CN112672159B - 视频质量的比较方法及装置、存储介质、电子设备 - Google Patents
视频质量的比较方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN112672159B CN112672159B CN202011540135.9A CN202011540135A CN112672159B CN 112672159 B CN112672159 B CN 112672159B CN 202011540135 A CN202011540135 A CN 202011540135A CN 112672159 B CN112672159 B CN 112672159B
- Authority
- CN
- China
- Prior art keywords
- video
- videos
- distortion
- quality
- comparing
- 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)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种视频质量的比较方法及装置、存储介质、电子设备,属于视频处理技术领域。其中,该方法包括:获取第一视频和第二视频集合,其中,所述第二视频集合包括多个第二视频,所述第一视频和所述第二视频是同一源视频采用不同方式编码后的视频;以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度,其中,所述第二视频集合中的每个第二视频对应所述第一视频的一个失真度;基于多个所述失真度,比较所述多个第二视频的视频质量。通过本发明,解决了相关技术在无原始视频的情况下不能客观比较视频质量好坏的技术问题,可在无原始视频的情况下,通过客观评价算法比较得出多个同源的失真视频的质量好坏。
Description
技术领域
本发明涉及视频处理领域,具体而言,涉及一种视频质量的比较方法及装置、存储介质、电子设备。
背景技术
相关技术在进行视频编码时,是指通过压缩技术,将原始视频格式的文件转换成另一种视频格式文件的方式。为了便于视频的传输和存贮等,通常需对原始视频进行视频编码生产出新的视频文件(称为失真视频),失真视频与源视频的差异即为视频失真。
相关技术在对失真视频的视频质量进行评价时,可按照评价方式分为主观和客观,相关技术在客观评价时,采用PSNR(Peak Signal to Noise Ratio,峰值信噪比),计算每帧图像的PSNR均值即为视频的PSNR值。或者采用SSIM(Structural SIMilarityIndex,结构相似性),计算每帧图像的SSIM均值即为视频的SSIM值。然而对于多个同源的失真视频(同一源视频经过不同方式编码后的两个失真视频),在无法得到原始视频的情况下,目前无较好的客观评价方法比较这些视频质量的好坏,此时计算视频间的PSNR、SSIM等客观指标,只能计算出视频间的差异,然而对于多个同源的失真视频(同一源视频经过不同方式编码后的两个失真视频),在无法得到原始视频的情况下,无较好的客观评价方法比较这些视频质量的好坏。
针对相关技术中存在的上述问题,目前尚未发现有效的解决方案。
发明内容
本发明实施例提供了一种视频质量的比较方法及装置、存储介质、电子设备。
根据本申请实施例的一个方面,提供了一种视频质量的比较方法,包括:获取第一视频和第二视频集合,其中,所述第二视频集合包括多个第二视频,所述第一视频和所述第二视频是同一源视频采用不同方式编码后的视频;以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度,其中,所述第二视频集合中的每个第二视频对应所述第一视频的一个失真度;基于多个所述失真度,比较所述多个第二视频的视频质量。
进一步,基于多个所述失真度,比较所述多个第二视频的视频质量包括:对多个所述失真度进行排序,得到失真度序列;基于所述失真度序列对所述多个第二视频的视频质量进行排序。
进一步,以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度,包括:将所述第一视频固定为测试视频、每个所述第二视频分别为参考视频输入预设视频质量多方法评价融合VMAF模型,输出多个第一VMAF分数;将所述多个第一VMAF分数分别转换为所述第一视频的多个失真度。
进一步,在基于多个所述失真度,比较所述多个第二视频的视频质量之后,所述方法还包括:比较所述第一视频与所述多个第二视频的视频质量;输出所述第一视频和多个第二视频的视频质量比较结果。
进一步,比较所述第一视频与所述多个第二视频的视频质量包括:采用二分法在N个第二视频中选择若干个特定视频,其中,N为大于1的整数;比较所述第一视频与所述特定视频的视频质量,直到所述第一视频的视频质量高于排序第j的第二视频,并低于排序第j-1的第二视频,其中,j∈[1,N]。
进一步,比较所述第一视频与所述特定视频的视频质量包括:以所述第一视频为参考视频计算所述特定视频的第一失真度,以所述特定视频为参考视频计算所述第一视频的第二失真度;比较所述第一失真度和所述第二失真度;若所述第一失真度大于所述第二失真度,确定所述第一视频的视频质量高于所述特定视频;若所述第二失真度大于所述第一失真度,确定所述特定视频的视频质量高于所述第一视频;若所述第一失真度等于所述第二失真度,确定所述特定视频的视频质量等于所述第一视频。
进一步,在以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度之前,所述方法还包括:将所述第一视频和所述多个第二视频解码为未压缩格式。
根据本申请实施例的另一个方面,还提供了一种视频质量的比较装置,包括:获取模块,用于获取第一视频和第二视频集合,其中,所述第二视频集合包括多个第二视频,所述第一视频和所述第二视频是同一源视频采用不同方式编码后的视频;计算模块,用于以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度,其中,所述第二视频集合中的每个第二视频对应所述第一视频的一个失真度;比较模块,用于基于多个所述失真度,比较所述多个第二视频的视频质量。
进一步,所述比较模块包括:第一排序单元,用于对多个所述失真度进行排序,得到失真度序列;第二排序单元,用于基于所述失真度序列对所述多个第二视频的视频质量进行排序。
进一步,所述计算模块包括:计算单元,用于将所述第一视频固定为测试视频、每个所述第二视频分别为参考视频输入预设视频质量多装置评价融合VMAF模型,输出多个第一VMAF分数;确定单元,用于将所述多个第一VMAF分数分别转换为所述第一视频的多个失真度。
进一步,所述装置还包括:第二比较模块,用于在所述第一比较模块基于多个所述失真度,比较所述多个第二视频的视频质量之后,比较所述第一视频与所述多个第二视频的视频质量;输出模块,用于输出所述第一视频和多个第二视频的视频质量比较结果。
进一步,所述第二比较模块包括:选择单元,用于采用二分法在N个第二视频中选择若干个特定视频,其中,N为大于1的整数;比较单元,用于比较所述第一视频与所述特定视频的视频质量,直到所述第一视频的视频质量高于排序第j的第二视频,并低于排序第j-1的第二视频,其中,j∈[1,N]。
进一步,所述比较单元包括:计算子单元,用于以所述第一视频为参考视频计算所述特定视频的第一失真度,以所述特定视频为参考视频计算所述第一视频的第二失真度;比较子单元,用于比较所述第一失真度和所述第二失真度;确定子单元,用于若所述第一失真度大于所述第二失真度,确定所述第一视频的视频质量高于所述特定视频;若所述第二失真度大于所述第一失真度,确定所述特定视频的视频质量高于所述第一视频;若所述第一失真度等于所述第二失真度,确定所述特定视频的视频质量等于所述第一视频。
进一步,所述装置还包括:解码模块,用于在所述计算模块以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度之前,将所述第一视频和所述多个第二视频解码为未压缩格式。
根据本申请实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,程序运行时执行上述的步骤。
根据本申请实施例的另一方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;其中:存储器,用于存放计算机程序;处理器,用于通过运行存储器上所存放的程序来执行上述方法中的步骤。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述方法中的步骤。
通过本发明,获取第一视频和第二视频集合,以每个第二视频分别为参考视频,计算获得多个第一视频的失真度,最后基于多个失真度,比较多个第二视频的视频质量,通过采用不对称性的有参考评价算法,参考多个第二视频计算同一同源视频的失真度,失真度低的第二视频的视频质量更好,解决了相关技术在无原始视频的情况下不能客观比较视频质量好坏的技术问题,可在无原始视频的情况下,通过客观评价算法比较得出多个同源的失真视频的质量好坏。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种服务器的硬件结构框图;
图2是根据本发明实施例的一种视频质量的比较方法的流程图;
图3是本发明实施例的二分法的示意图;
图4是本发明实施例的整体流程图;
图5是根据本发明实施例的一种视频质量的比较装置的结构框图;
图6是实施本发明实施例的一种电子设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。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。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
本申请实施例一所提供的方法实施例可以在服务器、计算机、影像设备、手机、平板或者类似的运算装置中执行。以运行在服务器上为例,图1是本发明实施例的一种服务器的硬件结构框图。如图1所示,服务器可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述服务器还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述服务器的结构造成限定。例如,服务器还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储服务器程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种视频质量的比较方法对应的服务器程序,处理器102通过运行存储在存储器104内的服务器程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种视频质量的比较方法,图2是根据本发明实施例的一种视频质量的比较方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取第一视频和第二视频集合,其中,第二视频集合包括多个第二视频,第一视频和第二视频是同一源视频采用不同方式编码后的视频;
本实施例的本实施例的第一视频和第二视频集合中的多个第二视频均是同一源视频经过不同方式编码后的失真视频,由于编码算法,编码环境等的差异,编码后的视频质量可能存在一定的差异。
步骤S204,以每个第二视频分别为参考视频,计算获得多个第一视频的失真度,其中,第二视频集合中的每个第二视频对应第一视频的一个失真度;
步骤S206,基于多个失真度,比较多个第二视频的视频质量。
由于VMAF等有参考评价算法具有不对称性,当把不同的失真视频作为参考视频(即多个第二视频),将同源的某其他失真视频(亦可使用原始视频,即第一视频)作为测试视频固定不变时,此时失真度与参考视频的质量具有单调递减性,失真度越低,参考视频的质量越好。
通过上述步骤,获取第一视频和第二视频集合,以每个第二视频分别为参考视频,计算获得多个第一视频的失真度,最后基于多个失真度,比较多个第二视频的视频质量,通过采用不对称性的有参考评价算法,参考多个第二视频计算同一同源视频的失真度,失真度低的第二视频的视频质量更好,解决了相关技术在无原始视频的情况下不能客观比较视频质量好坏的技术问题,可在无原始视频的情况下,通过客观评价算法比较得出多个同源的失真视频的质量好坏。
在本实施例的一个实施方式中,基于多个失真度,比较多个第二视频的视频质量包括:对多个失真度进行排序,得到失真度序列;基于失真度序列对多个第二视频的视频质量进行排序。
在一个实例中,第二视频集合包括三个第二视频,分别是视频B、视频C、视频D、分别作为参考视频,计算视频A(第一视频)的失真度,得到失真度B(以视频B为参考视频计算视频A的失真度)、失真度C(以视频C为参考视频计算视频A的失真度)、失真度D(以视频D为参考视频计算视频A的失真度),在一个示例中,失真度B>失真度C>失真度D,则可以得到视频质量的排序,视频D>视频C>视频B。
在本实施例中,可以使用VMAF(Visual/Video Multimethod Assessment Fusion,视频质量多方法评价融)作为有参考评价的客观评价算法来计算失真度,本实施例的VMAF是一种客观的有参考视频质量评价指标,利用机器学习方法计算失真视频相较于源视频的质量。除了VMAF之外,也可以使用类似的有参考评价算法来交叉计算第一视频和第二视频的失真度。下面以VMAF为例进行说明:
在本实施例的一个实施方式中,以每个第二视频分别为参考视频,计算获得多个第一视频的失真度,包括:
S11,将第一视频固定为测试视频、每个第二视频分别为参考视频输入预设视频质量多方法评价融合VMAF模型,输出多个第一VMAF分数;
本实施例的VMAF面对不同特征的源内容、失真类型,以及扭曲程度,每个基本指标各有优劣,通过使用机器学习算法(SVM)将基本指标“融合”为一个最终指标,可以为每个基本指标分配一定的权重,这样最终得到的指标就可以保留每个基本指标的所有优势,借此可得出更精确的最终分数。VMAF使用3种指标:visual quality fidelity(VIF)、detailloss measure(DLM)、temporal information(TI)。其中VIF和DLM是空间域的也即一帧画面之内的特征,TI是时间域的也即多帧画面之间相关性的特征。这些特性之间融合计算总分的过程使用了训练好的SVM来预测。
VMAF基于SVM的nuSvr算法,在运行的过程中,根据事先训练好的model,赋予每种视频特征以不同的权重。对每一帧画面都生成一个评分,最终以均值算法进行归总(也可以使用其他的归总算法),算出该视频的最终评分。本实施例在使用VMAF模型进行计算时,可以现在本地训练VMAF模型,也可以直接使用训练好的VMAF模型。
S12,将多个第一VMAF分数分别转换为第一视频的多个失真度。
测试视频相对参考视频的失真度越小,即越接近原始视频,在本实例中,VMAF分数越高,失真度越小,VMAF的值域区间为(0,100),通过负相关算法(如倒数),可以将VMAF分数转换为失真度。当然,本实施例在比较多个视频的视频质量和排序时,也可以直接使用VMAF分数进行比较和排序,因为VMAF分数也是失真度的一种表现形式,VMAF分数高的对应的视频质量更好,排名更高,视频D(作为参考视频时视频A)的VMAF分数>视频C(作为参考视频时视频A)的VMAF分数>视频B(作为参考视频时视频A)的VMAF分数,则可以得到视频质量的排序,视频D>视频C>视频B。
可选的,在以每个第二视频分别为参考视频,计算获得多个第一视频的失真度之前,还包括:将第一视频和多个第二视频解码为未压缩格式。
可选的,未压缩格式是YUV格式,YUV文件为视频编码的输入格式,同时亦为视频解码的输出格式。除了YUV格式之外,也可以是RGB等格式,可以根据交叉计算失真度的客观评价算法进行视频,如计算VMAF时输入文件格式为YUV格式,则解码为YUV的未压缩格式。通过解码为未压缩格式,可以减少不同的压缩算法对视频失真带来的影响,提高失真度的准确率。
在本实施例的一个实施方式中,除了比较第二视频集合中各个视频的视频质量好坏之外,还可以比较第一视频与第二视频集合的量好坏,在基于多个失真度,比较多个第二视频的视频质量之后,还包括:
S21,比较第一视频与多个第二视频的视频质量;
在本实施例中,可以通过多个方式来比较第一视频与多个第二视频的视频质量,第二视频集合包括三个第二视频,分别是视频B、视频C、视频D、第一视频为视频A,由于视频B、视频C、视频D的视频质量已经比较出来了,如视频D>视频C>视频B,因此只要计算出视频A与第二视频集合(视频B、视频C、视频D)的大小关系,就可以比较视频A与第二视频集合的视频质量。
在一个实施场景中,将第二视频集合(视频B、视频C、视频D)中的其中一个作为测试视频,其余的作为参考视频,如将视频B作为测试视频,视频A、视频C、视频D作为参考视频,组成新的第二视频集合(视频A、视频C、视频D),计算和比较出视频A、视频C、视频D三者的关系,如视频A>视频D>视频C,则可以得出四个视频的视频质量的关系为:视频A>视频D>视频C>视频B。
在另一个实施场景中,比较第一视频与多个第二视频的视频质量包括:采用二分法在N个第二视频中选择若干个特定视频,其中,N为大于1的整数;比较第一视频与特定视频的视频质量,直到第一视频的视频质量高于排序第j的第二视频,并低于排序第j-1的第二视频,其中,j∈[1,N]。
图3是本发明实施例的二分法的示意图,在一个示例中,已有包括八个数组[1,3,6,7,8,10,13,14]组成的有序序列,待比较的数值为4,先选择中间的值7进行比较,进而选择6,直到3>4>6,此时j=3,最后得到排序后的比较结果为[1,3,4,6,7,8,10,13,14],数值依次递增。基于二分法,可以减少视频质量的比较次数,快速定位待比较数值的在原序列中的排序位置。
S22,输出第一视频和多个第二视频的视频质量比较结果。
在本实施例中,在比较两个视频之间的视频质量时,可以将两个视频交叉设置为参考视频和测试视频来计算失真度,进而比较两个视频的视频质量。比较第一视频与特定视频的视频质量包括:
S31,以第一视频为参考视频计算特定视频的第一失真度,以特定视频为参考视频计算第一视频的第二失真度;
可选的,以第一视频为参考视频计算特定视频的第一失真度,以特定视频为参考视频计算第一视频的第二失真度,包括:以特定视频为测试视频、第一视频为参考视频输入预设视频质量多方法评价融合VMAF模型,输出第一VMAF分数,以第一视频为测试视频、特定视频为参考视频输入预设VMAF模型,输出第二VMAF分数;将第一VMAF分数和第二VMAF分数分别转换为第一失真度和第二失真度。
S32,比较第一失真度和第二失真度;
S33,若第一失真度大于第二失真度,确定第一视频的视频质量高于特定视频;若第二失真度大于第一失真度,确定特定视频的视频质量高于第一视频;若第一失真度等于第二失真度,确定特定视频的视频质量等于第一视频。
测试视频相对参考视频的失真度越小,即越接近原始视频,VMAF分数越高,VMAF的值域区间为(0,100),通过负相关算法(如倒数),可以将VMAF分数转换为失真度,当然,本实施例在比较两个视频的视频质量时,也可以直接使用VMAF分数进行比较和排序,因为VMAF分数也是失真度的一种表现形式,如果直接使用VMAF分数进行比较,则是两次VMAF分数中得分较高的那次的参考视频质量好于另一个视频。
在本实施例的一些实施方式中,在第一视频和第二视频集合之后,还包括:判断第一视频和第二视频是否为相同视频;若第一视频和第二视频为相同视频,确定第一视频和第二视频的视频质量相等。
可选的,判断第一视频和第二视频是否为相同视频可以但不限于为以下方式:
方式一:计算第一视频的第一MD5值,以及计算第二视频的第二MD5值;若第一MD5值和第二MD5值相等,确定第一视频和第二视频为相同视频,若第一MD5值和第二MD5值不相等,确定第一视频和第二视频为不同视频;
MD5是一种信息摘要算法,每个不同的文件(如视频文件)有唯一的MD5值,本实施例用来比较视频文件是否完全相同。
方式二:分别读取第一视频和第二视频的文件大小;若第一视频和第二视频的文件大小相等,确定第一视频和第二视频为相同视频,若第一视频和第二视频的文件大小不相等,确定第一视频和第二视频不为不同视频。
可选的,文件大小通过从视频的属性信息中读取,也可以从文件的介绍信息中读取。
由于VMAF等有参考评价算法具有不对称性,即在计算时将两个视频交换顺序,分别一个作为“参考视频”,另一个作为“测试视频”,两次的VMAF计算结果是不同的。当把不同的失真视频作为“参考视频”,将同源的某其他失真视频(亦可使用原始视频)作为“测试视频”固定不变时,此时的VMAF分数与失真视频的质量具有单调递增性,分数越高,失真视频的质量越好。
例如,令S1=VMAF[同源某视频0失真视频1],S2=VMAF[同源某视频0失真视频2],S3=VMAF[同源某视频0失真视频3],若分数S1>S2>S3,则无论视频0质量如何,都能得出:视频1质量>视频2>视频3。利用这一特性来比较多个同源失真视频的质量。对N个同源的失真视频,首先选取任意一个视频作为“测试视频”固定,然后依次将剩余N-1个视频作为“参考视频”计算VMAF分数,按分数对这N-1个视频进行质量排序。最后利用二分法比较“测试视频”与已经排序好的视频的质量,得到最终N个视频的质量排序。图4是本发明实施例的整体流程图,包括:
步骤1:将待比较质量的N个同源失真视频,任意选取一个作为“测试视频”,剩余的N-1个视频全部作为“参考视频”。
步骤2:依次计算N-1个“参考视频”与固定的“测试视频”的VMAF评分并排序。计算命令为:VMAF[yuv_formatwidthheight测试视频参考视频ivmaf_model](其中i分别为1,2,...,N-1)。除“参考视频”外,其他参数保持不变:yuv_format为yuv格式,width和height为视频的宽和高,vmaf_model为计算时所采用的模型。将N-1个“参考视频”质量按照VMAF评分结果排序,得分高的对应的视频质量更好,排名更高。
需要说明的是,VMAF测试时需将测试视频转化为YUV视频格式。
步骤3:利用二分法确定“测试视频”的质量。将“测试视频”与已经排序好的N-1个视频利用二分法进行两两比较质量,直到“测试视频”视频质量好于排序第j个,差于排序第j-1个视频,j∈[1,N],则比较结束。
其中,两两视频质量比较的方法,见上述实施例中的描述。
下面对二分法进行举例说明:现有一个数10,要把它按顺序插入排序好的数组中[0,1,2,3,4,7,11,12,16]。则先将10和数组最中间的元素4比较,由于10>4,故将10和原数组右半边[7,11,12,16]比较,将10与新数组的中间元素11比较,由于10<11,故将10与新数组左半边[7]比较,只需与恰好剩下的唯一元素7比较,由于10>7,因此最终确定数10在数组中的插入位置为7之后,11之前,即得到插入后数组为[0,1,2,3,4,7,10,11,12,16]。
采用本实施例的方案,可在无原始视频的情况下,比较得出多个同源的失真视频的质量好坏。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
在本实施例中还提供了一种视频质量的比较装置,用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的一种视频质量的比较装置的结构框图,如图5所示,该装置包括:获取模块50,计算模块52,第一比较模块54,其中,
获取模块50,用于获取第一视频和第二视频集合,其中,所述第二视频集合包括多个第二视频,所述第一视频和所述第二视频是同一源视频采用不同方式编码后的视频;
计算模块52,用于以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度,其中,所述第二视频集合中的每个第二视频对应所述第一视频的一个失真度;
第一比较模块54,用于基于多个所述失真度,比较所述多个第二视频的视频质量。
可选的,所述比较模块包括:第一排序单元,用于对多个所述失真度进行排序,得到失真度序列;第二排序单元,用于基于所述失真度序列对所述多个第二视频的视频质量进行排序。
可选的,所述计算模块包括:计算单元,用于将所述第一视频固定为测试视频、每个所述第二视频分别为参考视频输入预设视频质量多装置评价融合VMAF模型,输出多个第一VMAF分数;确定单元,用于将所述多个第一VMAF分数分别转换为所述第一视频的多个失真度。
可选的,所述装置还包括:第二比较模块,用于在所述第一比较模块基于多个所述失真度,比较所述多个第二视频的视频质量之后,比较所述第一视频与所述多个第二视频的视频质量;输出模块,用于输出所述第一视频和多个第二视频的视频质量比较结果。
可选的,所述第二比较模块包括:选择单元,用于采用二分法在N个第二视频中选择若干个特定视频,其中,N为大于1的整数;比较单元,用于比较所述第一视频与所述特定视频的视频质量,直到所述第一视频的视频质量高于排序第j的第二视频,并低于排序第j-1的第二视频,其中,j∈[1,N]。
可选的,所述比较单元包括:计算子单元,用于以所述第一视频为参考视频计算所述特定视频的第一失真度,以所述特定视频为参考视频计算所述第一视频的第二失真度;比较子单元,用于比较所述第一失真度和所述第二失真度;确定子单元,用于若所述第一失真度大于所述第二失真度,确定所述第一视频的视频质量高于所述特定视频;若所述第二失真度大于所述第一失真度,确定所述特定视频的视频质量高于所述第一视频;若所述第一失真度等于所述第二失真度,确定所述特定视频的视频质量等于所述第一视频。
可选的,所述装置还包括:解码模块,用于在所述计算模块以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度之前,将所述第一视频和所述多个第二视频解码为未压缩格式。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取第一视频和第二视频集合,其中,所述第二视频集合包括多个第二视频,所述第一视频和所述第二视频是同一源视频采用不同方式编码后的视频;
S2,以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度,其中,所述第二视频集合中的每个第二视频对应所述第一视频的一个失真度;
S3,基于多个所述失真度,比较所述多个第二视频的视频质量。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子设备,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取第一视频和第二视频集合,其中,所述第二视频集合包括多个第二视频,所述第一视频和所述第二视频是同一源视频采用不同方式编码后的视频;
S2,以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度,其中,所述第二视频集合中的每个第二视频对应所述第一视频的一个失真度;
S3,基于多个所述失真度,比较所述多个第二视频的视频质量。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
图6是实施本发明实施例的一种电子设备的结构框图。如图6所示,包括处理器41和用于存储数据的存储器42,通过通信总线44连接,还包括与通信总线44连接的通信接口43,与其他部件或外部设备进行适配连接。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种视频质量的比较方法,其特征在于,包括:
获取第一视频和第二视频集合,其中,所述第二视频集合包括多个第二视频,所述第一视频和所述第二视频是同一源视频采用不同方式编码后的视频;
以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度,其中,所述第二视频集合中的每个第二视频对应所述第一视频的一个失真度;
基于多个所述失真度,比较所述多个第二视频的视频质量。
2.根据权利要求1所述的方法,其特征在于,基于多个所述失真度,比较所述多个第二视频的视频质量包括:
对多个所述失真度进行排序,得到失真度序列;
基于所述失真度序列对所述多个第二视频的视频质量进行排序。
3.根据权利要求1所述的方法,其特征在于,以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度,包括:
将所述第一视频固定为测试视频、每个所述第二视频分别为参考视频输入预设视频质量多方法评价融合VMAF模型,输出多个第一VMAF分数;
将所述多个第一VMAF分数分别转换为所述第一视频的多个失真度。
4.根据权利要求1所述的方法,其特征在于,在基于多个所述失真度,比较所述多个第二视频的视频质量之后,所述方法还包括:
比较所述第一视频与所述多个第二视频的视频质量;
输出所述第一视频和多个第二视频的视频质量比较结果。
5.根据权利要求4所述的方法,其特征在于,比较所述第一视频与所述多个第二视频的视频质量包括:
采用二分法在N个第二视频中选择若干个特定视频,其中,N为大于1的整数;
比较所述第一视频与所述特定视频的视频质量,直到所述第一视频的视频质量高于排序第j的第二视频,并低于排序第j-1的第二视频,其中,j∈[1,N]。
6.根据权利要求5所述的方法,其特征在于,比较所述第一视频与所述特定视频的视频质量包括:
以所述第一视频为参考视频计算所述特定视频的第一失真度,以所述特定视频为参考视频计算所述第一视频的第二失真度;
比较所述第一失真度和所述第二失真度;
若所述第一失真度大于所述第二失真度,确定所述第一视频的视频质量高于所述特定视频;若所述第二失真度大于所述第一失真度,确定所述特定视频的视频质量高于所述第一视频;若所述第一失真度等于所述第二失真度,确定所述特定视频的视频质量等于所述第一视频。
7.根据权利要求1所述的方法,其特征在于,在以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度之前,所述方法还包括:
将所述第一视频和所述多个第二视频解码为未压缩格式。
8.一种视频质量的比较装置,其特征在于,包括:
获取模块,用于获取第一视频和第二视频集合,其中,所述第二视频集合包括多个第二视频,所述第一视频和所述第二视频是同一源视频采用不同方式编码后的视频;
计算模块,用于以每个所述第二视频分别为参考视频,计算获得多个所述第一视频的失真度,其中,所述第二视频集合中的每个第二视频对应所述第一视频的一个失真度;
第一比较模块,用于基于多个所述失真度,比较所述多个第二视频的视频质量。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时执行上述权利要求1至7中任一项所述的方法步骤。
10.一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;其中:
存储器,用于存放计算机程序;
处理器,用于通过运行存储器上所存放的程序来执行权利要求1至7中任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011540135.9A CN112672159B (zh) | 2020-12-23 | 2020-12-23 | 视频质量的比较方法及装置、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011540135.9A CN112672159B (zh) | 2020-12-23 | 2020-12-23 | 视频质量的比较方法及装置、存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112672159A CN112672159A (zh) | 2021-04-16 |
CN112672159B true CN112672159B (zh) | 2023-05-05 |
Family
ID=75408978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011540135.9A Active CN112672159B (zh) | 2020-12-23 | 2020-12-23 | 视频质量的比较方法及装置、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112672159B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110213573A (zh) * | 2019-06-14 | 2019-09-06 | 北京字节跳动网络技术有限公司 | 一种视频质量评估方法、装置和电子设备 |
CN110704678A (zh) * | 2019-09-24 | 2020-01-17 | 中国科学院上海高等研究院 | 评估排序方法、评估排序系统、计算机装置及储存介质 |
CN112019840A (zh) * | 2020-10-22 | 2020-12-01 | 杭州微帧信息科技有限公司 | 一种结合jnd和vmaf的视频质量评估方法 |
CN112104863A (zh) * | 2020-09-18 | 2020-12-18 | 北京金山云网络技术有限公司 | 视频质量评测模型训练、视频质量评测的方法和相关装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11216698B2 (en) * | 2018-02-16 | 2022-01-04 | Spirent Communications, Inc. | Training a non-reference video scoring system with full reference video scores |
US11405695B2 (en) * | 2019-04-08 | 2022-08-02 | Spirent Communications, Inc. | Training an encrypted video stream network scoring system with non-reference video scores |
-
2020
- 2020-12-23 CN CN202011540135.9A patent/CN112672159B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110213573A (zh) * | 2019-06-14 | 2019-09-06 | 北京字节跳动网络技术有限公司 | 一种视频质量评估方法、装置和电子设备 |
CN110704678A (zh) * | 2019-09-24 | 2020-01-17 | 中国科学院上海高等研究院 | 评估排序方法、评估排序系统、计算机装置及储存介质 |
CN112104863A (zh) * | 2020-09-18 | 2020-12-18 | 北京金山云网络技术有限公司 | 视频质量评测模型训练、视频质量评测的方法和相关装置 |
CN112019840A (zh) * | 2020-10-22 | 2020-12-01 | 杭州微帧信息科技有限公司 | 一种结合jnd和vmaf的视频质量评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112672159A (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111950653A (zh) | 视频处理方法和装置、存储介质及电子设备 | |
CN110121098B (zh) | 视频播放方法、装置、存储介质和电子装置 | |
CN104053023B (zh) | 一种确定视频相似度的方法及装置 | |
US20170236058A1 (en) | Generating a training model based on feedback | |
CN111696105B (zh) | 视频处理方法、装置和电子设备 | |
CN110519607B (zh) | 视频解码方法及装置,视频编码方法及装置 | |
CN112950579B (zh) | 图像质量评价方法、装置和电子设备 | |
CN110991298B (zh) | 图像的处理方法和装置、存储介质及电子装置 | |
CN112906806A (zh) | 一种基于神经网络的数据优化方法及装置 | |
CN112672159B (zh) | 视频质量的比较方法及装置、存储介质、电子设备 | |
CN113391741B (zh) | 操作校验方法和装置、存储介质及电子设备 | |
CN106960432B (zh) | 一种无参考立体图像质量评价方法 | |
CN112616051B (zh) | 视频质量的比较方法及装置、存储介质、电子设备 | |
CN113408332A (zh) | 视频分镜方法、装置、设备及计算机可读存储介质 | |
CN111243046A (zh) | 图像质量检测方法、装置、电子设备及存储介质 | |
CN114466224B (zh) | 视频数据的编解码方法和装置、存储介质及电子设备 | |
CN104462422A (zh) | 对象的处理方法及装置 | |
CN114339252A (zh) | 一种数据压缩方法及装置 | |
CN116129208A (zh) | 图像质量评估及其模型训练方法、装置及电子设备 | |
CN113674276A (zh) | 图像质量差异评分方法、装置、存储介质以及电子设备 | |
CN110677692A (zh) | 视频解码方法及装置、视频编码方法及装置 | |
CN113747162B (zh) | 视频处理方法和装置、存储介质和电子装置 | |
CN111953959A (zh) | Vr视频质量评估方法及装置 | |
CN113747161B (zh) | 信息的获取方法和装置、存储介质和电子装置 | |
CN112153663A (zh) | 无线网络评估方法和装置 |
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 |