CN114329061A - 一种视频流聚类测试方法、装置及电子设备 - Google Patents

Abstract

本发明公开了一种视频流聚类测试方法，该方法包括：对目标对象进行视频压力测试，并获取目标对象在视频压力测试过程中的监测视频，监测视频由多轮监测视频构成；获取第一轮监测视频的视频监测图像和每一帧视频监测图像对应的时间信息；基于视频监测图像和时间信息的对应关系建立视频监测数据库；基于视频监测数据库对其余多轮监测视频进行筛选，得到异常的视频图像。本发明通过对第一轮的监测视频进行处理建立视频监测数据库，并以视频监测数据库作为后续多轮监测的依据，使整个测试过程可以实时进行，无需提前进行准备工作；同时通过自动化监测，节省了大量的人力物力，提高了监测的效率的准确度。

Description

一种视频流聚类测试方法、装置及电子设备

技术领域

本发明涉及视频测试技术领域，具体涉及一种视频流聚类测试方法、装置及电子设备。

背景技术

在对车载信息娱乐系统进行长时间的视频压力测试时，往往会出现视频显示异常的情况，在对显示系统进行测试时，通常是同一个视频长时间，大量重复回放，以达到对LCD显示功能的压力测试，但是由于时间过长，通过人工来进行视频回放确认，会耗费很多时间、占用大量的人力资源，同时通过人工回放确认，还会存在较大的误差率，造成整体测试效率低、准确度差。

发明内容

有鉴于此，本发明实施例提供了一种视频流聚类测试方法，以解决视频压力测试通过人工回放确认效率低、准确度差的问题。

为达到上述目的，本发明提供如下技术方案：

本发明实施例提供了一种视频流聚类测试方法，包括：

对目标对象进行视频压力测试，并获取所述目标对象在视频压力测试过程中的监测视频，所述监测视频由多轮监测视频构成；

获取第一轮监测视频的视频监测图像和每一帧视频监测图像对应的时间信息；

基于所述视频监测图像和所述时间信息的对应关系建立视频监测数据库；

基于所述视频监测数据库对其余多轮监测视频进行筛选，得到异常的视频图像。

可选的，所述基于所述视频监测图像和所述时间信息的对应关系建立视频监测数据库，包括：

对所述视频监测图像进行哈希处理，得到每一帧视频监测图像的哈希向量；

对所述哈希向量进行聚类分析得到多个向量组，并记录每个向量组的中心向量；

基于所述视频监测图像和所述时间信息的对应关系建立所述时间信息与所述中心向量之间的映射，得到视频监测数据库。

可选的，所述基于所述视频监测数据库对其余多轮监测视频进行筛选，得到异常的视频监测图像，包括：

依次从当前轮监测视频中获取当前视频监测图像和所述当前视频监测图像对应的当前时间信息；

将所述当前时间信息与所述视频监测数据库进行匹配，得到所述当前视频监测图像对应的当前中心向量；

基于所述当前中心向量对所述当前视频监测图像进行判断，得到异常的视频监测图像，并返回依次从当前轮监测视频中获取当前视频监测图像和所述当前视频监测图像对应的当前时间信息直至测试结束。

可选的，所述基于所述当前中心向量对所述当前视频监测图像进行判断，得到异常的视频监测图像，包括：

对所述当前视频监测图像进行哈希处理，得到对应的哈希向量；

基于所述当前中心向量对所述哈希向量进行模式识别相似性测度距离计算，得到相似度距离；

将所述相似度距离与预设的数值进行比对，根据比对结果得到异常的视频监测图像。

可选的，所述将所述相似度距离与预设的数值进行比对，根据比对结果得到异常的视频监测图像，包括：

若所述相似度距离小于预设的数值，则确定所述当前视频监测图像为正常图像；

若所述相似度距离大于或等于预设的数值，则确定所述当前视频监测图像为异常图像，并记录所述异常图像。

可选的，在获取第一轮监测视频的视频图像和每一帧视频图像对应的时间信息之前，所述方法还包括：

将所述视频监测图像按照预设的尺寸进行归一化处理；

对归一化处理后的视频监测图像进行灰度转化。

本发明实施例还提供了一种视频流聚类测试装置，包括：

测试模块，用于对目标对象进行视频压力测试，并获取所述目标对象在视频压力测试过程中的监测视频，所述监测视频由多轮监测视频构成；

第一获取模块，用于获取第一轮监测视频的视频监测图像和每一帧视频监测图像对应的时间信息；

建立模块，用于基于所述视频监测图像和所述时间信息的对应关系建立视频监测数据库；

监测模块，用于基于所述视频监测数据库对其余多轮监测视频进行筛选，得到异常的视频图像。

可选的，所述监测模块，包括：

第二获取模块，用于依次从当前轮监测视频中获取当前视频监测图像和所述当前视频监测图像对应的当前时间信息；

匹配模块，用于将所述当前时间信息与所述视频监测数据库进行匹配，得到所述当前视频监测图像对应的当前中心向量；

判断模块，用于基于所述当前中心向量对所述当前视频监测图像进行判断，得到异常的视频监测图像，并返回依次从当前轮监测视频中获取当前视频监测图像和所述当前视频监测图像对应的当前时间信息直至测试结束。

本发明实施例还提供了一种电子设备，包括：

存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行本发明实施例提供的视频流聚类测试方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行本发明实施例提供的视频流聚类测试方法。

本发明技术方案，具有如下优点：

本发明一种视频流聚类测试方法，通过对目标对象进行视频压力测试，并获取目标对象在视频压力测试过程中的监测视频，监测视频由多轮监测视频构成；获取第一轮监测视频的视频监测图像和每一帧视频监测图像对应的时间信息；基于视频监测图像和时间信息的对应关系建立视频监测数据库；基于视频监测数据库对其余多轮监测视频进行筛选，得到异常的视频图像。本发明通过对第一轮的监测视频进行处理建立视频监测数据库，并以视频监测数据库作为后续多轮监测的依据，使整个测试过程可以实时进行，无需提前进行准备工作；同时通过自动化监测，节省了大量的人力物力，提高了监测的效率的准确度。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中的视频流聚类测试方法的流程图；

图2为本发明实施例中的视频流聚类测试装置的结构示意图；

图3为本发明实施例中的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域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，都属于本发明保护的范围。

根据本发明实施例，提供了一种视频流聚类测试方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种视频流聚类测试方法，可用于上述的终端设备，如电脑等，如图1所示，该视频流聚类测试方法包括如下步骤：

步骤S1：对目标对象进行视频压力测试，并获取目标对象在视频压力测试过程中的监测视频，监测视频由多轮监测视频构成。具体的，视频压力测试在测试过程中需要进行多轮监测，确认是否出现显示异常等问题。

步骤S2：获取第一轮监测视频的视频监测图像和每一帧视频监测图像对应的时间信息。

步骤S3：基于视频监测图像和时间信息的对应关系建立视频监测数据库。

步骤S4：基于视频监测数据库对其余多轮监测视频进行筛选，得到异常的视频图像。

具体的，现有技术中通过录制人工回放的方式进行，浪费了大量的人力和时间的成本，而且工作效率很低，容易出现漏判的情况。本发明提供的方法通过自动记录现场测试的视频影像并筛查，准确得到异常的视频图像并记录，作为后续异常处理的依据。

通过上述步骤S1至步骤S4，本发明实施例提供的视频流聚类测试方法，通过对第一轮的监测视频进行处理建立视频监测数据库，并以视频监测数据库作为后续多轮监测的依据，使整个测试过程可以实时进行，无需提前进行准备工作；同时通过自动化监测，节省了大量的人力物力，提高了监测的效率的准确度。

具体地，在一实施例中，在上述的步骤S2之前，还包括如下步骤：

步骤一：将视频监测图像按照预设的尺寸进行归一化处理。具体的，为了消除视频监测图像之间的差异，需要进行数据标准化处理，以解决数据指标之间的可比性，增加数据的可靠性。原始数据经过数据标准化处理后，各指标处于同一数量级，更适合进行综合对比评价。

步骤二：对归一化处理后的视频监测图像进行灰度转化。具体的，通过灰度转化改善画质，使视频监测图像的显示效果更加清晰容易识别。

具体地，在一实施例中，上述的步骤S3，具体包括如下步骤：

步骤三：对视频监测图像进行哈希处理，得到每一帧视频监测图像的哈希向量。

步骤四：对哈希向量进行聚类分析得到多个向量组，并记录每个向量组的中心向量。具体的，先将获取的第一个dHash序列作为聚类的中心，然后依次计算其他帧图像的dHash向量，然后计算各个dHash向Tanimoto距离

聚类中心x＝(a₁,a₂,...,a_n)。如果距离小于预设的阈值，则归附一类，然后重新计算该聚类的中心；否则建立新的聚类中心，这样依次类推直到整个视频完成聚类分析，整个过程自动进行，具有较高的灵活性。

步骤五：基于视频监测图像和时间信息的对应关系建立时间信息与中心向量之间的映射，得到视频监测数据库。具体的，将在完成聚类分析后形成的各个向量组的中心向量和时间信息对应起来，形成一个[key，Value]形式的视频监测数据库，为后续的监测提提供数据支持，同时可以通过此方式提高监测速度。视频监测数据库是为了在监测阶段提高速度，提出的一种将聚类中心向量的一种映射方式，计算方法如下,a,b,c,…,e是图像帧的时间，根据聚类到类的各个图像帧的时间，把聚类中心进行编码。

具体地，在一实施例中，上述的步骤S4，具体包括如下步骤：

步骤六：依次从当前轮监测视频中获取当前视频监测图像和当前视频监测图像对应的当前时间信息。

步骤七：将当前时间信息与视频监测数据库进行匹配，得到当前视频监测图像对应的当前中心向量。

步骤八：基于当前中心向量对当前视频监测图像进行判断，得到异常的视频监测图像，并返回依次从当前轮监测视频中获取当前视频监测图像和当前视频监测图像对应的当前时间信息直至测试结束。

具体的，通过对第一轮的监测视频进行处理建立视频监测数据库，并以视频监测数据库作为后续多轮监测的依据，对后续的视频监测图像进行判断，无需提前提取特征、训练模型等准备工作，有效节省时间提高整体的效率。

具体地，在一实施例中，上述的步骤八，具体包括如下步骤：

步骤九：对当前视频监测图像进行哈希处理，得到对应的哈希向量。

步骤十：基于当前中心向量对哈希向量进行模式识别相似性测度距离计算，得到相似度距离。具体的，根据视频监测数据库中的映射关系找到对应的Key值，然后得到对应的中心向量，计算Tanimoto距离

步骤十一：将相似度距离与预设的数值进行比对，根据比对结果得到异常的视频监测图像。

具体地，在一实施例中，上述的步骤十一，具体包括如下步骤：

步骤十二：若相似度距离小于预设的数值，则确定当前视频监测图像为正常图像。

步骤十三：若相似度距离大于或等于预设的数值，则确定当前视频监测图像为异常图像，并记录异常图像。

具体的，通过判断相似度距离是否超出阈值，确定视频监测图像是否异常，具有准确度高，不易产生失误的特点，可以有效筛选出异常图像并记录，为后续工作人员对异常进行处理提供数据支持。

在本实施例中还提供了一种视频流聚类测试装置，该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。

通过上述步骤，本发明实施例提供的视频流聚类测试方法，通过对第一轮的监测视频进行处理建立视频监测数据库，并以视频监测数据库作为后续多轮监测的依据，使整个测试过程可以实时进行，无需提前进行准备工作；同时通过自动化监测，节省了大量的人力物力，提高了监测的效率的准确度。

本实施例提供一种视频流聚类测试装置，如图2所示，包括：

测试模块101，用于对目标对象进行视频压力测试，并获取目标对象在视频压力测试过程中的监测视频，监测视频由多轮监测视频构成，详细内容参见上述方法实施例中步骤S1的相关描述，在此不再进行赘述。

第一获取模块102，用于获取第一轮监测视频的视频监测图像和每一帧视频监测图像对应的时间信息，详细内容参见上述方法实施例中步骤六的相关描述，在此不再进行赘述。

建立模块103，用于基于视频监测图像和时间信息的对应关系建立视频监测数据库，详细内容参见上述方法实施例中步骤七的相关描述，在此不再进行赘述。

监测模块104，用于基于视频监测数据库对其余多轮监测视频进行筛选，得到异常的视频图像，详细内容参见上述方法实施例中步骤八的相关描述，在此不再进行赘述。

具体地，在一实施例中，上述的监测模块104，具体包括：

第二获取模块，用于依次从当前轮监测视频中获取当前视频监测图像和当前视频监测图像对应的当前时间信息，详细内容参见上述方法实施例中步骤S4的相关描述，在此不再进行赘述。

匹配模块，用于将当前时间信息与视频监测数据库进行匹配，得到当前视频监测图像对应的当前中心向量，详细内容参见上述方法实施例中步骤S4的相关描述，在此不再进行赘述。

判断模块，用于基于当前中心向量对当前视频监测图像进行判断，得到异常的视频监测图像，并返回依次从当前轮监测视频中获取当前视频监测图像和当前视频监测图像对应的当前时间信息直至测试结束，详细内容参见上述方法实施例中步骤S4的相关描述，在此不再进行赘述。

通过上述各个组成部分的协同合作，本发明实施例提供的视频流聚类测试方法，通过对第一轮的监测视频进行处理建立视频监测数据库，并以视频监测数据库作为后续多轮监测的依据，使整个测试过程可以实时进行，无需提前进行准备工作；同时通过自动化监测，节省了大量的人力物力，提高了监测的效率的准确度。

本实施例中的视频流聚类测试装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。

上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。

根据本发明实施例还提供了一种电子设备，如图3所示，该电子设备可以包括处理器901和存储器902，其中处理器901和存储器902可以通过总线或者其他方式连接，图3中以通过总线连接为例。

处理器901可以为中央处理器(Central Processing Unit，CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器902作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明方法实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块，从而执行处理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方法。

存储器902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；存储数据区可存储处理器901所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至处理器901。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。

一个或者多个模块存储在存储器902中，当被处理器901执行时，执行上述方法实施例中的方法。

上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解，此处不再赘述。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种视频流聚类测试方法，其特征在于，所述方法包括：

对目标对象进行视频压力测试，并获取所述目标对象在视频压力测试过程中的监测视频，所述监测视频由多轮监测视频构成；

获取第一轮监测视频的视频监测图像和每一帧视频监测图像对应的时间信息；

基于所述视频监测图像和所述时间信息的对应关系建立视频监测数据库；

基于所述视频监测数据库对其余多轮监测视频进行筛选，得到异常的视频图像。

2.根据权利要求1所述的视频流聚类测试方法，其特征在于，所述基于所述视频监测图像和所述时间信息的对应关系建立视频监测数据库，包括：

对所述视频监测图像进行哈希处理，得到每一帧视频监测图像的哈希向量；

对所述哈希向量进行聚类分析得到多个向量组，并记录每个向量组的中心向量；

基于所述视频监测图像和所述时间信息的对应关系建立所述时间信息与所述中心向量之间的映射，得到视频监测数据库。

3.根据权利要求1所述的视频流聚类测试方法，其特征在于，所述基于所述视频监测数据库对其余多轮监测视频进行筛选，得到异常的视频监测图像，包括：

依次从当前轮监测视频中获取当前视频监测图像和所述当前视频监测图像对应的当前时间信息；

将所述当前时间信息与所述视频监测数据库进行匹配，得到所述当前视频监测图像对应的当前中心向量；

基于所述当前中心向量对所述当前视频监测图像进行判断，得到异常的视频监测图像，并返回依次从当前轮监测视频中获取当前视频监测图像和所述当前视频监测图像对应的当前时间信息直至测试结束。

4.根据权利要求3所述的视频流聚类测试方法，其特征在于，所述基于所述当前中心向量对所述当前视频监测图像进行判断，得到异常的视频监测图像，包括：

对所述当前视频监测图像进行哈希处理，得到对应的哈希向量；

基于所述当前中心向量对所述哈希向量进行模式识别相似性测度距离计算，得到相似度距离；

将所述相似度距离与预设的数值进行比对，根据比对结果得到异常的视频监测图像。

5.根据权利要求4所述的视频流聚类测试方法，其特征在于，所述将所述相似度距离与预设的数值进行比对，根据比对结果得到异常的视频监测图像，包括：

若所述相似度距离小于预设的数值，则确定所述当前视频监测图像为正常图像；

若所述相似度距离大于或等于预设的数值，则确定所述当前视频监测图像为异常图像，并记录所述异常图像。

6.根据权利要求1所述的视频流聚类测试方法，其特征在于，在获取第一轮监测视频的视频图像和每一帧视频图像对应的时间信息之前，所述方法还包括：

将所述视频监测图像按照预设的尺寸进行归一化处理；

对归一化处理后的视频监测图像进行灰度转化。

7.一种视频流聚类测试装置，其特征在于，包括：

测试模块，用于对目标对象进行视频压力测试，并获取所述目标对象在视频压力测试过程中的监测视频，所述监测视频由多轮监测视频构成；

第一获取模块，用于获取第一轮监测视频的视频监测图像和每一帧视频监测图像对应的时间信息；

建立模块，用于基于所述视频监测图像和所述时间信息的对应关系建立视频监测数据库；

监测模块，用于基于所述视频监测数据库对其余多轮监测视频进行筛选，得到异常的视频图像。

8.根据权利要求7所述的视频流聚类测试装置，其特征在于，所述监测模块，包括：

第二获取模块，用于依次从当前轮监测视频中获取当前视频监测图像和所述当前视频监测图像对应的当前时间信息；

匹配模块，用于将所述当前时间信息与所述视频监测数据库进行匹配，得到所述当前视频监测图像对应的当前中心向量；

判断模块，用于基于所述当前中心向量对所述当前视频监测图像进行判断，得到异常的视频监测图像，并返回依次从当前轮监测视频中获取当前视频监测图像和所述当前视频监测图像对应的当前时间信息直至测试结束。

9.一种电子设备，其特征在于，包括：

存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-6中任一项所述的视频流聚类测试方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的视频流聚类测试方法。

Images