CN112333442B - 一种基于微服务架构的超高清内容技术质量评价方法 - Google Patents
一种基于微服务架构的超高清内容技术质量评价方法 Download PDFInfo
- Publication number
- CN112333442B CN112333442B CN202011209102.6A CN202011209102A CN112333442B CN 112333442 B CN112333442 B CN 112333442B CN 202011209102 A CN202011209102 A CN 202011209102A CN 112333442 B CN112333442 B CN 112333442B
- Authority
- CN
- China
- Prior art keywords
- technical quality
- quality evaluation
- service
- micro
- method based
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种基于微服务架构的超高清内容技术质量评价方法,将已有的超高清内容评价算法模型封装成图像技术质量评价服务;在微服务架构下采用分布式部署方式部署多个所述技术质量评价服务;根据计算资源保有量及检测任务情况,采用智能任务管理及智能服务调度的方法,利用多个技术质量评价服务同时工作完成单一检测样本的技术质量评价。
Description
技术领域
本发明涉及视频处理领域,具体涉及一种基于微服务架构的超高清内容技术质量评价方法。
背景技术
在超高清内容兴起的初期,有不少内容在技术质量上并没有达到真正的超高清。广播电视总局广播电视规划院联合一批科研单位,在评价方法和评价算法中进行了深入的研究,研究后形成了多个不同的算法库,一些科研单位提供了少量的设备及应用软件,但这些软件及设备存在如下一些问题:
(1)由于超高清内容的单帧图像质量分析耗时比较长,采用单一设备或者客户端软件分析会存在耗时太长的情况;
(2)检测的样本文件格式及编码格式比较多,科研单位研发的应用经常出现无法识别样本的情况;
(3)检测样本文件比较长的情况下,容易出现系统卡死等问题。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于微服务架构的超高清内容技术质量评价方法,利用微服架构及分布式计算等技术,利用多个科研单位的算法模型,创造一种快速稳定的超高清内容技术质量评价方法,并应有到系统软件中,提供一套超高清内容技术质量评价系统,供专业检测机构部署使用。
本发明的目的是通过以下技术方案来实现的:
一种基于微服务架构的超高清内容技术质量评价方法,包括:
1)将已有的超高清内容评价算法模型封装成图像技术质量评价服务;
2)在微服务架构下采用分布式部署方式部署多个所述技术质量评价服务;
3)根据计算资源保有量及检测任务情况,采用智能任务管理及智能服务调度的方法,利用多个技术质量评价服务同时工作完成单一检测样本的技术质量评价。
进一步的,所述算法模型满足:
(1)一次输入一帧或者连续多次输入连续的多帧;
(2) 对于通过单帧即可判别的指标,检测完该帧后立马返回检测结果;
(3)对于需要通过多帧联合判别的指标,在输入帧数足够之后再返回检测结果。
进一步的,所述1)中在进行封装时采用多线程将读文件、图像评分、检测结果拼接封装到不同线程中,并采用异步回调接收检测结果数据,避免过多等待时间。
进一步的,所述智能服务调度的方法是根据空闲技术质量评价服务的个数,排队的任务数计算出一个数值N,将待检测视频按时长平均拆分成N段,由于技术质量评价算法具有帧间相关性,视频编码序列中一般包含I帧(帧内编码帧)、P帧(前向预测编码帧)、B帧(双向预测内插编码帧),在相邻的分段间要采用一定的重复帧。
进一步的,所述重复帧的数量为max(m,n),m代表编码的gop长度,n代表算法里面的相关性帧数(例如,在计算第100帧的评价结果时,需要分析第50~150帧,这个时候n取值为50),在结果拼接的时候,要智能去掉重复帧部分。相关性帧数可能为0,也可能大于0,这个由算法本身决定。具体算法对于本评价方法来说是一个黑盒子,本评价方法只关心算法的输入输出及执行效率,不关心算法内部细节。
进一步的,所述智能任务管理包括:
实时检测和发现系统中存在的技术质量评价服务,以及这些技术质量评价服务的忙闲程度,方便进行任务分派;
各算法模型对分段要求,参数这些是不一样的,服务需要提供一种基于插件的管理方法,适配不同的算法。所述基于插件的管理方法是指:由服务提供一套通用的接口,每一种评价算法被封装成单独的dll,每个dll都要实现调度提供的通用接口;部署的时候,将各个dll放到调度指定的目录下,由服务统一加载运行;
在长任务分片的时候,要根据系统中可用的技术质量评价服务数量,检测样本的技术特点进行智能分段,对每个分段产生子任务;
实时管理和监测子任务的状态,并进行一些失败重试等,避免偶发错误引起任务失败。
进一步的,所述技术质量评价服务能够自动注册,具备无状态,不依赖本地数据,和调度之间需要松耦合。
进一步的,所述技术特点包括格式,编码结构。
本发明的有益效果是:和传统的单一算法模型相比,本方案将不同的算法模型封装在一个服务中,然后将视频文件进行分段,从而降低单个服务对象的视频长度,可有效避免系统卡死,采用分布式的多个技术质量评价服务进行同时识别,提升了识别效率,同时单个技术质量评价服务内包含多个算法模型也解决了传统算法模型单一无法应对检测的样本文件格式及编码格式比较多的问题,解决了传统算法对个别视频无法识别的问题。
具体实施方式
下面结合具体实施例进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
一种基于微服务架构的超高清内容技术质量评价方法,包括:
1)将已有的超高清内容评价算法模型封装成图像技术质量评价服务;
2)在微服务架构下采用分布式部署方式部署多个技术质量评价服务;
3)根据计算资源保有量及检测任务情况,采用智能任务管理及智能服务调度的方法,利用多个技术质量评价服务同时工作完成单一检测样本的技术质量评价。
可选的,一种基于微服务架构的超高清内容技术质量评价方法,算法模型可以拥有不同的的原理及实现方式,但应满足如下要求:
(1)一次输入一帧或者连续多次输入连续的多帧;
(2) 对于通过单帧即可判别的指标,检测完该帧后立马返回检测结果;
(3)对于需要通过多帧联合判别的指标,比如静帧检测,在输入帧数足够之后再返回检测结果。
可选的,一种基于微服务架构的超高清内容技术质量评价方法,1)中在进行封装时采用多线程将读文件、图像评分、检测结果拼接封装到不同线程中,并采用异步回调接收检测结果数据,避免过多等待时间。
可选的,一种基于微服务架构的超高清内容技术质量评价方法,智能服务调度的方法是根据空闲技术质量评价服务的个数,排队的任务数计算出一个数值N,将待检测视频按时长平均拆分成N段,由于技术质量评价算法具有帧间相关性,视频编码序列中一般包含I帧(帧内编码帧)、P帧(前向预测编码帧)、B帧(双向预测内插编码帧),在相邻的分段间要采用一定的重复帧。
可选的,一种基于微服务架构的超高清内容技术质量评价方法,重复帧的数量为max(m,n),m代表编码的gop长度,n代表算法里面的相关性帧数(例如,在计算第100帧的评价结果时,需要分析第50~150帧,这个时候n取值为50),在结果拼接的时候,要智能去掉重复帧部分。比如,序号为 M 的分段既要包含序号为 M-1 的分段中结尾处的一部分帧,也要包含序号为 M+1 的分段中开头处的一部分帧。
可选的,一种基于微服务架构的超高清内容技术质量评价方法,由于微服务本身应该具备无状态,不储存数据等特点,需要提供一个调度程序来完成服务和任务管理,其具体功能如下,智能任务管理包括:
实时检测和发现系统中存在的技术质量评价服务,以及这些技术质量评价服务的忙闲程度,方便进行任务分派;
各算法模型对分段要求,参数这些是不一样的,服务需要提供一种基于插件的管理方法,适配不同的算法。所述基于插件的管理方法是指:由服务提供一套通用的接口,每一种评价算法被封装成单独的dll,每个dll都要实现调度提供的通用接口;部署的时候,将各个dll放到调度指定的目录下,由服务统一加载运行;
在长任务分片的时候,要根据系统中可用的技术质量评价服务数量,检测样本的技术特点进行智能分段,对每个分段产生子任务;
实时管理和监测子任务的状态,并进行一些失败重试等,避免偶发错误引起任务失败。
可选的,一种基于微服务架构的超高清内容技术质量评价方法,技术质量评价服务能够自动注册,具备无状态,不依赖本地数据,和调度之间需要松耦合。
可选的,一种基于微服务架构的超高清内容技术质量评价方法,技术特点包括格式,编码结构。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (4)
1.一种基于微服务架构的超高清内容技术质量评价方法,其特征在于,包括:
1)将已有的超高清内容评价算法模型封装成图像技术质量评价服务;
2)在微服务架构下采用分布式部署方式部署多个所述技术质量评价服务;
3)根据计算资源保有量及检测任务情况,采用智能任务管理及智能服务调度的方法,利用多个技术质量评价服务同时工作完成单一检测样本的技术质量评价;
所述智能服务调度的方法是根据空闲技术质量评价服务的个数,排队的任务数计算出一个数值N,将待检测视频按时长平均拆分成N段,由于超高清内容评价算法具有帧间相关性,视频编码序列中一般包含I帧(帧内编码帧)、P帧(前向预测编码帧)、B帧(双向预测内插编码帧),在相邻的分段间要采用一定的重复帧;
所述算法模型满足:
(1)一次输入一帧或者连续多次输入连续的多帧;
(2)对于通过单帧即可判别的指标,检测完该帧后立马返回检测结果;
(3)对于需要通过多帧联合判别的指标,在输入帧数足够之后再返回检测结果;
所述1)中在进行封装时采用多线程将读文件、图像评分、检测结果拼接封装到不同线程中,并采用异步回调接收检测结果数据,避免过多等待时间;
所述重复帧的数量为max(m,n),m代表编码的gop长度,n代表算法里面的相关性帧数,在结果拼接的时候,要智能去掉重复帧部分。
2.根据权利要求1所述的一种基于微服务架构的超高清内容技术质量评价方法,其特征在于,所述智能任务管理包括:
实时检测和发现系统中存在的技术质量评价服务,以及这些技术质量评价服务的忙闲程度,方便进行任务分派;
各算法模型对分段要求,参数这些是不一样的,服务需要提供一种基于插件的管理方法,适配不同的算法;所述基于插件的管理方法是指:由服务提供一套通用的接口,每一种评价算法被封装成单独的dll,每个dll都要实现调度提供的通用接口;部署的时候,将各个dll放到调度指定的目录下,由服务统一加载运行;
在长任务分片的时候,要根据系统中可用的技术质量评价服务数量,检测样本的技术特点进行智能分段,对每个分段产生子任务;
实时管理和监测子任务的状态,并进行一些失败重试,避免偶发错误引起任务失败。
3.根据权利要求2所述的一种基于微服务架构的超高清内容技术质量评价方法,其特征在于,所述技术质量评价服务能够自动注册,具备无状态,不依赖本地数据,和调度之间需要松耦合。
4.根据权利要求3所述的一种基于微服务架构的超高清内容技术质量评价方法,其特征在于,所述技术特点包括格式,编码结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011209102.6A CN112333442B (zh) | 2020-11-03 | 2020-11-03 | 一种基于微服务架构的超高清内容技术质量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011209102.6A CN112333442B (zh) | 2020-11-03 | 2020-11-03 | 一种基于微服务架构的超高清内容技术质量评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112333442A CN112333442A (zh) | 2021-02-05 |
CN112333442B true CN112333442B (zh) | 2023-06-27 |
Family
ID=74322923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011209102.6A Active CN112333442B (zh) | 2020-11-03 | 2020-11-03 | 一种基于微服务架构的超高清内容技术质量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112333442B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104079925A (zh) * | 2014-07-03 | 2014-10-01 | 中国传媒大学 | 基于视觉感知特性的超高清视频图像质量客观评价方法 |
CN107454389A (zh) * | 2017-08-30 | 2017-12-08 | 苏州科达科技股份有限公司 | 待测系统的视频质量评价方法及系统 |
CN109447048A (zh) * | 2018-12-25 | 2019-03-08 | 苏州闪驰数控系统集成有限公司 | 一种人工智能预警系统 |
JP2019145974A (ja) * | 2018-02-20 | 2019-08-29 | 日本放送協会 | 超高精細映像に適した画質評価装置 |
CN110730342A (zh) * | 2019-11-06 | 2020-01-24 | 腾讯科技(深圳)有限公司 | 一种视频质量分析方法、装置、服务器及终端 |
CN111062439A (zh) * | 2019-12-17 | 2020-04-24 | 腾讯科技(深圳)有限公司 | 一种视频清晰度分类方法、装置、设备和存储介质 |
CN111182292A (zh) * | 2020-01-05 | 2020-05-19 | 西安电子科技大学 | 无参考视频质量评估方法、系统、视频接收器、智能终端 |
CN111241915A (zh) * | 2019-12-24 | 2020-06-05 | 北京中盾安全技术开发公司 | 一种基于微服务的多分析算法融合应用服务平台方法 |
CN111372073A (zh) * | 2018-12-26 | 2020-07-03 | 中国移动通信集团四川有限公司 | 视频质量的评价方法、装置、设备和介质 |
WO2020168205A1 (en) * | 2019-02-15 | 2020-08-20 | The Research Foundation For The State University Of New York | High resolution depth-encoding pet detector with prismatoid light guide array |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8983669B2 (en) * | 2012-07-31 | 2015-03-17 | Causam Energy, Inc. | System, method, and data packets for messaging for electric power grid elements over a secure internet protocol network |
US20170364537A1 (en) * | 2017-08-15 | 2017-12-21 | Secrom LLC | Image-aided data collection and retrieval |
-
2020
- 2020-11-03 CN CN202011209102.6A patent/CN112333442B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104079925A (zh) * | 2014-07-03 | 2014-10-01 | 中国传媒大学 | 基于视觉感知特性的超高清视频图像质量客观评价方法 |
CN107454389A (zh) * | 2017-08-30 | 2017-12-08 | 苏州科达科技股份有限公司 | 待测系统的视频质量评价方法及系统 |
JP2019145974A (ja) * | 2018-02-20 | 2019-08-29 | 日本放送協会 | 超高精細映像に適した画質評価装置 |
CN109447048A (zh) * | 2018-12-25 | 2019-03-08 | 苏州闪驰数控系统集成有限公司 | 一种人工智能预警系统 |
CN111372073A (zh) * | 2018-12-26 | 2020-07-03 | 中国移动通信集团四川有限公司 | 视频质量的评价方法、装置、设备和介质 |
WO2020168205A1 (en) * | 2019-02-15 | 2020-08-20 | The Research Foundation For The State University Of New York | High resolution depth-encoding pet detector with prismatoid light guide array |
CN110730342A (zh) * | 2019-11-06 | 2020-01-24 | 腾讯科技(深圳)有限公司 | 一种视频质量分析方法、装置、服务器及终端 |
CN111062439A (zh) * | 2019-12-17 | 2020-04-24 | 腾讯科技(深圳)有限公司 | 一种视频清晰度分类方法、装置、设备和存储介质 |
CN111241915A (zh) * | 2019-12-24 | 2020-06-05 | 北京中盾安全技术开发公司 | 一种基于微服务的多分析算法融合应用服务平台方法 |
CN111182292A (zh) * | 2020-01-05 | 2020-05-19 | 西安电子科技大学 | 无参考视频质量评估方法、系统、视频接收器、智能终端 |
Non-Patent Citations (1)
Title |
---|
"基于微服务架构下题库系统智能组卷算法应用的研究 "";周艺伟;《电脑知识与技术》;20200825;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112333442A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7503039B2 (en) | Preprocessor to improve the performance of message-passing-based parallel programs on virtualized multi-core processors | |
CN111400008B (zh) | 计算资源调度方法、装置及电子设备 | |
EP2210422B1 (en) | System and method for encoding video | |
US20120222043A1 (en) | Process Scheduling Using Scheduling Graph to Minimize Managed Elements | |
CN110505534B (zh) | 监控视频处理方法、装置及存储介质 | |
US9098350B2 (en) | Adaptive auto-pipelining for stream processing applications | |
CN111563014A (zh) | 接口服务性能测试方法、装置、设备和存储介质 | |
CN110750291A (zh) | 边缘设备算法更新方法、系统、设备及存储介质 | |
US20200192709A1 (en) | Analysis node, method for managing resources, and program recording medium | |
JP5095819B2 (ja) | 時間最適化されたエンコードのためのシステムおよび方法 | |
CN112333442B (zh) | 一种基于微服务架构的超高清内容技术质量评价方法 | |
CN114979225A (zh) | 基于视频分析的煤矿生产控制方法及装置 | |
US10957032B2 (en) | Flexible visual inspection model composition and model instance scheduling | |
CN112766470B (zh) | 特征数据处理方法、指令序列生成方法、装置及设备 | |
CN112749034B (zh) | 一种数据异常处理方法、装置、存储介质及电子设备 | |
CN1940886A (zh) | 概况分析系统及方法 | |
CN114189750A (zh) | 一种多格式文件的播放方法及相关装置 | |
US10885343B1 (en) | Repairing missing frames in recorded video with machine learning | |
CN117056073B (zh) | 一种工业视觉分析下的计算资源优化配置方法及装置 | |
US20200042354A1 (en) | Analysis node, method for managing resources, and program recording medium | |
CN118069467A (zh) | 基于机器学习的智能终端系统后台应用管理方法和装置 | |
CN116033145A (zh) | 一种面向雷达视频融合的性能测试系统及测试方法 | |
CN115562823A (zh) | 一种异构资源调度系统及方法 | |
CN116156209A (zh) | 直播流码率突变的检测方法、装置、存储介质及电子设备 | |
CN115909177A (zh) | 一种传送轧带的表面智能监测方法及系统 |
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 |