CN112346968B - 一种多媒体文件清晰度的自动化检测方法及装置 - Google Patents
一种多媒体文件清晰度的自动化检测方法及装置 Download PDFInfo
- Publication number
- CN112346968B CN112346968B CN202011125343.2A CN202011125343A CN112346968B CN 112346968 B CN112346968 B CN 112346968B CN 202011125343 A CN202011125343 A CN 202011125343A CN 112346968 B CN112346968 B CN 112346968B
- Authority
- CN
- China
- Prior art keywords
- definition
- multimedia
- multimedia file
- application program
- multimedia application
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 238000012360 testing method Methods 0.000 claims abstract description 187
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000000694 effects Effects 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 34
- 238000009434 installation Methods 0.000 claims description 22
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000003796 beauty Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000015115 caffè latte Nutrition 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Stored Programmes (AREA)
- Debugging And Monitoring (AREA)
Abstract
本公开涉及计算机技术,特别涉及一种多媒体文件清晰度的自动化检测方法及装置,用于准确测试多媒体文件的清晰度,该方法为:基于测试指令自动启动第一多媒体应用程序并生成第一多媒体文件后,基于清晰度检测模型,确定第一多媒体文件的清晰度;再对第一多媒体文件的清晰度和清晰度参考值进行比较,确定第一多媒体应用程序的测试结果,其中,清晰度参考值包括第一多媒体文件的应用场景类型对应的清晰度阈值,或者,第二多媒体应用程序拍摄的第二多媒体文件的清晰度;这样,无需人为主观判断,以及无需使用固定且单一的参考源,便可以准确地测试出多媒体文件的清晰度,有效降低了测试方案的执行复杂度,也保证了测试结果的客观、准确性。
Description
技术领域
本公开涉及计算机技术领域,特别涉及一种多媒体文件清晰度的自动化检测方法及装置。
背景技术
随着短视频作为一种新型内容传播方式的快速发展,当用户在各短视频平台上利用各种特效和道具记录生活、传递情感时,产生了大量用户原创内容(User GeneratedContent,UGC)。衡量多媒体文件图像质量好坏的关键为图像清晰度,平台在提供给用户各种特效和道具带来的实用性和趣味性的同时,更需要保障多媒体文件的图像质量。因此需要一种多媒体文件清晰度的自动化检测方法及装置,用于保障图像质量。
发明内容
本公开实施例中,提供了一种多媒体文件清晰度的自动化检测方法及装置,用于解决已有技术下,多媒体文件清晰度的测试方案的执行复杂度高,应用范围有限的问题。
本公开实施例提供的具体技术方案如下:
第一方面,一种多媒体文件清晰度的自动化测试方法,包括:
基于测试指令自动启动第一多媒体应用程序,其中,所述测试指令为启动所述第一多媒体应用程序的指令;
获取第一多媒体文件,所述第一多媒体文件是基于所述第一多媒体应用程序生成的;
基于清晰度检测模型确定所述第一多媒体文件的清晰度;
基于所述第一多媒体文件的清晰度和清晰度参考值确定所述第一多媒体应用程序的测试结果,其中,所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,或者,第二多媒体应用程序拍摄的第二多媒体文件的清晰度。
可选的,所述测试指令中包括测试类型,所述测试类型包括:测试所述第一多媒体应用程序的清晰度,或者,测试所述第一多媒体应用程序与所述第二多媒体应用程序的清晰度对比,其中,所述第二多媒体应用程序包括所述第一多媒体应用程序的其他版本,或者,包括与所述第一多媒体应用程序类型相同的其他应用程序。
可选的,基于测试指令自动启动第一多媒体应用程序,包括:
基于测试指令获取第一多媒体应用程序的安装包;
基于所述安装包安装所述第一多媒体应用程序;
初始化配置所述第一多媒体应用程序。
可选的,基于清晰度检测模型确定所述第一多媒体文件的清晰度,包括:
基于清晰度检测模型检测所述第一多媒体文件的模糊度,所述模糊度的取值范围为[0,1];
基于所述第一多媒体文件的模糊度确定所述清晰度,其中,所述模糊度的取值越大,则基于所述模糊度确定的相应的清晰度的取值越小。
可选的,基于所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,所述方法进一步包括:
识别所述第一多媒体文件的应用场景类型;
基于所述应用场景类型,获取对应所述应用场景类型的清晰度阈值。
可选的,基于所述第一多媒体文件的清晰度和所述清晰度参考值确定所述第一多媒体应用程序的测试结果,包括:
将所述第一多媒体文件的清晰度与所述清晰度阈值进行比较;
基于所述第一多媒体文件的清晰度不小于所述清晰度阈值,所述测试结果为所述第一多媒体应用程序满足所述应用场景类型对应的测试需求;
基于所述第一多媒体文件的清晰度小于所述清晰度阈值,所述测试结果为所述第一多媒体应用程序不满足所述应用场景类型对应的测试需求。
可选的,基于所述清晰度参考值为第二多媒体应用程序拍摄的第二多媒体文件的清晰度,所述方法进一步包括:
基于所述清晰度模型获取所述第二多媒体应用程序拍摄的第二多媒体文件的清晰度。
可选的,基于所述第一多媒体文件的清晰度和所述清晰度参考值确定所述第一多媒体应用程序的测试结果,包括:
将所述第一多媒体文件的清晰度与所述第二多媒体文件的清晰度进行比较;
基于所述第一多媒体文件的清晰度大于所述第二多媒体文件的清晰度,所述测试结果包括所述第一多媒体应用程序的拍摄效果优于所述第二多媒体应用程序的拍摄效果;
基于所述第一多媒体文件的清晰度等于所述第二多媒体文件的清晰度,所述测试结果包括所述第一多媒体应用程序的拍摄效果与所述第二多媒体应用程序的拍摄效果相同;
基于所述第一多媒体文件的清晰度小于所述第二多媒体文件的清晰度,所述测试结果包括所述第一多媒体应用程序的拍摄效果劣于所述第二多媒体应用程序的拍摄效果。
第二方面,一种多媒体文件清晰度的自动化测试装置,包括:
启动单元,用于基于测试指令自动启动第一多媒体应用程序,其中,所述测试指令为启动所述第一多媒体应用程序的指令;
获取单元,用于获取第一多媒体文件,所述第一多媒体文件是基于所述第一多媒体应用程序生成的;
第一处理单元,用于基于清晰度检测模型确定所述第一多媒体文件的清晰度;
第二处理单元,用于基于所述第一多媒体文件的清晰度和清晰度参考值确定所述第一多媒体应用程序的测试结果,其中,所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,或者,第二多媒体应用程序拍摄的第二多媒体文件的清晰度。
可选的,所述测试指令中包括测试类型,所述测试类型包括:测试所述第一多媒体应用程序的清晰度,或者,测试所述第一多媒体应用程序与所述第二多媒体应用程序的清晰度对比,其中,所述第二多媒体应用程序包括所述第一多媒体应用程序的其他版本,或者,包括与所述第一多媒体应用程序类型相同的其他应用程序。
可选的,基于测试指令自动启动第一多媒体应用程序,所述启动单元用于:
基于测试指令获取第一多媒体应用程序的安装包;
基于所述安装包安装所述第一多媒体应用程序;
初始化配置所述第一多媒体应用程序。
可选的,基于清晰度检测模型确定所述第一多媒体文件的清晰度,所述第一处理单元用于:
基于清晰度检测模型检测所述第一多媒体文件的模糊度,所述模糊度的取值范围为[0,1];
基于所述第一多媒体文件的模糊度确定所述清晰度,其中,所述模糊度的取值越大,则基于所述模糊度确定的相应的清晰度的取值越小。
可选的,基于所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,所述第二处理单元进一步用于:
识别所述第一多媒体文件的应用场景类型;
基于所述应用场景类型,获取对应所述应用场景类型的清晰度阈值。
可选的,基于所述第一多媒体文件的清晰度和所述清晰度参考值确定所述第一多媒体应用程序的测试结果,所述第二处理单元用于:
将所述第一多媒体文件的清晰度与所述清晰度阈值进行比较;
基于所述第一多媒体文件的清晰度不小于所述清晰度阈值,所述测试结果为所述第一多媒体应用程序满足所述应用场景类型对应的测试需求;
基于所述第一多媒体文件的清晰度小于所述清晰度阈值,所述测试结果为所述第一多媒体应用程序不满足所述应用场景类型对应的测试需求。
可选的,基于所述清晰度参考值为第二多媒体应用程序拍摄的第二多媒体文件的清晰度,所述第二处理单元进一步用于:
基于所述清晰度模型获取所述第二多媒体应用程序拍摄的第二多媒体文件的清晰度。
可选的,基于所述第一多媒体文件的清晰度和所述清晰度参考值确定所述第一多媒体应用程序的测试结果,所述第二处理单元用于:
将所述第一多媒体文件的清晰度与所述第二多媒体文件的清晰度进行比较;
基于所述第一多媒体文件的清晰度大于所述第二多媒体文件的清晰度,所述测试结果包括所述第一多媒体应用程序的拍摄效果优于所述第二多媒体应用程序的拍摄效果;
基于所述第一多媒体文件的清晰度等于所述第二多媒体文件的清晰度,所述测试结果包括所述第一多媒体应用程序的拍摄效果与所述第二多媒体应用程序的拍摄效果相同;
基于所述第一多媒体文件的清晰度小于所述第二多媒体文件的清晰度,所述测试结果包括所述第一多媒体应用程序的拍摄效果劣于所述第二多媒体应用程序的拍摄效果。
第三方面,一种计算机设备,包括:
存储器,用于存储可执行指令;
处理器,用于读取并执行所述存储器中存储的可执行指令,以实现上述第一方面中任一项所述的方法。
第四方面,一种计算机可读存储介质,当所述计算机可读存储介质中的指令由处理器执行时,使得所述处理器能够执行如上述第一方面中任一项所述的方法。
第五方面,一种计算机程序产品,包含可执行指令,当所述计算机程序产品的可执行指令由处理器执行时,能够实现上述第一方面中任一项所述的方法。
本公开实施例中,基于测试指令自动启动第一多媒体应用程序,并生成第一多媒体文件,基于清晰度检测模型,确定所述第一多媒体文件的清晰度;再基于所述第一多媒体文件的清晰度和清晰度参考值确定所述第一多媒体应用程序的测试结果,其中,所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,或者,第二多媒体应用程序拍摄的第二多媒体文件的清晰度,这样,无需人为主观判断,以及无需使用固定且单一的参考源,便可以准确地测试出多媒体文件的清晰度,进一步地,还可以测试出两个多媒体应用程序的拍摄效果的优劣,有效降低了测试方案的执行复杂度,使应用范围变得更为广泛,同时也保证了测试结果的客观、准确性。
附图说明
图1为本公开实施例中多媒体文件清晰度的自动化检测的流程示意图;
图2为本公开实施例中多媒体文件清晰度的自动化检测的第一种应用流程示意图;
图3为本公开实施例中多媒体文件清晰度的自动化检测的第二种应用流程示意图;
图4为本公开实施例中计算机设备逻辑架构示意图;
图5为本公开实施例中计算机设备实体架构示意图。
具体实施方式
为了降低已有技术下,检测多媒体文件清晰度的解决方案的执行复杂度,扩大应用范围。本公开实施中,基于测试指令自动启动第一多媒体应用程序并生成第一多媒体文件后,基于清晰度检测模型,确定所述第一多媒体文件的清晰度;再对所述第一多媒体文件的清晰度和清晰度参考值进行比较,确定所述第一多媒体应用程序的测试结果,其中,所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,或者,第二多媒体应用程序拍摄的第二多媒体文件的清晰度。
下面结合附图对本公开优选的实施方式做出进一步详细说明。
参阅图1所示,本公开实施例中,对多媒体文件清晰度进行自动化测试的详细流程如下:
步骤100:基于测试指令自动启动第一多媒体应用程序,其中,所述测试指令为启动所述第一多媒体应用程序的指令。
具体实施中,所述测试指令中包括测试类型,所述测试类型包括但不限于以下两种情况:
情况1:测试第一多媒体应用程序的清晰度。
例如:假设第一多媒体应用程序为“拍一拍”。
那么,接收的测试指令中的测试类型可以为:测试“拍一拍”的清晰度。
情况2:测试所述第一多媒体应用程序与所述第二多媒体应用程序的清晰度对比;其中,所述第二多媒体应用程序包括所述第一多媒体应用程序的其他版本,或者,包括与所述第一多媒体应用程序类型相同的其他应用程序。
例如:假设第一多媒体应用程序为“拍一拍V1.0”,以及第二多媒体应用程序为“拍一拍V2.0”。
那么,接收的测试指令中的测试类型可以为:测试“拍一拍V1.0”和“拍一拍V2.0”的清晰度对比。
又例如,假设第一多媒体应用程序为“拍一拍”,以及第二多媒体应用程序为“拍拍乐”。
那么,接收的测试指令中的测试类型可以为:测试“拍一拍”和“拍拍乐”的清晰度对比。
步骤110:获取第一多媒体文件,所述第一多媒体文件是基于所述第一多媒体应用程序生成的。
具体实施例中,可以在操作界面内,点击第一多媒体应用程序的图标,启动第一多媒体应用程序,接着,选取一个应用场景类型,点击拍摄按钮,获得第一多媒体文件。
例如,假设第一多媒体应用程序为“拍一拍”,以及假设应用场景类型为“美妆”。
那么,点击“拍一拍”的图标后,启动“拍一拍”,然后,选取应用场景类型“美妆”,再点击拍摄按钮,从而获得相应的第一多媒体文件。
步骤120:基于清晰度检测模型确定所述第一多媒体文件的清晰度。
具体实施中,在执行步骤120时,可以采用但不限于以下方式:
首先,基于清晰度检测模型检测所述第一多媒体文件的模糊度,所述模糊度的取值范围为[0,1]。
其次,基于所述第一多媒体文件的模糊度确定所述清晰度,其中,所述模糊度的取值越大,则基于所述模糊度确定的相应的清晰度的取值越小。
例如:仍以第一多媒体应用程序为“拍一拍”为例,假设基于使用“拍一拍”拍摄获得的第一多媒体文件,输入清晰度检测模型后,获得的模糊度为0.3,那么,第一多媒体文件对应的清晰度为0.7。
步骤130:基于所述第一多媒体文件的清晰度和所述清晰度参考值确定所述第一多媒体应用程序的测试结果,其中,所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,或者,第二多媒体应用程序拍摄的第二多媒体文件的清晰度。
一方面,基于所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,则在获得所述第一多媒体文件之后,在基于所述第一多媒体文件的清晰度和所述清晰度参考值确定所述第一多媒体应用程序的测试结果之前,进一步地,可以执行但不限于以下操作:
1)识别所述第一多媒体文件的应用场景类型;
2)基于所述应用场景类型,获取对应所述应用场景类型的清晰度阈值。
例如,仍以第一多媒体应用程序为“拍一拍”为例,假设第一多媒体文件是使用第一多媒体应用程序在应用场景类型“美妆”下拍摄获得的。
那么,在基于所述第一多媒体文件的清晰度和所述清晰度参考值确定所述第一多媒体应用程序的测试结果之前,首先识别出第一多媒体文件对应的应用场景类型为“美妆”,然后从数据库中获得“美妆”所对应的清晰度阈值,假设为0.42。
相应的,在基于所述第一多媒体文件的清晰度和所述清晰度参考值确定所述第一多媒体应用程序的测试结果时,可以执行但不限于以下操作:
(1)将所述第一多媒体文件的清晰度与所述清晰度阈值进行比较。
(2)基于所述第一多媒体文件的清晰度不小于所述清晰度阈值,所述测试结果为所述第一多媒体应用程序满足所述应用场景类型对应的测试需求。
例如,仍以第一多媒体应用程序为“拍一拍”为例,假设所述第一多媒体文件是使用第一多媒体应用程序在应用场景类型“美妆”下拍摄获得的,且第一多媒体文件对应的清晰度为0.7,以及应用场景类型“美妆”对应的清晰度阈值为0.42。
那么,将“拍一拍”的清晰度与清晰度阈值进行比较,即0.7>0.42,则获得的测试结果为:“拍一拍”满足“美妆”这一应用场景类型所对应的测试需求。
(3)基于所述第一多媒体文件的清晰度小于所述清晰度阈值,所述测试结果为所述第一多媒体应用程序不满足所述应用场景类型对应的测试需求。
例如,仍以第一多媒体应用程序为“拍一拍”为例,假设第一多媒体文件是使用第一多媒体应用程序在应用场景类型“美颜”下拍摄获得的,且第一多媒体文件对应的清晰度为0.4,以及应用场景类型“美颜”对应的清晰度阈值为0.45。
那么,将“拍一拍”的清晰度与清晰度阈值进行比较,即0.4<0.45,则获得的测试结果为:“拍一拍”不满足“美颜”这一应用场景类型对应的测试需求。
另一方面,基于所述清晰度参考值为第二多媒体应用程序拍摄的第二多媒体文件的清晰度,则在基于所述第一多媒体文件的清晰度和所述清晰度参考值确定所述第一多媒体应用程序的测试结果之前,进一步地,可以执行但不限于以下操作:
基于所述清晰度检测模型获取所述第二多媒体应用程序拍摄的第二多媒体文件的清晰度。
相应的,在基于所述第一多媒体文件的清晰度和所述清晰度参考值确定所述第一多媒体应用程序的测试结果时,可以执行但不限于以下操作:
(1)将所述第一多媒体文件的清晰度与所述第二多媒体文件的清晰度进行比较。
(2)基于所述第一多媒体文件的清晰度大于所述第二多媒体文件的清晰度,所述测试结果包括所述第一多媒体应用程序的拍摄效果优于所述第二多媒体应用程序的拍摄效果;
例如,以第一多媒体应用程序为“拍一拍”,第二多媒体应用程序为“拍拍乐”为例。假设第一多媒体文件是使用“拍一拍”拍摄获得的,且第一多媒体文件的清晰度为0.48,以及第二多媒体文件是使用“拍拍乐”拍摄获得的,且第二多媒体文件的清晰度为0.43。
那么,将第一多媒体文件的清晰度与第二多媒体文件的清晰度进行比较,即0.48>0.43,则获得的测试结果为:“拍一拍”的拍摄效果优于“拍拍乐”的拍摄效果。
(3)基于所述第一多媒体文件的清晰度等于所述第二多媒体文件的清晰度,所述测试结果包括所述第一多媒体应用程序的拍摄效果与所述第二多媒体应用程序的拍摄效果相同;
例如,以第一多媒体应用程序为“拍一拍”,第二多媒体应用程序为“拍拍乐”为例。假设第一多媒体文件是使用“拍一拍”拍摄获得的,且第一多媒体文件的清晰度为0.48,以及第二多媒体文件是使用“拍拍乐”拍摄获得的,且第二多媒体文件对清晰度为0.48。
那么,将第一多媒体文件的清晰度与第二多媒体文件的清晰度进行比较,即0.48=0.48,则获得的测试结果为:“拍一拍”的拍摄效果与“拍拍乐”的拍摄效果相同。
(4)基于所述第一多媒体文件的清晰度小于所述第二多媒体文件的清晰度,所述测试结果包括所述第一多媒体应用程序的拍摄效果劣于所述第二多媒体应用程序的拍摄效果。
例如,以所述第一多媒体应用程序为“拍一拍”,所述第二多媒体应用程序为“拍拍乐”为例。假设所述第一多媒体文件是使用“拍一拍”拍摄获得的,且第一多媒体文件的清晰度为0.48,以及第二多媒体文件是使用“拍拍乐”拍摄获得的,且第二多媒体文件的清晰度为0.56。
那么,将第一多媒体文件的清晰度与第二多媒体文件的清晰度进行比较,即0.48<0.56,则获得的测试结果为:“拍一拍”的拍摄效果劣于“拍拍乐”的拍摄效果。
下面采用具体的举例对上述实施例作出进一步详细说明。
举例1:清晰度参考值包括第一多媒体文件的应用场景类型对应的清晰度阈值。
具体实施中,短视频应用程序中存在多种应用场景类型,例如,美颜、美妆、滤镜、魔法表情等应用场景类型。
本公开实施例中,针对不同的应用场景类型,分别设置有相应的关键字,如,美颜->Face_Beauty,美妆->Face_Makeup,魔法表情->Face_Magic,滤镜风格->Common_Filter,分辨率540p/720p/1080p->Common_Resolution_xxx等等。
当然,上述各个应用场景类型,仅为举例,适用于不同的环境,应用场景类型也可以更为细化,如,美颜一级、美颜二级、美颜三级、美妆一级、美妆二级、四月你好魔法表情、纯净滤镜风格、拿铁滤镜风格、少女滤镜风格等等。
进一步地,本公开实施例中,在预处理阶段,针对短视频应用程序中不同的应用场景类型,分别建立测试集,具体的,先将样本数据集合中包含的海量样本数据按照应用场景类型进行分类,得到各个应用场景类型各自对应的样本数据子集,然后再分别基于各个样本数据子集,各自测试一定量级的样本数据(即对各个样本数据子集分别进行清晰度测试),再根据测试结果设置各个应用场景类型对应的清晰度阈值。
例如,以“美颜”这一应用场景类型为例,假设经过预处理,得到“美颜”这一应用场景类型对应的清晰度阈值为0.45,并建立关键字和清晰度阈值之间的对应关系,即键值对(key-value):Face_Beauty-0.45,存放在数据库或可扩展标记语言(Extensible MarkupLanguage,XML)文件中。
采用上述方法,对应各个应用场景类型,分别设置相应的清晰度阈值,从而得到如表1所示的关键字和清晰度阈值之间的对应关系:
表1
在设置完毕上述对应关系之后,便可以通过设置测试指令,来启动多媒体应用程序(如,短视频类的应用程序),并按照所述测试指令的设置,在指定的应用场景类型下,拍摄获得相应的待测试的多媒体文件,以及采用基于卷积神经网络(Convolutional NeuralNetworks,CNN)的清晰度检测模型来识别各个待测试的多媒体文件的清晰度,并基于上述对应关系进行测试。
参阅图2所示,本公开实施例中,在举例1对应的情况下,对多媒体文件的清晰度进行自动化测试的详细流程如下:
步骤200:基于测试指令1获得预设的测试脚本1,测试脚本1中记录有测试类型1,以及待测试的多媒体应用程序1的配置信息。
在举例1对应的情况下,测试指令1中记录的测试类型1包括:测试所述多媒体应用程序1的清晰度。
具体的,多媒体应用程序1的配置信息中,可以包含但不限于以下信息:
A、多媒体应用程序1的标识。
为了便于描述,后续实施例中,将待测试的多媒体应用程序1称为应用程序(Application,APP)X。
B、APP X的调用方式。
具体的,APP X的调用方式可以分为多种,包含但不限于以下两种:
b1)APP X的安装包路径及初始化配置参数。
在这种情况下,需要先按照安装包路径,获得APP X的安装包并进行安装,安装完毕后,运行APP X并按照初始化配置参数进行参数设置。
b2)APP X的安装路径。
在这种情况下,APP X已安装并参数设置完毕,只需要获得安装路径,即可以随时调用APP X。
C、APP X的操作路径。
所谓APP X的操作路径,即是如何运行APP X来获得待测试的多媒体文件1,如,打开APP X->打开纯净滤镜风格->设置15s拍摄时长->拍摄。
由此可见,通过APP X的操作路径,可以确定待测试的多媒体文件1的应用场景类型。
步骤210:根据测试脚本1中记录的多媒体应用程序1的配置信息,调用所述多媒体应用程序1,获得相应的多媒体文件1。
例如,以“美妆”这一应用场景类型为例,根据APP X的标识及调用方式,获得安装包的安装路径及初始配置参数,安装APP X,完成初始化配置,再根据操作路径,运行APP X并设置“美妆”应用场景类型及拍摄15s时长,接着,开始拍摄,从而获得多媒体文件1。
步骤220:根据测试脚本1中记录的多媒体应用程序1的配置信息中包含的操作路径,确定应用场景类型,并获取对应所述应用场景类型预设的清晰度阈值1。
例如,假设根据多媒体应用程序1的配置信息中包含的操作路径,确定指定的应用场景类型为“美妆”,进而得到对应的关键字-Face_Makeup,接着,从数据库或XML文件中获得上述表1,那么,基于上述表1中记录的关键字和清晰度阈值1之间的对应关系,可以获得Face_Makeup对应的清晰度阈值1:0.42。
步骤230:将所述多媒体文件1输入清晰度检测模型,获得对应的模糊度1,再基于多媒体文件1的模糊度1确定相应的清晰度1。
所述清晰度检测模型(如,CNN检测工具)是运行于服务器上的一项服务,采用多线程并行检测方式。
所述清晰度检测模型通过监听端口获得检测请求,通过算法测试所述多媒体文件1,输出多媒体文件1的模糊度1,输出的模糊度1的取值范围为[0,1],而输出的模糊度1的取值越大,则说明多媒体文件1的清晰度1的取值越小,反之,输出的模糊度1的取值越小,则说明多媒体文件1的清晰度的取值越大。可选的,对于短视频类的多媒体文件,所述清晰度检测模型可以通过自定义每秒检测的帧数来提高测试准确率。
例如,假设将对应“美妆”这一应用场景类型获得的多媒体文件1,输入上述清晰度检测模型后,获得的多媒体文件1的模糊度为0.6或0.55,则相应的,最终获得的所述多媒体文件1的清晰度1为0.4,或者,0.45。
步骤240:将清晰度1和清晰度阈值1进行比对,获得多媒体文件1的测试结果1。
具体的,将获得的清晰度阈值1与清晰度1进行比较后,获得的测试结果1包括但不限于以下两种情况:
情况1,多媒体文件1的清晰度1不小于清晰度阈值1,则说明测试结果1为:多媒体应用程序1满足所述应用场景类型对应的测试需求。
情况2,多媒体文件1的清晰度1小于清晰度阈值1,则说明测试结果1为:多媒体应用程序1不满足所述应用场景类型对应的测试需求。
例如,以“美妆”应用场景类型及拍摄15s时长为例,假设获得的清晰度阈值1为0.42。
若获得的清晰度1为0.4,0.42>0.4,则说明APP X的清晰度1符合“美妆”这一应用场景类型的测试需求。
若获得的清晰度1为0.45,0.42<0.45,则说明APP X的清晰度1不符合“美妆”这一应用场景的测试需求。
举例2:清晰度参考值包括第二多媒体应用程序拍摄的第二多媒体文件的清晰度。
参阅图3所示,本公开实施例中,在举例2对应的情况下,对多媒体文件的清晰度进行自动化测试的详细流程如下:
步骤300:基于测试指令2获得预设的测试脚本2,测试脚本2中记录有测试类型2,以及待测试的多媒体应用程序1的配置信息和待测试的多媒体应用程序2的配置信息。
在举例2对应的情况下,测试指令2中记录的测试类型2包括:测试多媒体应用程序1与多媒体应用程序2的清晰度对比,其中,多媒体应用程序2包括多媒体应用程序1的其他版本,或者,包括与多媒体应用程序1类型相同的其他应用程序。
为了便于描述,后续实施例中,仍然将多媒体应用程序1称为APPX,将多媒体应用程序2称为APP Y。
步骤310:根据测试脚本2中记录的多媒体应用程序1的配置信息和多媒体应用程序2的配置信息,分别调用多媒体应用程序1和多媒体应用程序2,获得相应的多媒体文件1’和多媒体文件2。
与步骤210同理,可以根据APP X的标识及调用方式以及APP Y的标识及调用方式,获得APP X的安装包的安装路径及初始化配置参数,和APP Y的安装包的安装路径及初始化配置参数,安装APPX和APP Y,并分别完成初始化配置,以及分别运行APP X和APP Y,拍摄获得多媒体文件1’和多媒体文件2。
例如,假设APP X和APPY的操作方式均为:
打开APP->设置15s拍摄时长->拍摄
则分别运行APP X和APP Y,按照上述操作方式,分别拍摄获得多媒体文件1’和多媒体文件2。
步骤320:将获得的多媒体文件1’和多媒体文件2输入清晰度检测模型,分别获得多媒体文件1’的模糊度1’和多媒体文件2的模糊度2,再基于多媒体文件1’的模糊度1’确定相应的清晰度1’,基于多媒体文件2的模糊度2确定相应的清晰度2。
步骤330:将多媒体文件1’的清晰度1’和多媒体文件2的清晰度2进行比较,获得测试结果2。
具体的,将获得的清晰度1’与清晰度2进行比较后,获得的测试结果2包括但不限于以下三种情况:
情况1:多媒体文件1’的清晰度1’大于多媒体文件2的清晰度2,则说明测试结果2为:多媒体应用程序1的拍摄效果优于多媒体应用程序2的拍摄效果;
情况2:多媒体文件1’的清晰度1’等于多媒体文件2的清晰度2,则说明测试结果2为:多媒体应用程序1的拍摄效果与多媒体应用程序2的拍摄效果相同。
情况3:多媒体文件1’的清晰度1’小于多媒体文件2的清晰度2,则说明测试结果2为:多媒体应用程序1的拍摄效果劣于多媒体应用程序2的拍摄效果;
例如,假设多媒体文件1’的清晰度为0.48,以及多媒体文件2的清晰度为0.43。
那么,将多媒体文件1’的清晰度与多媒体文件2的清晰度进行比较,即0.48>0.43,则获得的测试结果为:APP X的拍摄效果优于APP Y的拍摄效果。
表2
测试结果 | |
APP X | √ |
APP Y |
具体实施中,上述APP X和APPY之间的关系可以存在多种,包含但不限于以下两种:
第一种关系:APP X和APP Y是同一多媒体应用程序的两个不同版本,如,APPX为“拍拍乐V1.1”,而APPY为“拍拍乐V1.2”。
第二种关系:APP X和APP Y是存在竞品关系的两种不同的多媒体应用程序,如,APPX为“拍拍乐”,而APPY为“快乐拍”。
采用上述技术方案,可以在不了解多媒体应用程序的详细配置参数的情形下,使用两种多媒体应用程序进行拍摄并获得相应的多媒体文件,再对获得各个多媒体文件进行清晰度比较,从而客观地测试出两种多媒体应用程序的拍摄效果的优劣。
基于同一发明构思,参阅图4所示,本公开实施例中提供一种计算机设备,包括:
启动单元410,用于基于测试指令自动启动第一多媒体应用程序,其中,所述测试指令为启动所述第一多媒体应用程序的指令;
获取单元420,用于获取第一多媒体文件,所述第一多媒体文件是基于所述第一多媒体应用程序生成的;
第一处理单元430,用于基于清晰度检测模型确定所述第一多媒体文件的清晰度;
第二处理单元440,用于基于所述第一多媒体文件的清晰度和清晰度参考值确定所述第一多媒体应用程序的测试结果,其中,所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,或者,第二多媒体应用程序拍摄的第二多媒体文件的清晰度。
可选的,所述测试指令中包括测试类型,所述测试类型包括:测试所述第一多媒体应用程序的清晰度,或者,测试所述第一多媒体应用程序与所述第二多媒体应用程序的清晰度对比,其中,所述第二多媒体应用程序包括所述第一多媒体应用程序的其他版本,或者,包括与所述第一多媒体应用程序类型相同的其他应用程序。
可选的,基于测试指令自动启动第一多媒体应用程序,所述启动单元410用于:
基于测试指令获取第一多媒体应用程序的安装包;
基于所述安装包安装所述第一多媒体应用程序;
初始化配置所述第一多媒体应用程序。
可选的,基于清晰度检测模型确定所述第一多媒体文件的清晰度,所述第一处理单元430用于:
基于清晰度检测模型检测所述第一多媒体文件的模糊度,所述模糊度的取值范围为[0,1];
基于所述第一多媒体文件的模糊度确定所述清晰度,其中,所述模糊度的取值越大,则基于所述模糊度确定的相应的清晰度的取值越小。
可选的,基于所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,所述第二处理单元440进一步用于:
识别所述第一多媒体文件的应用场景类型;
基于所述应用场景类型,获取对应所述应用场景类型的清晰度阈值。
可选的,基于所述第一多媒体文件的清晰度和所述清晰度参考值确定所述第一多媒体应用程序的测试结果,所述第二处理单元440用于:
将所述第一多媒体文件的清晰度与所述清晰度阈值进行比较;
基于所述第一多媒体文件的清晰度不小于所述清晰度阈值,所述测试结果为所述第一多媒体应用程序满足所述应用场景类型对应的测试需求;
基于所述第一多媒体文件的清晰度小于所述清晰度阈值,所述测试结果为所述第一多媒体应用程序不满足所述应用场景类型对应的测试需求。
可选的,基于所述清晰度参考值为第二多媒体应用程序拍摄的第二多媒体文件的清晰度,所述第二处理单元440进一步用于:
基于所述清晰度模型获取所述第二多媒体应用程序拍摄的第二多媒体文件的清晰度。
可选的,基于所述第一多媒体文件的清晰度和所述清晰度参考值确定所述第一多媒体应用程序的测试结果,所述第二处理单元440用于:
将所述第一多媒体文件的清晰度与所述第二多媒体文件的清晰度进行比较;
基于所述第一多媒体文件的清晰度大于所述第二多媒体文件的清晰度,所述测试结果包括所述第一多媒体应用程序的拍摄效果优于所述第二多媒体应用程序的拍摄效果;
基于所述第一多媒体文件的清晰度等于所述第二多媒体文件的清晰度,所述测试结果包括所述第一多媒体应用程序的拍摄效果与所述第二多媒体应用程序的拍摄效果相同;
基于所述第一多媒体文件的清晰度小于所述第二多媒体文件的清晰度,所述测试结果包括所述第一多媒体应用程序的拍摄效果劣于所述第二多媒体应用程序的拍摄效果。
基于同一发明构思,参阅图5所示,本申请实施例提供一种计算机设备,例如,电子设备500可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图5,电子设备500可以包括以下一个或多个组件:处理组件502,存储器504,电源组件506,多媒体组件508,音频组件510,输入/输出(I/O)接口512,传感器组件514,以及通信组件516。
处理组件502通常控制电子设备500的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件502可以包括一个或多个处理器520来执行指令,以完成上述实施例中方法的全部或部分步骤。此外,处理组件502可以包括一个或多个模块,便于处理组件502和其他组件之间的交互。例如,处理组件502可以包括多媒体模块,以方便多媒体组件508和处理组件502之间的交互。
存储器504被配置为存储各种类型的数据以支持在电子设备500的操作。这些数据的示例包括用于在电子设备500上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件506为电子设备500的各种组件提供电力。电源组件506可以包括电源管理系统,一个或多个电源,及其他与为电子设备500生成、管理和分配电力相关联的组件。
多媒体组件508包括在电子设备500和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件508包括一个前置摄像头和/或后置摄像头。当电子设备500处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件510被配置为输出和/或输入音频信号。例如,音频组件510包括一个麦克风(MIC),当电子设备500处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中,音频组件510还包括一个扬声器,用于输出音频信号。
I/O接口512为处理组件502和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件514包括一个或多个传感器,用于为电子设备500提供各个方面的状态评估。例如,传感器组件514可以检测到电子设备500的打开/关闭状态,组件的相对定位,例如所述组件为电子设备500的显示器和小键盘,传感器组件514还可以检测电子设备500或电子设备500一个组件的位置改变,用户与电子设备500接触的存在或不存在,电子设备500方位或加速/减速和电子设备500的温度变化。传感器组件514可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件514还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件516被配置为便于电子设备500和其他设备之间有线或无线方式的通信。电子设备500可以接入基于通信标准的无线网络,如WiFi,运营商网络(如2G、3G、4G或5G),或它们的组合。在一个示例性实施例中,通信组件516经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件516还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备500可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述第一方面的任意一种方法。
基于同一发明构思,本公开实施例提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令由处理器执行时,能够执行上述实施例中计算机设备执行的任意一种方法。
基于同一发明构思,本公开实施例提供一种计算机程序产品,包含可执行指令,当所述计算机程序产品的可执行指令由处理器执行时,能够实现如上述实施例中的计算机设备执行的任意一种方法。
综上所述,本公开实施例中,基于测试指令自动启动第一多媒体应用程序,并生成第一多媒体文件,基于清晰度检测模型,确定所述第一多媒体文件的清晰度;再基于所述第一多媒体文件的清晰度和清晰度参考值确定所述第一多媒体应用程序的测试结果,其中,所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,或者,第二多媒体应用程序拍摄的第二多媒体文件的清晰度,这样,便无需人为主观判断,以及无需使用固定且单一的参考源,便可以准确地测试出多媒体文件的清晰度,进一步,还可以测试出两个多媒体应用程序的优劣,有效降低了测试方案的执行复杂度,使应用范围变得更为广泛,同时也保证了测试的客观、准确性。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开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,本公开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。
本公开是参照根据本公开实施例的方法、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。
尽管已描述了本公开的优选实施例,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公开范围的所有变更和修改。
显然,本领域的技术人员可以对本公开实施例进行各种改动和变型而不脱离本公开实施例的精神和范围。这样,倘若本公开实施例的这些修改和变型属于本公开权利要求及其等同技术的范围之内,则本公开也意图包含这些改动和变型在内。
Claims (14)
1.一种多媒体文件清晰度的自动化测试方法,其特征在于,包括:
基于测试指令自动启动第一多媒体应用程序,其中,所述测试指令为启动所述第一多媒体应用程序的指令;
获取第一多媒体文件,所述第一多媒体文件是基于所述第一多媒体应用程序生成的;
基于清晰度检测模型确定所述第一多媒体文件的清晰度;
将所述第一多媒体文件的清晰度和清晰度参考值进行比较,并基于比较结果确定所述第一多媒体应用程序的测试结果;
其中,所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,则所述基于比较结果确定所述第一多媒体应用程序的测试结果,包括:若所述比较结果为所述第一多媒体文件的清晰度不小于所述清晰度阈值,则所述测试结果为所述第一多媒体应用程序满足所述应用场景类型对应的测试需求;若所述比较结果为基于所述第一多媒体文件的清晰度小于所述清晰度阈值,则所述测试结果为所述第一多媒体应用程序不满足所述应用场景类型对应的测试需求;或者,
所述清晰度参考值包括第二多媒体应用程序拍摄的第二多媒体文件的清晰度,则所述基于比较结果确定所述第一多媒体应用程序的测试结果,包括:若所述比较结果为所述第一多媒体文件的清晰度大于所述第二多媒体文件的清晰度,则所述测试结果包括所述第一多媒体应用程序的拍摄效果优于所述第二多媒体应用程序的拍摄效果;若所述比较结果为所述第一多媒体文件的清晰度等于所述第二多媒体文件的清晰度,则所述测试结果包括所述第一多媒体应用程序的拍摄效果与所述第二多媒体应用程序的拍摄效果相同;若所述比较结果为所述第一多媒体文件的清晰度小于所述第二多媒体文件的清晰度,则所述测试结果包括所述第一多媒体应用程序的拍摄效果劣于所述第二多媒体应用程序的拍摄效果。
2.如权利要求1所述的方法,其特征在于,所述测试指令中包括测试类型,所述测试类型包括:测试所述第一多媒体应用程序的清晰度,或者,测试所述第一多媒体应用程序与所述第二多媒体应用程序的清晰度对比,其中,所述第二多媒体应用程序包括所述第一多媒体应用程序的其他版本,或者,包括与所述第一多媒体应用程序类型相同的其他应用程序。
3.如权利要求2所述的方法,其特征在于,基于测试指令自动启动第一多媒体应用程序,包括:
基于测试指令获取第一多媒体应用程序的安装包;
基于所述安装包安装所述第一多媒体应用程序;
初始化配置所述第一多媒体应用程序。
4.如权利要求2所述的方法,其特征在于,基于清晰度检测模型确定所述第一多媒体文件的清晰度,包括:
基于清晰度检测模型检测所述第一多媒体文件的模糊度,所述模糊度的取值范围为[0,1];
基于所述第一多媒体文件的模糊度确定所述清晰度,其中,所述模糊度的取值越大,则基于所述模糊度确定的相应的清晰度的取值越小。
5.如权利要求1所述的方法,其特征在于,基于所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,所述方法进一步包括:
识别所述第一多媒体文件的应用场景类型;
基于所述应用场景类型,获取对应所述应用场景类型的清晰度阈值。
6.如权利要求1所述的方法,其特征在于,基于所述清晰度参考值为第二多媒体应用程序拍摄的第二多媒体文件的清晰度,所述方法进一步包括:
基于所述清晰度检测模型获取所述第二多媒体应用程序拍摄的第二多媒体文件的清晰度。
7.一种多媒体文件清晰度的自动化测试装置,其特征在于,包括:
启动单元,用于基于测试指令自动启动第一多媒体应用程序,其中,所述测试指令为启动所述第一多媒体应用程序的指令;
获取单元,用于获取第一多媒体文件,所述第一多媒体文件是基于所述第一多媒体应用程序生成的;
第一处理单元,用于基于清晰度检测模型确定所述第一多媒体文件的清晰度;
第二处理单元,用于将所述第一多媒体文件的清晰度和清晰度参考值进行比较,并基于比较结果确定所述第一多媒体应用程序的测试结果;
其中,所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,则所述基于比较结果确定所述第一多媒体应用程序的测试结果,所述第二处理单元用于:若所述比较结果为所述第一多媒体文件的清晰度不小于所述清晰度阈值,则所述测试结果为所述第一多媒体应用程序满足所述应用场景类型对应的测试需求;若所述比较结果为所述第一多媒体文件的清晰度小于所述清晰度阈值,则所述测试结果为所述第一多媒体应用程序不满足所述应用场景类型对应的测试需求;或者,
所述清晰度参考值包括第二多媒体应用程序拍摄的第二多媒体文件的清晰度,则所述基于比较结果确定所述第一多媒体应用程序的测试结果,所述第二处理单元用于:若所述比较结果为所述第一多媒体文件的清晰度大于所述第二多媒体文件的清晰度,则所述测试结果包括所述第一多媒体应用程序的拍摄效果优于所述第二多媒体应用程序的拍摄效果;若所述比较结果为所述第一多媒体文件的清晰度等于所述第二多媒体文件的清晰度,则所述测试结果包括所述第一多媒体应用程序的拍摄效果与所述第二多媒体应用程序的拍摄效果相同;若所述比较结果为所述第一多媒体文件的清晰度小于所述第二多媒体文件的清晰度,则所述测试结果包括所述第一多媒体应用程序的拍摄效果劣于所述第二多媒体应用程序的拍摄效果。
8.如权利要求7所述的装置,其特征在于,所述测试指令中包括测试类型,所述测试类型包括:测试所述第一多媒体应用程序的清晰度,或者,测试所述第一多媒体应用程序与所述第二多媒体应用程序的清晰度对比,其中,所述第二多媒体应用程序包括所述第一多媒体应用程序的其他版本,或者,包括与所述第一多媒体应用程序类型相同的其他应用程序。
9.如权利要求8所述的装置,其特征在于,基于测试指令自动启动第一多媒体应用程序,所述启动单元用于:
基于测试指令获取第一多媒体应用程序的安装包;
基于所述安装包安装所述第一多媒体应用程序;
初始化配置所述第一多媒体应用程序。
10.如权利要求8所述的装置,其特征在于,基于清晰度检测模型确定所述第一多媒体文件的清晰度,所述第一处理单元用于:
基于清晰度检测模型检测所述第一多媒体文件的模糊度,所述模糊度的取值范围为[0,1];
基于所述第一多媒体文件的模糊度确定所述清晰度,其中,所述模糊度的取值越大,则基于所述模糊度确定的相应的清晰度的取值越小。
11.如权利要求7所述的装置,其特征在于,基于所述清晰度参考值包括所述第一多媒体文件的应用场景类型对应的清晰度阈值,所述第二处理单元进一步用于:
识别所述第一多媒体文件的应用场景类型;
基于所述应用场景类型,获取对应所述应用场景类型的清晰度阈值。
12.如权利要求7所述的装置,其特征在于,基于所述清晰度参考值为第二多媒体应用程序拍摄的第二多媒体文件的清晰度,所述第二处理单元进一步用于:
基于所述清晰度检测模型获取所述第二多媒体应用程序拍摄的第二多媒体文件的清晰度。
13.一种计算机设备,其特征在于,包括:
存储器,用于存储可执行指令;
处理器,用于读取并执行所述存储器中存储的可执行指令,以实现如权利要求1-6任一项所述的方法。
14.一种计算机可读存储介质,其特征在于,当所述存储介质中的指令由处理器执行时,使得所述处理器能够执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011125343.2A CN112346968B (zh) | 2020-10-20 | 2020-10-20 | 一种多媒体文件清晰度的自动化检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011125343.2A CN112346968B (zh) | 2020-10-20 | 2020-10-20 | 一种多媒体文件清晰度的自动化检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112346968A CN112346968A (zh) | 2021-02-09 |
CN112346968B true CN112346968B (zh) | 2024-04-19 |
Family
ID=74358860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011125343.2A Active CN112346968B (zh) | 2020-10-20 | 2020-10-20 | 一种多媒体文件清晰度的自动化检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112346968B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102984495A (zh) * | 2012-12-06 | 2013-03-20 | 北京小米科技有限责任公司 | 一种视频图像的处理方法及装置 |
CN109151466A (zh) * | 2018-06-28 | 2019-01-04 | 苏州乐轩科技有限公司 | 一种Android系统平台电子设备实用功能自动测试方法 |
CN110378312A (zh) * | 2019-07-26 | 2019-10-25 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN111402177A (zh) * | 2020-03-11 | 2020-07-10 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种清晰度检测方法、系统、设备和介质 |
CN111417981A (zh) * | 2018-03-12 | 2020-07-14 | 华为技术有限公司 | 一种图像清晰度检测方法及装置 |
CN111597361A (zh) * | 2020-05-19 | 2020-08-28 | 腾讯科技(深圳)有限公司 | 多媒体数据处理方法、装置、存储介质及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11395371B2 (en) * | 2018-05-31 | 2022-07-19 | Roku, Inc. | Real-time assessment of multimedia service in a particular environment |
-
2020
- 2020-10-20 CN CN202011125343.2A patent/CN112346968B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102984495A (zh) * | 2012-12-06 | 2013-03-20 | 北京小米科技有限责任公司 | 一种视频图像的处理方法及装置 |
CN111417981A (zh) * | 2018-03-12 | 2020-07-14 | 华为技术有限公司 | 一种图像清晰度检测方法及装置 |
CN109151466A (zh) * | 2018-06-28 | 2019-01-04 | 苏州乐轩科技有限公司 | 一种Android系统平台电子设备实用功能自动测试方法 |
CN110378312A (zh) * | 2019-07-26 | 2019-10-25 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN111402177A (zh) * | 2020-03-11 | 2020-07-10 | 恒睿(重庆)人工智能技术研究院有限公司 | 一种清晰度检测方法、系统、设备和介质 |
CN111597361A (zh) * | 2020-05-19 | 2020-08-28 | 腾讯科技(深圳)有限公司 | 多媒体数据处理方法、装置、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112346968A (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112258381B (zh) | 模型训练方法、图像处理方法、装置、设备及存储介质 | |
RU2667027C2 (ru) | Способ и устройство категоризации видео | |
CN105306931A (zh) | 智能电视异常检测方法及装置 | |
CN112241361A (zh) | 测试用例生成方法及装置、问题场景自动复现方法及装置 | |
CN109766473B (zh) | 信息交互方法、装置、电子设备及存储介质 | |
CN111614990B (zh) | 加载时长的获取方法、装置及电子设备 | |
CN107562500B (zh) | 调试装置、方法及设备 | |
CN110941727B (zh) | 一种资源推荐方法、装置、电子设备及存储介质 | |
CN104407981B (zh) | 内存管理方法和装置 | |
CN112948704A (zh) | 用于信息推荐的模型训练方法、装置、电子设备以及介质 | |
CN105183571A (zh) | 函数调用方法和装置 | |
CN112559309A (zh) | 页面性能采集算法的调整方法及装置 | |
CN113920293A (zh) | 信息识别方法、装置、电子设备及存储介质 | |
CN111209195B (zh) | 一种生成测试用例的方法及装置 | |
CN110213062B (zh) | 处理消息的方法及装置 | |
CN112346968B (zh) | 一种多媒体文件清晰度的自动化检测方法及装置 | |
CN106446827B (zh) | 虹膜识别功能检测方法和装置 | |
CN110659726B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN114547073A (zh) | 时序数据的聚合查询方法、装置及存储介质 | |
CN107526683B (zh) | 应用程序功能冗余度的检测方法、装置及存储介质 | |
CN110673850A (zh) | 一种获取静态库的大小的方法及装置 | |
CN114885211B (zh) | 媒体资源模板生成方法、媒体资源生成方法和装置 | |
CN111401048B (zh) | 一种意图识别方法及装置 | |
CN111428806B (zh) | 图像标签确定方法、装置、电子设备及存储介质 | |
CN112462996B (zh) | 服务信息优化方法、服务信息优化装置及存储介质 |
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 |