换检测：

基于像素的场景检测方法依赖相邻两帧对应位置的像素的差值，该方法对于物体运动和摄像机的抖动比较敏感，因此，在计算两帧像素的差值之前，先对视频的每一帧做一个平滑操作。所有这些都是基于视频帧的灰度分量进行的。我们把视频中的一帧图像记为I，其灰度图记为I_g，平滑之后的图像记为I_c，

基于像素的场景切换检测步骤为：

1)提取视频中的相邻两帧I₁和I₂，

2)计算输入帧的灰度图：

I_g(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)，其中R(x,y)、G(x,y)、B(x,y)分别为输入图像对应像素的三个色度分量值，

3)对灰度图进行平滑滤波操作

平滑滤波操作实际上是对输入图像划分为8x8的块的操作，

4)计算相邻两帧的图像像素差值距离：

②基于直方图的场景切换检测：

基于直方图的场景切换检测方法，首先计算相邻视频帧的灰度直方图，用一个量化的直方图表示每帧图像，然后计算两个直方图向量的距离，本实施例中选用χ²距离来度量两个直方图向量之间的距离，

基于直方图的场景切换检测步骤如下：

1)提取视频中的相邻两帧I₁和I₂，

2)计算输入帧的灰度图：

Ig(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)，其中R(x,y)、G(x,y)、B(x,y)分别为输入图像对应像素的三个色度分量值，

3)计算灰度图的颜色直方图，直方图共划分64的灰度区间，把[0,255]区间均匀分为64份，每个区间包含4个连续的灰度值，颜色图像I₁的颜色直方图记为H₁＝(h_o,h₁,...,h₆₃)；

4)计算两帧图像基于直方图的距离：

③基于像素和基于直方图相结合的场景切换检测：

基于像素的场景切换检测对于视频中的快速目标运动和摄像机的快速移动都比较敏感，而直方图的方式则对亮度变化比较敏感，因此，采用两者相结合的方式能产生较为鲁棒的检测效果，判别标准如下所示：

其中θ_hist和θ_pixel分别为直方图检测和像素检测的阈值，阈值的选取由试验中尝试获取。

(2)视频切片：

为了精细化计算视频相关信息，需要对视频进行分片操作。如图2所示，输入短视频V，首先对输入视频进行场景切换检测，将输入视频分为一系列独立场景的片段。在图中，输入视频V经过场景切换检测识别出3个场景，分别记为S₁、S₂和S₃。由于每个场景片段的时长并不固定，有的场景片段的长度可能会持续几十秒以上，因此，需要对每个场景片段进一步切分。场景片段切分的时间单位为2s。对于时长小于2s的片段则无需处理；对于时长大于2s的场景片段，则每2s切分为一个新的视频片段，对于最后一个片段，如果时长在[1s,2s)之间，则作为一个新的片段，如果时长在(0,1s)之间，则合并到已切分的最后一个片段上。对于一个时长大于2s的场景片段，最终切分为N个片段，则前N-1个片段的时长均为2s，第N个片段的时长范围为[1,3)s。图2中，输入视频V最终被切分为7个视频片段：P₁～P₇。

(3)音乐能量分布计算：

对于输入视频V，假设可以切分为L片，记为P₁～P_L，视频的背景音乐也相应的切分为L个片段，在时域中计算每个音乐片段P的均方根能量E_i:

整段音乐的能量分布为D_a＝(d_a1,d_a2,...,d_aL)，

其中

(4)视频时间复杂度分布：

对于输入视频V，假设可以切分为L片，记为P₁～P_L，对于每个视频分片P_i计算其时间复杂度的值TI_i，整段视频的时间复杂度分布为D_v＝(d_v1,d_v2,...,d_vL)，其中

(5)视频配乐局部匹配度：

局部匹配度用来计算视频时间复杂度分布D_v和音乐能量分布D_a之间的匹配度，我们使用D_v和D_a之间的Kullback-Leibler距离(简称KL距离)来度量局部匹配度Q_local：

所述的(三)视频配乐质量计算：

最终的配乐质量由视频配乐全局匹配度和局部匹配度加权和求得：Q＝βQ_local+(1-βQ_global)，

其中β可调参数，控制两部分的权重，默认值β＝0.5。

以上所述各部件均为现有技术，本领域技术人员可使用任意可实现其对应功能的型号和现有设计。

以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (4)

1.一种短视频配乐质量客观评价方法，其特征是该方法包括以下步骤：

(一)视频配乐全局匹配度计算：

计算视频整体的运动程度与背景音乐的节奏的匹配关系，视频运动高则配乐节奏较快，视频运动缓慢甚至静止则配乐节奏较慢，视频的运动程度由视频时间复杂度表示，音乐节奏由音乐的全局节拍数表示；

(二)视频配乐局部匹配度计算：

局部匹配度是一种细粒度的度量方法，考察视频的运动程度在时间上的分布，与背景音乐能量在时间上的分布之间的匹配程度，匹配度越高则配乐质量较高，匹配度越差则配乐质量较差；

(三)视频配乐质量计算：

最终的配乐质量由视频配乐全局匹配度和局部匹配度加权和求得。

2.如权利要求1所述的一种短视频配乐质量客观评价方法，其特征是所述的(一)视频配乐全局匹配度计算，包括：

(1)视频时间复杂度：

不同的视频画面的运动程度不同，有的视频较平缓、有的运动剧烈，视频在视觉上表现出的运动程度即视频的时间复杂度，由视频的时域信息TI计算，对于输入视频V_i，时间复杂度TI_i计算步骤如下：

①提取视频中的相邻两帧I_n和I_n-1，

②计算输入帧的灰度图：

I_g(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)，其中R(x,y)、G(x,y)、B(x,y)分别为输入图像对应像素的三个色度分量值，

③计算两帧图像对应的灰度图之间的差值：M_n(i,j)＝I_n,g(i,j)-I_n-1,g(i,j)，其中i，j为对应的像素位置，

④计算差值图M_n的标准差：

其中H、W为图像高度和宽度，

为差值图M_n像素值的均值：

⑤整个视频的时间复杂度为：

其中N为视频的总帧数；

(2)音乐节拍检测：

音乐节拍是乐曲中音符强弱规律的组织形式，节拍表征音乐的平均速度，单位是BPM每分钟节拍数，音乐节拍检测在数学上形式化为优化一个递归可计算的损失函数，该损失函数定义为：

其中{t_i}表示在一段音乐中由算法检测到的N个节拍起始的瞬时时刻，O(t_i)是音乐的音符强度包络，τ_p表示检测到的全局节拍间隔，F(t_i-t_i-1,τ_p)表示前后相邻两个节拍的时刻间隔与τ_p的一致性，α用于控制前后两项的权重，

通过递归的优化上面的损失函数求解音乐的节拍，或用音频处理库LibROSA实现，其中的对应模块为librosa.beat.beat_track；

(3)视频配乐全局匹配度：

全局匹配度由归一化后的视频复杂度和音乐节奏之间的距离表示，步骤如下：

①视频复杂度归一化:

视频的时间复杂度的范围为[5,40]，对输入视频V，其时间复杂度为TI，归一化操作即把TI归一化到[5,40]区间，具体计算公式为：

②背景音乐节奏归一化:

背景音乐的节拍范围为[75,190]BPM，对输入视频V，其配乐的全局节拍为B，归一化操作即把B归一化到[75,190]区间，具体计算公式为：

③全局匹配度计算:

短视频与配乐的全局匹配度Q_global的计算：Q_global＝|TI_norm-B_norm|。

3.如权利要求2所述的一种短视频配乐质量客观评价方法，其特征是所述的(二)视频配乐局部匹配度计算，包括

(1)视频场景切换检测：

视频中的一个场景即一个镜头，指一系列时序上连续的视频帧，视频场景切换检测的任务是给定一个输入视频，检测出其中的所有场景，并且标注出每个场景的起始帧和终止帧，场景检测步骤如下：

①基于像素的场景切换检测：

基于像素的场景检测方法依赖相邻两帧对应位置的像素的差值，在计算两帧像素的差值之前，先对视频的每一帧做一个平滑操作，以上基于视频帧的灰度分量进行，把视频中的一帧图像记为I，其灰度图记为I_g，平滑之后的图像记为I_c，

基于像素的场景切换检测步骤为：

1)提取视频中的相邻两帧I₁和I₂，

2)计算输入帧的灰度图：

I_g(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)，其中R(x,y)、G(x,y)、B(x,y)分别为输入图像对应像素的三个色度分量值，

3)对灰度图进行平滑滤波操作：

即对输入图像划分为8x8的块的操作，

4)计算相邻两帧的图像像素差值距离：

②基于直方图的场景切换检测：

基于直方图的场景切换检测方法，首先计算相邻视频帧的灰度直方图，用一个量化的直方图表示每帧图像，然后计算两个直方图向量的距离，选用χ²距离来度量两个直方图向量之间的距离，

基于直方图的场景切换检测步骤如下：

1)提取视频中的相邻两帧I₁和I₂，

2)计算输入帧的灰度图：

Ig(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)，其中R(x,y)、G(x,y)、B(x,y)分别为输入图像对应像素的三个色度分量值，

3)计算灰度图的颜色直方图，直方图共划分64的灰度区间，把[0,255]区间均匀分为64份，每个区间包含4个连续的灰度值，颜色图像I₁的颜色直方图记为H₁＝(h_o,h₁,...,h₆₃)，

4)计算两帧图像基于直方图的距离：

③基于像素和基于直方图相结合的场景切换检测：

判别标准如下所示：

其中θ_hist和θ_pixel分别为直方图检测和像素检测的阈值，阈值的选取由试验中尝试获取；

(2)视频切片：

为精细化计算视频相关信息，对视频进行分片操作，输入短视频V，首先对输入视频进行场景切换检测，将输入视频分为一系列独立场景的片段，每个场景片段的时长不固定，对每个场景片段进一步切分，场景片段切分的时间单位为2s，对于时长小于2s的片段无需处理，对于时长大于2s的场景片段则每2s切分为一个新的视频片段，对于最后一个片段，如果时长在[1s,2s)之间，则作为一个新的片段，如果时长在(0,1s)之间，则合并到已切分的最后一个片段上，对于一个时长大于2s的场景片段，最终切分为N个片段，则前N-1个片段的时长均为2s，第N个片段的时长范围为[1,3)s；

(3)音乐能量分布计算：

对于输入视频V，假设切分为L片，记为P₁～P_L，视频的背景音乐相应的切分为L个片段，在时域中计算每个音乐片段P_i的均方根能量E_i:

整段音乐的能量分布为D_a＝(d_a1,d_a2,...,d_aL)，

其中

(4)视频时间复杂度分布：

对于输入视频V，假设切分为L片，记为P₁～P_L，对于每个视频分片P_i计算其时间复杂度的值TI_i，整段视频的时间复杂度分布为D_v＝(d_v1,d_v2,...,d_vL)，其中

(5)视频配乐局部匹配度：

局部匹配度用于计算视频时间复杂度分布D_v和音乐能量分布D_a之间的匹配度，使用D_v和D_a之间的Kul lback-Leibler即KL距离来度量局部匹配度Q_local：

4.如权利要求3所述的一种短视频配乐质量客观评价方法，其特征是所述的(三)视频配乐质量计算：最终的配乐质量由视频配乐全局匹配度和局部匹配度加权和求得：Q＝βQ_local+(1-βQ_global)，其中β可调参数，控制两部分的权重，默认值β＝0.5。

Images