CN113781384A - 视频质量评估方法和装置 - Google Patents

视频质量评估方法和装置 Download PDF

Info

Publication number
CN113781384A
CN113781384A CN202110083566.5A CN202110083566A CN113781384A CN 113781384 A CN113781384 A CN 113781384A CN 202110083566 A CN202110083566 A CN 202110083566A CN 113781384 A CN113781384 A CN 113781384A
Authority
CN
China
Prior art keywords
sub
video frame
scoring
frame sequence
sequence
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.)
Pending
Application number
CN202110083566.5A
Other languages
English (en)
Inventor
周芳汝
安山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Wodong Tianjun Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN202110083566.5A priority Critical patent/CN113781384A/zh
Publication of CN113781384A publication Critical patent/CN113781384A/zh
Priority to PCT/CN2022/070276 priority patent/WO2022156534A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

本申请公开了视频质量评估方法和装置，涉及视频处理技术领域。该方法的一具体实施方式包括：获取待评估视频帧序列；从待评估视频帧序列中，确定出至少一个子视频帧序列；按照预设的评分规则，对各子视频帧序列进行评分；根据各子视频帧序列的评分，对待评估视频帧序列进行质量评估。该实施方式有助于对视频质量进行更加合理、有效地评估。

Description

视频质量评估方法和装置
技术领域
本申请涉及计算机技术领域，具体涉及视频处理技术领域，尤其涉及一种视频质量评估方法和装置。
背景技术
随着信息时代的到来，视频用户增长迅速，各个平台上的视频出现了爆发式的增长，为了保证用户对视频的观感体验，我们需要对大量的视频进行质量评估。
目前对视频进行质量评估的方式主要包括两种：一、通过用户观看视频的点击率、点赞率、观看时长等人为方式对视频质量进行评估；二、通过视频的每帧图像的画质对视频质量进行评估。
发明内容
本申请实施例提供了一种视频质量评估方法、装置、设备以及存储介质。
根据第一方面，本申请实施例提供了一种视频质量评估方法，该方法包括：获取待评估视频帧序列；从待评估视频帧序列中，确定出至少一个子视频帧序列，子视频帧序列为一组视频帧的颜色均值梯度满足预设条件连续视频帧；按照预设的评分规则，对各子视频帧序列进行评分，预设的评分规则与各子视频帧序列的属性信息相关联；根据各子视频帧序列的评分，对待评估视频帧序列进行质量评估。
在一些实施例中，预设的评分规则包括以下至少一项：与各子视频帧序列的平均时长相关联的第一评分规则；与各子视频帧序列的目标展示对象相关联的第二评分规则。
在一些实施例中，预设的评分规则包括：第一评分规则和第二评分规则，以及按照预设的评分规则，对各子视频帧序列进行评分，包括：按照第一评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第一评分；按照第二评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第二评分；根据第一评分和所述第二评分，对各子视频帧序列进行评分。
在一些实施例中，第二评分规则包括以下至少一项：与各子视频帧序列的目标展示对象在相应子视频帧序列中出现的频率相关联的第三评分规则；与各子视频帧序列的目标展示对象在相应子视频帧序列中的面积相关联的第四评分规则。
在一些实施例中，预设的评分规则包括第三评分规则和第四评分规则，以及按照预设的评分规则，对各子视频帧序列进行评分，包括：按照第三评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第三评分；按照第四评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第四评分；根据第三评分和所述第四评分，对各子视频帧序列进行评分。
根据第二方面，本申请实施例提供了一种视频质量评估装置，该装置包括：获取模块，被配置成获取待评估视频帧序列；确定模块，被配置成从待评估视频帧序列中，确定出至少一个子视频帧序列，所述子视频帧序列为一组视频帧的颜色值梯度均满足预设条件连续视频帧；评分模块，被配置成按照预设的评分规则，对各子视频帧序列进行评分，所述预设的评分规则与各子视频帧序列的属性信息相关联；评估模块，被配置成根据各子视频帧序列的评分，对待评估视频帧序列进行质量评估。
在一些实施例中，预设的评分规则包括以下至少一项：与各子视频帧序列的平均时长相关联的第一评分规则；与各子视频帧序列的目标展示对象相关联的第二评分规则。
在一些实施例中，评分装置进一步被配置成：按照第一评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第一评分；按照第二评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第二评分；根据第一评分和第二评分，对各子视频帧序列进行评分。
在一些实施例中，第二评分规则包括以下至少一项：与各子视频帧序列的目标展示对象在相应子视频帧序列中出现的频率相关联的第三评分规则；与各子视频帧序列的目标展示对象在相应子视频帧序列中的面积相关联的第四评分规则。
在一些实施例中，评分装置进一步被配置成：按照第三评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第三评分；按照第四评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第四评分；根据第三评分和第四评分，对各子视频帧序列进行评分。
根据第三方面，本申请实施例提供了一种电子设备，该电子设备包括一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被该一个或多个处理器执行，使得一个或多个处理器实现如第一方面的任一实施例的视频质量评估方法。
根据第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的任一实施例的视频质量评估方法。
本申请通过获取待评估视频帧序列；从待评估视频帧序列中，确定出至少一个子视频帧序列；按照预设的评分规则，对各子视频帧序列进行评分；根据各子视频帧序列的评分，对待评估视频帧序列进行质量评估，即先将待评估视频帧序列划分为不同的画面，然后根据各画面的属性信息对各画面进行评分，进而对视频质量进行评估，有效提升了对视频质量进行评估的合理性和有效性。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的视频质量评估方法的一个实施例的流程图；
图3是根据本申请的视频质量评估方法的一个应用场景的示意图；
图4是根据本申请的视频质量评估方法的另一个实施例的流程图；
图5是根据本申请的视频质量评估装置的一个实施例的示意图；
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
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。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的视频质量评估方法的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如，视频播放类应用、通讯类应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于手机和笔记本电脑。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供视频质量评估服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如，获取待评估视频帧序列；从待评估视频帧序列中，确定出至少一个子视频帧序列；按照预设的评分规则，对各子视频帧序列进行评分；根据各子视频帧序列的评分，对待评估视频帧序列进行质量评估。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供视频质量评估服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要指出的是，本公开的实施例所提供的视频质量评估方法可以由服务器105执行，也可以由终端设备101、102、103执行，还可以由服务器105和终端设备101、102、103彼此配合执行。相应地，视频质量评估装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器105中，也可以全部设置于终端设备101、102、103中，还可以分别设置于服务器105和终端设备101、102、103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
图2示出了可以应用于本申请的视频质量评估方法的实施例的流程示意图200。在本实施例中，视频质量评估方法包括以下步骤：
步骤201，获取待评估视频帧序列。
在本实施例中，执行主体(如图1中所示的服务器105或终端设备101、102、103)可以从本地获取待评估的视频帧序列，也可以通过有线或无线的方式从远程视频数据库服务器获取待评估的视频帧序列，本申请对此不作限定。
步骤202，从所述待评估视频帧序列中，确定出至少一个子视频帧序列。
在本实施例中，执行主体在获取到待评估视频帧序列后，可以从待评估视频帧序列中确定出至少一个子视频帧序列，子视频帧序列为一组视频帧的颜色均值梯度满足预设条件连续视频帧。
其中，预设条件可以是视频帧的颜色均值梯度是否大于等于预设的颜色均值梯度阈值，是否满足预设的颜色均值梯度阈值范围等。这里，颜色均值梯度阈值、颜色均值梯度阈值范围可根据经验、实际需求和具体地应用场景确定，本申请对此不作限定。
这里，颜色均值梯度通过如下形式表示，若当前待评估视频帧序列可以拆分为K个视频帧，其中，第k(k＝1，2，…，K)个视频帧使用Ik表示，视频帧中第i行、第j列的像素值为Ik(i，j)，视频帧的大小为(W，H)，该视频帧的RGB(Red Green Blue，红色、绿色、蓝色)通道分别表示为Rk、Gk、Bk。计算每个视频帧R、G、B通道的像素均值，则第k帧的三个通道的均值分别为：
Figure BDA0002910002410000061
Figure BDA0002910002410000062
Figure BDA0002910002410000063
第k帧的颜色均值梯度由Dk表示
Figure BDA0002910002410000064
具体地，颜色均值梯度阈值由th(例如，th＝100)表示，若第k帧的颜色均值梯度大于等于预设颜色均值梯度阈值，表示为Tk＝1；若第k帧的颜色均值梯度小于预设颜色均值梯度阈值，表示为Tk＝0，具体如下所示
Figure BDA0002910002410000065
其中，至少一个子视频帧序列中的各子视频帧序列中的视频帧可以由Tk＝0的视频帧组成，且通常Tk＝0的视频帧为连续帧，用于表征一个画面，而对于Tk＝1的视频帧通常用于表示用于表征画面的各子视频帧序列之间的过渡帧。
步骤203，按照预设的评分规则，对各子视频帧序列进行评分。
在本实施例中，执行主体在确定出各子视频帧序列后，可进一步按照预设的评分规则对各视频帧序列进行评分，这里，预设的评分规则与各子视频帧序列的属性信息相关联，也即预设的评分规则依据各子视频帧的属性信息设定。
这里，各子视频帧序列的属性信息可以包括各子视频帧序列对应的目标展示对象、各子视频帧序列的平均展示时长、各子视频帧序列包括的展示对象的数量等等。预设的评分规则可以根据上述各子视频帧序列的属性信息中的一项或多项进行设定，本申请对此不做限定。
这里，目标展示对象为各子视频帧序列主要想展示的目标物体，执行主体可以依据子视频帧序列中各展示对象的面积确定目标展示对象，也可以依据子视频帧序列中各展示对象出现的频率确定目标展示对象，本申请对此不作限定。
可选地，执行主体可将各子视频帧序列对应的展示对象类别集合中出现频率最高的类别对应的展示对象确定为目标展示对象，其中，展示对象类别集合由相应子视频帧序列中每一视频帧的展示对象所属的类别组成。这里，若确定出的每一视频帧的展示对象所属的类别存在相同的类别，则对相同类别进行删减，仅保留相同类别中的一个。
具体地，一个子视频帧序列中包括N(N＝1，2，…，n)个视频帧，假设第n帧视频帧中检测到Mn个展示对象，则展示对象集合为
Figure BDA0002910002410000071
Figure BDA0002910002410000072
其中第i(i＝1……Mn)个展示对象
Figure BDA0002910002410000073
对应的展示对象类别为
Figure BDA0002910002410000074
展示对象类别集合为
Figure BDA0002910002410000075
若Mn个展示对象中存在相同类别，
Figure BDA0002910002410000076
第n帧视频帧中共存在Cn种不同类别的展示对象，则对Ln去重后的类别集合为
Figure BDA0002910002410000077
由N个视频帧中去重后的类别集合构成的展示对象类别集合为L＝{l1，l2，…，lM}，共包括M个对象的类别，经类别去重后，子视频帧序列对应的类别集合为L′＝{l1′，l2′，…，lC′}，共包括C种类别，计算集合L′中各展示对象类别出现的频率，对于展示对象类别li′，其出现的频率为pi
Figure BDA0002910002410000078
目标展示对象的类别为
Figure BDA0002910002410000079
其索引为i*
Figure BDA0002910002410000081
即可认为子视频帧序列中类别为
Figure BDA0002910002410000082
的展示对象为目标展示对象。
执行主体可以采用现有技术或未来发展技术中的对视频帧中的展示对象的类别进行检测的算法，例如，SSD(Single Shot MultiBox Detector，one-stage多框检测算法)，R-CNN(Region-based Convolution Neural Networks，基于区域的卷积神经网络算法)等，检测各子视频帧序列中每一视频帧所包含的展示对象的类别。
具体地，子视频帧序列M包括视频帧A(包含的展示对象为两个人和一只狗)和视频帧B(包含的展示对象为一个人和三辆车)，经目标检测算法对视频帧A和视频帧B进行检测，得到视频帧A中所包括的展示对象所属的类别为人和动物，视频帧B中所包括的展示对象所属的类别为人和汽车，故子视频帧序列M对应的展示对象类别集合为{人、动物、人、汽车}。执行主体可将展示对象类别集合中的人对应的展示对象(视频帧A中的两个人和视频帧B中的一个人)确定为目标展示对象。
在一些可选的方式中，预设的评分规则包括以下至少一项评分子规则：与各子视频帧序列的平均时长相关联的第一评分规则；与各子视频帧序列的目标展示对象相关联的第二评分规则。
在本实现方式中，执行主体按照第一评分规则、第二评分规则中的至少一项，对各子视频帧序列进行评分。
其中，第一评分规则与各子视频帧序列的平均时长相关联，也即第一评分规则依据各子视频帧序列的平均时长设定。
这里，执行主体按照第一评分规则对各子视频帧序列进行评分的方式可以是根据预设的时长评分对照表对各子视频帧序列进行评分，也可以根据各子视频帧序列的平均时长是否满足预设的时长阈值范围，对各子视频帧序列进行评分，本申请对此不作限定。
其中，预设的时长阈值范围可根据经验、实际需求和具体的应用场景确定，本申请对此不作限定。
具体地，从待评估视频帧序列L中确定出Q个子视频帧序列，待评估视频帧序列L的帧率为f，第q(取值范围为1～Q)个子视频帧序列的帧数为Fq，则各子视频帧序列的平均时长MT为
Figure BDA0002910002410000091
进一步地，执行主体可以判断MT是否满足预设的时长阈值范围，若满足，则评分为1，若不满足，则评分为0。
其中，第二评分规则与各子视频帧序列的目标展示对象相关联，也即第二评分规则依据各子视频帧序列的目标展示对象设定。
这里，第二评分规则依据各子视频帧序列的目标展示对象进行设定的方式可以包括多种，例如，根据各子视频帧序列的目标展示对象的类别进行设定；根据各子视频帧序列的目标展示对象在相应子视频帧序列中出现的频率进行设定，根据各子视频帧序列的目标展示对象在相应子视频帧序列中占据的面积进行设定等等，本申请对此不作限定。
相应地，执行主体按照第二评分规则对各子视频帧序列进行评分的方式可以包括多种，例如，根据预设的目标展示对象类别评分对照表对各子视频帧序列进行评分；根据各子视频帧序列的目标展示对象在相应子视频序列帧中出现的频率是否满足预设的频率阈值范围对各子视频帧序列进行评分；根据各子视频帧序列的目标展示对象的面积与包含目标展示对象的视频帧的面积的比值是否满足预设的比值阈值范围对各子视频帧序列进行评分等等，本申请对此不作限定。
具体地，待评估视频帧序列中包含子视频帧序列A和子视频帧序列B，其中，子视频帧序列A的目标展示对象为人；而子视频帧序列B的目标展示对象为物品，预设的评分规则为：当目标展示对象为人时，对应的子视频帧序列的评分为1分；当目标展示对象为物品时，对应的子视频帧序列的评分为0分，故待评估视频帧序列中子视频帧序列A的评分为1分，子视频帧序列B的评分为0分。
需要指出的是，若预设的评分规则包括第一评分规则和第二评分规则，则执行主体按照第一评分规则和第二评分规则对各子视频帧序列进行评分。
具体地，第一评分规则与各子视频帧序列的平均时长相关联，第二评分规则与各子视频帧序列的目标展示对象的类别相关联，待评估视频帧序列中包含子视频帧序列A和子视频帧序列B，其中，子视频帧序列A的目标展示对象为人，平均时长为5s；而子视频帧序列B的目标展示对象为物品，平均时长为5s，预设的评分规则为：当目标展示对象为人且平均时长大于等于3s时，对应的子视频帧序列的评分为1分；否则，对应的子视频帧序列的评分为0分，故待评估视频帧序列中子视频帧序列A的评分为1分，子视频帧序列B的评分为0分。
该实现通过按照第一评分规则和/或第二评分规则，对各子视频帧序列进行评分，进而根据各子视频帧序列的评分，对待评估视频帧序列进行质量评估，充分考虑了各子视频帧序列的属性信息中的平均时长和/或目标展示对象对视频质量的影响，有效提升了评估的视频质量的准确性和有效性。
步骤204，根据各子视频帧序列的评分，对待评估视频帧序列进行质量评估。
在本实施例中，执行主体在确定各子视频帧序列的评分后，可以根据各子视频帧序列的评分以及相应的权重系数，对待评估视频帧序列进行评估。
其中，分别与第一评分和第二评分相对应的权重系数可以根据经验、实际需求和具体地应用场景确定，本申请对此不作限定。
继续参见图3，图3是根据本实施例的视频质量方法的应用场景的一个示意图。
在图3的应用场景中，执行主体301获取到待评估视频帧序列302，从待评估待评估视频帧序列302中确定出3个子视频帧序列，子视频帧序列为一组视频帧的颜色均值梯度满足预设条件(例如，小于预设的颜色均值梯度阈值)连续视频帧，3个子视频帧序列分别为子视频帧序列A303(包含展示对象的数量为5)、子视频帧序列B304(包含展示对象的数量为10)和子视频帧序列C305(包含展示对象的数量为20)；按照预设的评分规则，对各子视频帧序列进行评分，得到各子视频帧序列的评分，即子视频帧A的评分306、子视频帧序列B的评分307和子视频帧序列C的评分308的评分，其中，预设的评分规则与各子视频帧序列的属性信息相关联，属性信息包括展示对象的数量，预设的评分规则为数量评分对照表，如，数量20对应2分，数量10对应1分，数量5对应0分；进一步地，执行主体根据各子视频帧序列的评分，对待评估视频帧序列进行质量评估，如直接将子视频帧A的评分306、子视频帧序列B的评分307、子视频帧序列C的评分308的评分直接相加得到待评估视频帧序列的评分309。
本公开的视频质量评估方法，通过获取待评估视频帧序列；从待评估视频帧序列中，确定出至少一个子视频帧序列；按照预设的评分规则，对各子视频帧序列进行评分；根据各子视频帧序列的评分，对待评估视频帧序列进行质量评估，有效提升了对视频质量进行评估的合理性和有效性。
进一步参考图4，其示出了图2所示的视频质量评估方法的又一个实施例的流程400。在本实施例中，预设的评分规则包括第一评分规则和第二评分规则。本实施例的视频质量评估方法的流程400，可包括以下步骤：
步骤401，获取待评估视频帧序列。
在本实施例中，步骤401的实现细节和技术效果，可以参考对步骤201的描述，在此不再赘述。
步骤402，基于所述待评估视频帧序列中每一视频帧的颜色均值梯度，确定出至少一个子视频帧序列。
在本实施例中，步骤402实现细节和技术效果，可以参考对步骤202描述，在此不再赘述。
步骤403，按照第一评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第一评分。
在本实施例中，执行主体按照第一评分规则对各子视频帧序列进行评分的方式可以是根据预设的时长评分对照表对各子视频帧序列进行评分，也可以根据各子视频帧序列的平均时长是否满足预设的时长阈值范围，对各子视频帧序列进行评分，本申请对此不作限定。
步骤404，按照第二评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第二评分。
在本实施例中，执行主体按照第二评分规则对各子视频帧序列进行评分的方式可以包括多种，例如，根据预设的目标展示对象类别评分对照表对各子视频帧序列进行评分；根据各子视频帧序列的目标展示对象出现的频率是否满足预设的频率阈值范围对各子视频帧序列进行评分；根据各子视频帧序列的目标展示对象占据的面积与包含目标展示对象的视频帧的面积的比值是否满足预设的比值阈值范围对各子视频帧序列进行评分等等，本申请对此不作限定。
在一些可选的方式中，第二评分规则包括以下至少一项：与各子视频帧序列的目标展示对象出现的频率相关联的第三评分规则；与各子视频帧序列的目标展示对象的面积相关联的第四评分规则。
在本实现方式中，执行主体按照第三评分规则、第四评分规则中的至少一项，对各子视频帧序列进行评分。
其中，第三评分规则与各子视频帧序列的目标展示对象在相应子视频帧序列中出现的频率相关联，也即，第三评分规则依据各子视频帧序列的目标展示对象在相应子视频帧序列中出现的频率设定。
这里，各子视频帧序列的目标展示对象在相应子视频帧序列中出现的频率可以是目标展示对象在相应子视频帧序列中出现的频率，也可以是目标展示对象的类型在相应子视频帧序列对应的展示对象类型集合中出现的频率，本申请对此不作限定。
与目标展示对象出现的频率相关联的第三评分规则可以是预设的频率评分对照表，也可以是根据各子视频序列的目标展示对象在相应子视频帧序列中出现的频率是否满足预设的频率阈值范围对各子视频帧序列进行评分。
具体地，若子视频帧序列M对应的展示对象类别集合为{人，人，人，动物}，其目标展示对象的类别为人，且人在展示对象类别集合中出现的频率为0.75；子视频帧序列N对应的展示对象类别集合为{车，车，动物}，其目标展示对象的类别为车，且车在展示对象类别集合中出现的频率为0.67。若预设的频率阈值范围为大于等于0.7小于等于0.8，第三评分规则为若满足预设的频率阈值范围则评分为1，若不满足预设的频率阈值范围，则评分为0，则根据第三评分规则，子视频帧序列M的评分为1，子视频帧序列N的评分为0。
其中，第四评分规则与各子视频帧序列的目标展示对象在相应子视频帧序列中的面积相关联，也即，第四评分规则依据各子视频帧序列的目标展示的面积设定。
这里，与各子视频帧序列中目标展示对象的面积相关联的第四评分规则可以是与各子视频帧序列中目标展示对象的总面积与包含目标展示对象的视频帧的总面积的第一比值相关联的第四评分规则，也可以是与各子视频帧序列中包含目标展示对象的各视频帧中面积最大的目标展示对象的面积的总和与包含目标展示对象的视频帧的总面积的第二比值相关联的第四评分规则，本申请对此不作限定。
具体地，一个子视频帧序列中包括N(N＝1，2，…，n)个视频帧，假设第n帧视频帧中检测到Mn个展示对象，则展示对象集合为
Figure BDA0002910002410000131
Figure BDA0002910002410000132
其中第i个展示对象
Figure BDA0002910002410000133
对应的展示对象类别为
Figure BDA0002910002410000134
展示对象类别集合为
Figure BDA0002910002410000135
对Ln去重后的类别集合为
Figure BDA0002910002410000136
Figure BDA0002910002410000137
对于类别
Figure BDA0002910002410000138
需在所有类别为
Figure BDA0002910002410000139
的展示对象中，保留面积最大的展示对象，记展示对象
Figure BDA00029100024100001310
的面积为
Figure BDA00029100024100001311
则对于类别
Figure BDA00029100024100001312
筛选后的面积最大的展示对象为
Figure BDA00029100024100001313
Figure BDA00029100024100001314
筛选后的第n帧视频帧的展示对象集合为
Figure BDA00029100024100001315
由N个视频帧对应的展示对象集合构成的展示对象集合为S＝{S′1，S′2，…，S′N}＝{s1，s2，…，sM}，展示对象集合S对应的展示对象类别集合为L＝{l1，l2，…，lM}，经类别去重后，得到的类别集合为L′＝{l1′，l2′，…，lC′}。在展示对象集合S中找到所有类别为目标展示对象类别
Figure BDA00029100024100001316
的展示对象，并计算他们的面积在视频帧中的比例，每一视频帧的大小为W×H，si的面积为area(si)，则第q个子视频帧序列的目标展示对象的平均面积比例R为
Figure BDA00029100024100001317
相应地，第四评分规则可以是比值评分对照表，也可以是根据各子视频序列的比值是否满足预设的比值阈值范围对各子视频帧序列进行评分。
具体地，若子视频帧序列M包括视频帧C1(包含的展示对象两个人和一辆车)和视频帧C2(包含的展示对象为两个人和一只动物)，故其对应的展示对象类别集合为{人，车，人，动物}，其目标展示对象为人。进一步地，执行主体计算目标展示对象的总面积(视频帧C1中两个人的面积与视频帧C2中两个人的面积的和)与包含目标展示对象的视频帧的总面积(视频帧C1和视频帧C2的总面积)的比值，并且，第四评分规则为判断比值是否满足预设的比值阈值范围，若满足，则评分为1，若不满足，则评分为0。若上述计算得到的比值为0.5，预设的比值阈值范围为大于0.3小于等于0.6，则子视频帧序列M的评分为1。
该实现通过按照第三评分规则和/或第四评分规则，对各子视频帧序列进行评分，进而根据各子视频帧序列的评分，对待评估视频帧序列进行质量评估，充分考虑了各子视频帧序列中的目标展示对象的面积和/或出现的频率对视频质量的影响，进一步提升了评估的视频质量的准确性和有效性。
在一些可选的方式中，按照预设的评分规则，对各子视频帧序列进行评分，包括：按照第三评分规则对各子视频帧序列进行评分，得到第三评分，按照第四评分规则对各子视频帧序列进行评分，得到第四评分，根据第三评分和第四评分对各子视频帧序列进行评分。
在本实现方式中，预设的评分规则包括第三评分规则和第四评分规则，执行主体可以首先按照与各子视频帧序列的目标展示对象在相应子视频帧序列中出现的频率相关联的第三评分规则对各子视频帧进行评分，得到第三评分；然后，按照与各子视频帧序列的目标展示对象在相应子视频帧序列中的面积相关联的第四评分规则对各子视频帧序列进行评分，得到第四评分，最后根据第三评分和第四评分，得到各子视频帧序列的评分。
这里，执行主体可以根据第三评分和第四评分以及各自的权重系数，得到各子视频帧序列的评分。
其中，分别与第三评分和第四评分相对应的权重系数，可根据经验、实际需求和具体的应用场景进行设定，本申请不作限定。
该实现方式通过根据第三评分规则和第四评分规则单独对各子视频帧序列进行评分，有助于在综合考虑各子视频帧序列的目标展示对象的频率以及各子视频帧序列的目标展示对象的面积对视频质量影响的条件下，提升得到的各子视频帧序列的评分的准确性，进而进一步提升对视频质量进行评估的有效性和合理性。
此外，需要指出的是，若预设的评分规则包括第一评分规则、第三评分规则、第四评分规则，则按照预设的评分规则，对各子视频帧序列进行评分，包括：按照第一评分规则，对各子视频帧序列进行评分，得到第一评分；按照第三评分规则，对各子视频帧序列进行评分，得到第三评分；按照第四评分规则，对各子视频帧序列进行评分，得到第四评分；根据第一评分、第三评分和第四评分，对各子视频帧序列进行评分。
这里，若对于一个视频帧序列，共包括Q个子视频帧序列，按照第一评分规则、第三评分规则、第四评分规则，对各子视频帧序列进行评分，得到各子视频帧序列的第一评分为Score1，第三评分为
Figure BDA0002910002410000151
Figure BDA0002910002410000152
第四评分为
Figure BDA0002910002410000153
则视频帧序列的最终得分Score可以表示为
Figure BDA0002910002410000154
具体地，若子视频帧序列M包括视频帧C1(包含的展示对象两个人和一辆车)和视频帧C2(包含的展示对象为两个人和一只动物)，子视频帧序列M的平均时长为2s，其对应的展示对象类别集合为{人，车，人，动物}，目标展示对象为人。进一步地，执行主体计算目标展示对象的总面积(视频帧C1中两个人的面积与视频帧C2中两个人的面积的和)与包含目标展示对象的视频帧的总面积(视频帧C1和视频帧C2的总面积)的比值，以及计算目标展示对象在展示对象类别集合中出现的频率0.5，并且，第一评分规则为判断子视频帧序列的平均时长是否满足预设的时长阈值范围，若满足，则评分为1，若不满足，则评分为0，第三评分规则为判断频率是否满足预设的频率阈值范围，若满足，则评分为1，若不满足，则评分为0，第四评分规则为判断比值是否满足预设的比值阈值范围，若满足，则评分为1，若不满足，则评分为0。若上述计算得到的比值为0.5，预设的比值阈值范围为大于0.3小于等于0.6，预设的时长阈值范围为大于1s小于等于2s，预设的频率阈值范围为大于0.4小于等于0.6，则子视频帧序列M的评分可以表示为第一评分、第三评分和第四评分的和3。
该实现方式通过根据第一评分、第三评分规则和第四评分规则单独对各子视频帧序列进行评分，有助于在综合考虑各子视频帧序列的平均时长、各子视频帧序列的目标展示对象的频率以及各子视频帧序列的目标展示对象的面积对视频质量影响的条件下，提升得到的各子视频帧序列的评分的准确性，进而进一步提升对视频质量进行评估的有效性和合理性。
步骤405，根据各子视频帧序列的第一评分和各子视频帧序列的第二评分，得到各子视频帧序列的评分。
在本实施例中，执行主体可以直接根据第一评分和第二评分，得到各子视频帧序列的评分，也可以根据第一评分和第二评分以及各自的权重系数，得到各子视频帧序列的评分，本申请对此不作限定。
步骤406，根据各子视频帧序列的评分，对待评估视频帧序列进行质量评估。
在本实施例中，步骤406的实现细节和技术效果，可以参考对步骤204的描述，在此不再赘述。
从图4中可以看出，与图2对应的实施例相比，本实施例中的视频质量评估方法的流程400体现了按照第一评分规则和第二评分规则分别对各子视频帧序列进行评分，得到第一评分和第二评分，并根据第一评分和第二评分，对各子视频帧序列进行评分，进而根据各子视频帧序列的评分，对待评估视频帧序列进行质量评估。本实施例描述的方案通过根据第一评分规则和第二评分规则单独对各子视频帧序列进行评分，有助于在综合考虑各子视频帧序列的平均时长以及各子视频帧序列的目标展示对象对视频指量影响的条件下，提升得到的各子视频帧序列的评分的准确性，提升对视频质量进行评估的有效性和合理性。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种视频质量评估装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的视频质量评估装置500包括：获取模块501、确定模块502和评分模块503和评估模块504。
其中，获取模块501，可被配置成获取待评估视频帧序列。
确定模块502，可被配置成从待评估视频帧序列中，确定出至少一个子视频帧序列。
评分模块503，可被配置成按照预设的评分规则，对各子视频帧序列进行评分。
评估模块504，可被配置成根据各子视频帧序列的评分，对待评估视频帧序列进行质量评估。
在本实施例的一些可选的方式中，预设的评分规则包括以下至少一项：与各子视频帧序列的平均时长相关联的第一评分规则；与各子视频帧序列的目标展示对象相关联的第二评分规则。
在本实施例的一些可选的方式中，评分装置进一步被配置成：按照第一评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第一评分；按照第二评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第二评分；根据第一评分和第二评分，对各子视频帧序列进行评分。
在本实施例的一些可选的方式中，第二评分规则包括以下至少一项：与各子视频帧序列的目标展示对象在相应子视频帧序列中出现的频率相关联的第三评分规则；与各子视频帧序列的目标展示对象在相应子视频帧序列中的面积相关联的第四评分规则。
在本实施例的一些可选的方式中，评分装置进一步被配置成：按照第三评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第三评分；按照第四评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第四评分；根据第三评分和第四评分，对各子视频帧序列进行评分。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图6所示，是根据本申请实施例的视频质量评估方法的电子设备的框图。
600是根据本申请实施例的视频质量评估方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的视频质量评估方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的视频质量评估方法。
存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的视频质量评估方法对应的程序指令/模块(例如，附图5所示的获取模块501、确定模块502、评分模块503和评估模块504)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的视频质量评估方法。
存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储视频质量评估的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至视频质量评估的电子设备。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。
视频质量评估方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，有助于对视频质量进行更加合理、有效地评估。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种视频质量评估方法，所述方法包括：
获取待评估视频帧序列；
从所述待评估视频帧序列中，确定出至少一个子视频帧序列，所述子视频帧序列为一组视频帧的颜色均值梯度满足预设条件连续视频帧；
按照预设的评分规则，对各子视频帧序列进行评分，所述预设的评分规则与各子视频帧序列的属性信息相关联；
根据各子视频帧序列的评分，对所述待评估视频帧序列进行质量评估。
2.根据权利要求1所述的方法，其中，所述预设的评分规则包括以下至少一项：
与各子视频帧序列的平均时长相关联的第一评分规则；
与各子视频帧序列的目标展示对象相关联的第二评分规则。
3.根据权利要求2所述的方法，其中，所述预设的评分规则包括：第一评分规则和第二评分规则，以及所述按照预设的评分规则，对各子视频帧序列进行评分，包括：
按照第一评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第一评分；
按照第二评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第二评分；
根据所述第一评分和所述第二评分，对各子视频帧序列进行评分。
4.根据权利要求2所述的方法，其中，所述第二评分规则包括以下至少一项：
与各子视频帧序列的目标展示对象在相应子视频帧序列中出现的频率相关联的第三评分规则；
与各子视频帧序列的目标展示对象在相应子视频帧序列中的面积相关联的第四评分规则。
5.根据权利要求4所述的方法，其中，所述预设的评分规则包括第三评分规则和第四评分规则，以及所述按照预设的评分规则，对各子视频帧序列进行评分，包括：
按照第三评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第三评分；
按照第四评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第四评分；
根据所述第三评分和所述第四评分，对各子视频帧序列进行评分。
6.一种视频质量评估装置，所述装置包括：
获取模块，被配置成获取待评估视频帧序列；
确定模块，被配置成从所述待评估视频帧序列中，确定出至少一个子视频帧序列，所述子视频帧序列为一组视频帧的颜色值梯度均满足预设条件连续视频帧；
评分模块，被配置成按照预设的评分规则，对各子视频帧序列进行评分，所述预设的评分规则与各子视频帧序列的属性信息相关联；
评估模块，被配置成根据各子视频帧序列的评分，对所述待评估视频帧序列进行质量评估。
7.根据权利要求6所述的装置，其中，所述预设的评分规则包括以下至少一项：
与各子视频帧序列的平均时长相关联的第一评分规则；
与各子视频帧序列的目标展示对象相关联的第二评分规则。
8.根据权利要求7所述的装置，其中，所述评分装置进一步被配置成：
按照第一评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第一评分；
按照第二评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第二评分；
根据所述第一评分和所述第二评分，对各子视频帧序列进行评分。
9.根据权利要求7所述的装置，其中，所述第二评分规则包括以下至少一项：
与各子视频帧序列的目标展示对象在相应子视频帧序列中出现的频率相关联的第三评分规则；
与各子视频帧序列的目标展示对象在相应子视频帧序列中的面积相关联的第四评分规则。
10.根据权利要求9所述的装置，其中，所述评分装置进一步被配置成：
按照第三评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第三评分；
按照第四评分规则对各子视频帧序列进行评分，得到各子视频帧序列的第四评分；
根据所述第三评分和所述第四评分，对各子视频帧序列进行评分。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
CN202110083566.5A 2021-01-21 2021-01-21 视频质量评估方法和装置 Pending CN113781384A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110083566.5A CN113781384A (zh) 2021-01-21 2021-01-21 视频质量评估方法和装置
PCT/CN2022/070276 WO2022156534A1 (zh) 2021-01-21 2022-01-05 视频质量评估方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110083566.5A CN113781384A (zh) 2021-01-21 2021-01-21 视频质量评估方法和装置

Publications (1)

Publication Number Publication Date
CN113781384A true CN113781384A (zh) 2021-12-10

Family

ID=78835499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110083566.5A Pending CN113781384A (zh) 2021-01-21 2021-01-21 视频质量评估方法和装置

Country Status (2)

Country Link
CN (1) CN113781384A (zh)
WO (1) WO2022156534A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022156534A1 (zh) * 2021-01-21 2022-07-28 北京沃东天骏信息技术有限公司 视频质量评估方法和装置
CN116484051A (zh) * 2023-02-24 2023-07-25 广州沐思信息科技有限公司 一种基于知识培训平台的课程评估方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108376147A (zh) * 2018-01-24 2018-08-07 北京览科技有限公司 一种用于获得视频的评价结果信息的方法和装置
CN110267119A (zh) * 2019-06-28 2019-09-20 北京奇艺世纪科技有限公司 视频精彩度的评价方法及相关设备
CN110490845A (zh) * 2019-07-26 2019-11-22 北京大米科技有限公司 一种图像特征提取方法、装置、存储介质及电子设备
CN110798735A (zh) * 2019-08-28 2020-02-14 腾讯科技（深圳）有限公司 视频处理方法、装置及电子设备
CN112233075A (zh) * 2020-09-30 2021-01-15 腾讯科技（深圳）有限公司 视频清晰度评估方法、装置、存储介质及电子设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9922411B2 (en) * 2015-11-30 2018-03-20 Disney Enterprises, Inc. Saliency-weighted video quality assessment
CN111008578B (zh) * 2019-11-26 2023-06-23 天津易华录信息技术有限公司 一种视频文件数据价值评估方法
CN113781384A (zh) * 2021-01-21 2021-12-10 北京沃东天骏信息技术有限公司 视频质量评估方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108376147A (zh) * 2018-01-24 2018-08-07 北京览科技有限公司 一种用于获得视频的评价结果信息的方法和装置
CN110267119A (zh) * 2019-06-28 2019-09-20 北京奇艺世纪科技有限公司 视频精彩度的评价方法及相关设备
CN110490845A (zh) * 2019-07-26 2019-11-22 北京大米科技有限公司 一种图像特征提取方法、装置、存储介质及电子设备
CN110798735A (zh) * 2019-08-28 2020-02-14 腾讯科技（深圳）有限公司 视频处理方法、装置及电子设备
CN112233075A (zh) * 2020-09-30 2021-01-15 腾讯科技（深圳）有限公司 视频清晰度评估方法、装置、存储介质及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022156534A1 (zh) * 2021-01-21 2022-07-28 北京沃东天骏信息技术有限公司 视频质量评估方法和装置
CN116484051A (zh) * 2023-02-24 2023-07-25 广州沐思信息科技有限公司 一种基于知识培训平台的课程评估方法

Also Published As

Publication number Publication date
WO2022156534A1 (zh) 2022-07-28

Similar Documents

Publication Publication Date Title
CN112492388B (zh) 视频处理方法、装置、设备以及存储介质
CN111556278A (zh) 一种视频处理的方法、视频展示的方法、装置及存储介质
CN110659600B (zh) 物体检测方法、装置及设备
CN111259751A (zh) 基于视频的人体行为识别方法、装置、设备及存储介质
CN111862277A (zh) 用于生成动画的方法、装置、设备以及存储介质
WO2022156534A1 (zh) 视频质量评估方法和装置
CN111563541B (zh) 图像检测模型的训练方法和装置
CN111601013B (zh) 用于处理视频帧的方法和装置
CN111524123B (zh) 用于处理图像的方法和装置
CA3166347A1 (en) Video generation method and apparatus, and computer system
CN111768005A (zh) 轻量级检测模型的训练方法、装置、电子设备及存储介质
CN111539948A (zh) 视频质量评估的方法、装置、电子设备及存储介质
CN112529180A (zh) 模型蒸馏的方法和装置
CN112989987A (zh) 用于识别人群行为的方法、装置、设备以及存储介质
CN113128436B (zh) 关键点的检测方法和装置
CN112561059B (zh) 用于模型蒸馏的方法和装置
CN114168793A (zh) 主播展示方法、装置、设备和存储介质
CN113313048A (zh) 脸部表情识别方法和装置
CN112529181A (zh) 用于模型蒸馏的方法和装置
CN111754492A (zh) 图像质量评估方法、装置、电子设备及存储介质
CN112270303A (zh) 图像识别方法、装置以及电子设备
CN111797801A (zh) 用于视频场景分析的方法和装置
CN116403285A (zh) 动作识别方法、装置、电子设备以及存储介质
CN116468479A (zh) 确定页面质量评估维度方法、页面质量的评估方法和装置
CN112733879B (zh) 针对不同场景的模型蒸馏方法和装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211210

RJ01 Rejection of invention patent application after publication