CN114630139A - 直播视频的质量评估方法及其相关设备 - Google Patents
直播视频的质量评估方法及其相关设备 Download PDFInfo
- Publication number
- CN114630139A CN114630139A CN202210254136.XA CN202210254136A CN114630139A CN 114630139 A CN114630139 A CN 114630139A CN 202210254136 A CN202210254136 A CN 202210254136A CN 114630139 A CN114630139 A CN 114630139A
- Authority
- CN
- China
- Prior art keywords
- video frame
- video
- score
- preset
- evaluation
- 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
Links
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000011156 evaluation Methods 0.000 claims abstract description 181
- 238000001303 quality assessment method Methods 0.000 claims abstract description 23
- 238000009795 derivation Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000013210 evaluation model Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 11
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 74
- 238000005516 engineering process Methods 0.000 description 13
- 238000013473 artificial intelligence Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
Abstract
本申请实施例提供了一种直播视频的质量评估方法及其相关设备,涉及视频技术领域;可应用于直播场景。该方法包括:获取直播视频的视频帧;通过预设的数据读入接口,计算所述视频帧对应于预设的质量评估指标的评估得分;通过预设的数据导出接口,导出所述视频帧的评估得分;基于所述评估得分确定所述直播视频的质量评估结果评估结果。本申请的实施有利于提高对直播视频故障问题处理的时效性。
Description
技术领域
本申请涉及视频技术领域,具体而言,本申请涉及一种直播视频的质量评估方法及其相关设备。
背景技术
在直播场景中,若所显示的视频画面内容出现故障,如花屏、黑屏等,非常影响用户观看直播视频的体验。
在现有技术中,对所显示的视频画面存在的故障问题的感知,依赖于观众用户的反馈,导致故障问题处理的时效性差,无法满足直播场景的实时性要求。
发明内容
本申请的目的旨在提供一种直播视频的质量评估方法及其相关设备,能够提高对直播视频故障问题处理的时效性。为了实现该目的,本申请实施例提供的技术方案如下:
第一方面,本申请实施例提供了一种直播视频的质量评估方法,该方法包括:
获取直播视频的视频帧;
通过预设的数据读入接口,计算所述视频帧对应于预设的质量评估指标的评估得分;
通过预设的数据导出接口,导出所述视频帧的评估得分;
基于所述评估得分确定所述直播视频的质量评估结果。
在一可行的实施例中所述通过预设的数据读入接口,计算所述视频帧对应于预设的质量评估指标的评估得分,包括:
采用预设的序号标记策略,针对所述视频帧进行序号标记得到序号标识信息;
通过预设的数据读入接口,计算标记序号后的视频帧对应于预设的质量评估指标的评估得分;
所述通过预设的数据导出接口,导出所述视频帧的评估得分,包括:
通过预设的数据导出接口,基于所述序号标识信息获取所述视频帧的评估得分。
在一可行的实施例中,所述质量评估指标包括峰值信噪比、结构相似性和视频多方法融合评价的指标中的至少一项;
所述计算所述视频帧对应于预设的质量评估指标的评估得分,包括:
获取与所述视频帧的图像对应的源图像;
执行以下至少一项的质量评估步骤,确定所述视频帧的评估得分:
计算所述源图像与所述视频帧的图像之间的峰值信噪比,并基于该峰值信噪比确定所述视频帧的第一评估得分;
计算所述源图像与所述视频帧的图像在亮度、对比度和结构中至少一项的相似度,并基于该相似度确定所述视频帧的第二评估得分;
通过预设的视频多方法融合评价模型,基于所述源图像计算所述视频帧的第三评估得分;其中,在构建该模型时融合有多项用于视频质量评估的指标。
在一可行的实施例中,所述确定所述视频帧的评估得分,包括:
获取各项所述质量评估指标对应的权重系数;
基于所述第一评估得分、第二评估得分和第三评估得分中的至少一项,与所述权重系数,确定所述视频帧最终的评估得分。
在一可行的实施例中,获取到多个视频帧;所述计算所述视频帧对应于预设的质量评估指标的评估得分,包括:
基于预设的质量评估指标提取每一所述视频帧的特征信息;
针对当前视频帧的特征信息和/或针对当前视频帧及其相邻视频帧的特征信息,计算所述当前视频帧对应于预设的质量评估指标的评估得分;其中,所述当前视频帧为当前进行质量评估的视频帧;
所述基于所述评估得分确定所述直播视频的质量评估结果,包括以下至少一项:
在确定连续的N帧视频帧的评估得分低于第一预设分值时,和/或,在确定累计M帧视频帧的评估得分低于第二预设分值时,输出包括所述直播视频存在故障的第一提示信息的质量评估结果;
基于所述当前视频帧确定所述直播视频对应的场景类型信息;若所述当前视频帧的评估得分低于所述场景类型信息对应的第三预设分值,输出包括所述直播视频存在故障的第二提示信息的质量评估结果。
在一可行的实施例中,所述计算所述对应于预设的质量评估指标的评估得分之前,还包括:
通过预设的格式转换接口,转换所述视频帧的图像格式为目标格式。
第二方面,本申请实施例提供了一种直播视频的质量评估装置,该装置包括:
获取模块,用于获取直播视频的视频帧;
计算模块,用于通过预设的数据读入接口,计算所述视频帧对应于预设的质量评估指标的评估得分;
导出模块,用于通过预设的数据导出接口,导出所述视频帧的评估得分;
确定模块,用于基于所述评估得分确定所述直播视频的质量评估结果。
在一可行的实施例中,计算模块在用于通过预设的数据读入接口,计算所述视频帧对应于预设的质量评估指标的评估得分时,具体用于:
采用预设的序号标记策略,针对所述视频帧进行序号标记得到序号标识信息;
通过预设的数据读入接口,计算标记序号后的视频帧对应于预设的质量评估指标的评估得分;
导出模块在用于通过预设的数据导出接口,导出所述视频帧的评估得分时,具体用于:
通过预设的数据导出接口,基于所述序号标识信息获取所述视频帧的评估得分。
在一可行的实施例中,所述质量评估指标包括峰值信噪比、结构相似性和视频多方法融合评价的指标中的至少一项;
计算模块在用于计算所述视频帧对应于预设的质量评估指标的评估得分时,具体用于:
获取与所述视频帧的图像对应的源图像;
执行以下至少一项的质量评估步骤,确定所述视频帧的评估得分:
计算所述源图像与所述视频帧的图像之间的峰值信噪比,并基于该峰值信噪比确定所述视频帧的第一评估得分;
计算所述源图像与所述视频帧的图像在亮度、对比度和结构中至少一项的相似度,并基于该相似度确定所述视频帧的第二评估得分;
通过预设的视频多方法融合评价模型,基于所述源图像计算所述视频帧的第三评估得分;其中,在构建该模型时融合有多项用于视频质量评估的指标。
在一可行的实施例中,计算模块在用于确定所述视频帧的评估得分时,具体用于:
获取各项所述质量评估指标对应的权重系数;
基于所述第一评估得分、第二评估得分和第三评估得分中的至少一项,与所述权重系数,确定所述视频帧最终的评估得分。
在一可行的实施例中,获取到多个视频帧;计算模块用于计算所述视频帧对应于预设的质量评估指标的评估得分时,具体用于:
基于预设的质量评估指标提取每一所述视频帧的特征信息;
针对当前视频帧的特征信息和/或针对当前视频帧及其相邻视频帧的特征信息,计算所述当前视频帧对应于预设的质量评估指标的评估得分;其中,所述当前视频帧为当前进行质量评估的视频帧;
确定模块在用于基于所述评估得分确定所述直播视频的质量评估结果时,具体用于以下至少一项:
在确定连续的N帧视频帧的评估得分低于第一预设分值时,和/或,在确定累计M帧视频帧的评估得分低于第二预设分值时,输出包括所述直播视频存在故障的第一提示信息的质量评估结果;
基于所述当前视频帧确定所述直播视频对应的场景类型信息;若所述当前视频帧的评估得分低于所述场景类型信息对应的第三预设分值,输出包括所述直播视频存在故障的第二提示信息的质量评估结果。
在一可行的实施例中,装置还包括转换模块,用于在计算所述对应于预设的质量评估指标的评估得分之前,通过预设的格式转换接口,转换所述视频帧的图像格式为目标格式。
第三方面,本申请还提供了一种电子设备,该电子设备包括存储器和处理器,其中,存储器中存储有计算机程序,处理器在运行该计算机程序时用于执行本申请任一可选实施例中提供的方法。
第四方面,本申请还提供了一种计算机可读存储介质,该存储介质中存储有计算机程序,该计算机程序在处理器中运行时,处理器用于执行本申请任一可选实施例中提供的方法。
第五方面,本申请提供了一种计算机程序产品,该计算机程序产品或计算机程序包括计算机程序,该计算机程序被处理器执行时实现本申请任一可选实施例中提供的方法。
本申请提供的技术方案带来的有益效果是:
本申请实施例提供的直播视频的质量评估方法,在直播视频的质量评估中,获取到直播视频的视频帧后,可以通过预设的数据读入接口调用预设的质量评估模块计算视频帧对应于预设的质量评估指标的评估得分;继而可以通过预设的数据导出接口,导出所述视频帧的评估得分,以基于该评估得分确定直播视频的质量评估结果。本申请的实施通过接口调用预设的质量评估模块实时针对直播视频的视频帧进行质量评估,无需改变原有的直播视频的播放架构,也无需观众用户进行问题反馈,更是脱离了编解码器的限制,有利于实时评估直播视频的质量,进而提高对直播视频故障问题处理的时效性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种直播视频的质量评估方法的流程示意图;
图2为本申请实施例提供的另一种直播视频的质量评估方法的流程示意图;
图3为本申请实施例提供的一种数据处理的整体流程示意图;
图4为本申请实施例提供的运行环境的示意图;
图5为本申请实施例提供的一种直播视频的质量评估装置的结构示意图;
图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本申请是针对现有直播视频的质量评估的方案中所存在的依赖于观众用户对问题的反馈,导致故障问题处理的时效性差,无法满足直播场景的实时性要求的问题,而提出的一种直播视频的质量评估方法及其相关设备,基于该方案的实施,可以有效提高对直播视频故障问题处理的时效性。
本申请实施例的方案涉及到直播系统,如在视频直播的场景,基于本申请实施例的方案,能够提升对直播视频进行质量评估的时效性,如在观众用户正在观看游戏主播进行直播的场景,有利于辅助直播平台更好地排查处理直播视频的播放所存在故障问题,提升观众用户的观看体验。
本申请实施例的方案在进行质量评估的过程中还涉及到人工智能技术,如通过人工智能技术计算视频帧对应于预设的质量评估指标的评估得分。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大直播视频的质量评估技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。
下面对本申请实施例涉及到的一些名词进行解释:
VMAF(Video Multi-Method Assessment Fusion):一种视频多方法评估工具,包括三种指标:视觉信息保真度(VIF:visual quality fidelity)、细节损失指标(DLM:detail loss measure)、时域运动指标/平均相关位置像素差(TI:temporalinformation)。其中VIF和DLM是空间域的,一帧画面之内的特征。TI是时间域的,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支持向量机(support vector machines,SVM)来预测。
PSNR(Peak Signal to Noise Ratio):峰值信噪比,是一种评价图像的客观标准指标。
SSIM(Structural SIMilarity):结构相似性,是一种衡量两幅图像相似度的指标。
SDK(Software Development Kit):软件开发工具包,用于特定的软件包、软件框架、硬件平台、操作系统等建立应用软件时的开发工具的集合。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图1示出了本申请实施例提供的一种直播视频的质量评估方法的流程示意图,该方法可以由任一电子设备执行,如可以是用户终端,也可以是服务器;用户终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、车载设备等。服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。如图4所示,在本申请实施例中,用户可以通过用户终端20观看直播视频,所观看的直播视频可以是向服务器10发送针对某一直播视频的查看请求后,由服务器10将相应的直播视频数据下发至用户终端;其中,用户终端20和服务器10之间可以通过网络30完成数据传输。
如图1和图2所示,本申请实施例提供的直播视频的质量评估方法,具体包括如下步骤S101-步骤S104:
步骤S101:获取直播视频的视频帧。
具体地,直播视频可以是指正在进行直播过程所产生的视频,针对实时直播所得的视频,观看用户仅在直播过程中可以进行查看;在一些场景中,直播视频也可以是指针对某一直播进行录制得到的视频,针对录制所得的直播视频,观看用户可以随时进行查看。
具体地,在获取到直播视频后,可以通过解码器进行解码得到本申请实施的基础数据(视频帧所对应的图像数据)。其中,所获取的直播视频可以是任意的编码器、转码器输出的视频流数据。
其中,本申请的实施可以是在直播平台的架构上搭建的一个独立的模块;以执行主体为客户端为例,当客户端在播放直播视频的同时,可以获取输入的视频数据进行质量评估,以实施实时监控该直播视频的播放画面质量。以执行主体为服务器为例,当服务器接收到观看用户的终端所发起针对某一直播视频的查看请求时,将相应的直播视频下发至观看用户的终端的同时所搭建的模块针对该直播视频进行质量评估,也即实时监控该直播视频的播放画面的质量。
步骤S102:通过预设的数据读入接口,计算所述视频帧对应于预设的质量评估指标的评估得分。
具体地,为了避免对原始架构产生影响以及降低针对直播视频进行质量评估的开发成本,本申请实施例搭建有独立的质量评估模块,该模块可以是采用现有的开源库VMAF进行二次开发得到的,可以封装成独立的SDK工具,在此基础上,可以通过接口调用该SDK进行质量评估。
具体地,预设有数据读入接口(vmaf_read_pictures),可以通过该接口计算所输入的视频帧对应于预设的质量评估指标的评估得分。其中,如图3所示,质量评估指标可以包括PSNR、SSIM和VMAF中的至少一种。本申请实施例采用多个指标的结合,有利于提高所提供方法可应用场景的广泛性,以及提高质量评估的准确性和稳定度;如单一采用PSNR指标进行直播视频的质量评估时,可能无法全面地评测图像信息,导致质量评估的准确性低。
步骤S103:通过预设的数据导出接口,导出所述视频帧的评估得分。
具体地,通过步骤S102计算完视频帧的评估得分后,可以通过预设的数据导出接口(如vmaf_score_pooled,vmaf_feature_score_pooled)导出该视频帧的评估得分。也即,在调用预设的质量评估模型进行直播视频的质量评估时,可以通过数据读入接口计算该视频帧的评估得分,在计算完毕后,可以通过数据导出接口导出计算结果。
步骤S104:基于所述评估得分确定所述直播视频的质量评估结果。
具体地,在通过步骤S103的实施得到相应视频帧的评估得分后,可以基于该评估得分确定直播视频的质量评估结果。其中,由于视频帧对应于某一时间点,相应的,视频帧的评估得分所反映的是某一时间点的视频画面质量。在进行直播视频的质量评估时,可以针对单一视频帧出现评估得分低于预设分值时,直接输出直播视频存在故障问题的质量评估结果。可选地,为提高质量评估的稳定性,降低频繁对质量评估结果的响应,也可以针对某一时间段出现多帧(针对出现问题的频率确定,如1分钟内出现5帧视频帧的评估得分低于预设分值)评估得分低于预设分值的直播视频输出存在故障问题的质量评估结果。
在本申请实施例中,针对调用预设的质量评估模块进行直播视频的质量评估时,可以采用预设的序号标记策略进行。
具体地,在步骤S102中通过预设的数据读入接口,计算所述视频帧对应于预设的质量评估指标的评估得分,包括以下步骤A1-A2:
步骤A1:采用预设的序号标记策略,针对所述视频帧进行序号标记得到序号标识信息。
其中,预设的序号标记策略可以是根据时间点进行序号标记;如在获取直播视频的视频帧时,可以是每间隔5秒获取一帧,可以得到00:05、00:10、00:15等时间点分别对应的视频帧,此时可以将00:05的视频帧标记序号为01、将00:10的视频帧标记序号为02,将00:15的视频帧标记序号为03。序号标记策略也可以是根据获取到的视频帧的顺序进行序号标记;如在针对直播视频A进行质量评估时,针对获取到的第一帧视频帧标记序号为01,获取到的第二帧视频帧标记序号为02,如此类推。
其中,序号标识信息可以包括所标记的序号,以及序号与视频帧之间的对应关系;若是根据时间点进行的序号标记时,序号标识信息还可以包括视频帧所对应的时间点。可选地,可以采用字典(map)数据结构保存序号与视频帧之间的对应关系。
步骤A2:通过预设的数据读入接口,计算标记序号后的视频帧对应于预设的质量评估指标的评估得分。
具体地,通过对视频帧进行序号标记后,可以使用预设的数据读入接口计算该视频帧的评估得分。
在上述步骤A1-A2实施的基础上,步骤S103中通过预设的数据导出接口,导出所述视频帧的评估得分,包括以下步骤A3:
步骤A3:通过预设的数据导出接口,基于所述序号标识信息获取所述视频帧的评估得分。
具体地,结合上述步骤A2的实施而言,在计算完一帧视频帧的评估得分后,可以采用该视频帧对应的序号标识信息(如标记的序号)通过数据导出接口获取相应视频帧的计算结果。
本申请实施例通过序号标记策略对需要进行评估得分计算的视频帧进行处理,可以实现实时计算实时导出计算结果,有利于提高对直播视频进行质量评估的实时性,也实现了对帧级别的视频流数据进行质量评估计算。
下面针对采用预设的质量评估模块计算视频帧对应于预设的质量评估指标的评估得分的具体过程进行说明。
所述质量评估指标包括峰值信噪比、结构相似性和视频多方法融合评价的指标中的至少一项。
在一可行的实施例中,在步骤S102中计算所述视频帧对应于预设的质量评估指标的评估得分,包括以下步骤B1-B2:
步骤B1:获取与所述视频帧的图像对应的源图像。
具体地,如图3所示,源图像可以是从输入的视频数据中解码得到的图像数据。由于视频流在经压缩、转码等的处理后,输出的图像质量在某种程度上与原始图像(也即源图像)不同,因此,本申请实施例可以采用源图像作为标准图像,以衡量当前进行质量评估的图像的质量优劣。也即,源图像可以是未经处理的图像数据。
步骤B2:执行以下步骤B21-B23中的至少一项的质量评估步骤,确定所述视频帧的评估得分:
步骤B21:计算所述源图像与所述视频帧的图像之间的峰值信噪比,并基于该峰值信噪比确定所述视频帧的第一评估得分。
具体地,第一评估得分可以是PSNR值,PSNR值可以是源图像与被处理图像(进行质量评估的视频帧对应的图像)之间的均方误差相对于(2^n-1)^2的对数值(信号最大值的平方,n是每个采样值的比特数),单位是dB。
步骤B22:计算所述源图像与所述视频帧的图像在亮度、对比度和结构中至少一项的相似度,并基于该相似度确定所述视频帧的第二评估得分。
具体地,第二评估得分可以是SSIM值。针对视频帧A,其未经处理前的源图像A1和经处理后的目标图像A2为进行结构相似性计算的指定图像x和y。结构相似性的取值范围为[-1,1],当源图像A1和目标图像A2一样时,SSIM值为1。其中,结构相似度指数从图像组成的角度将结构信息定义为独立于亮度、对比度的,反映场景中物体结构的属性,并将失真建模为亮度、对比度和结构三个不同因素的组合;用均值作为亮度的估计,标准差作为对比度的估计,协方差作为结构相似程度的度量。
步骤B23:通过预设的视频多方法融合评价模型,基于所述源图像计算所述视频帧的第三评估得分;其中,在构建该模型时融合有多项用于视频质量评估的指标。
具体地,视频多方法融合评价模型(也即VMAF模型)在质量评估模块中可以是独立于步骤B21对应的PSNR计算和独立于步骤B22对应的SSIM计算的模型。可选地,也可以是同一质量评估模块针对同一个一体模型,而步骤B23对应的视频多方法融合评价模型可以是该一体模型中的一个分支,如图3所示包括三个计算分支,在分别计算得到各自对应的评估得分后,在进行评估得分的融合处理。
其中,VMAF模型是预先训练好的模型,训练好的模型中针对每一种视频特征信息赋予有不同的权重,针对每一帧视频帧可以生成一个评估得分。
在一可行的实施例中,步骤B2中确定所述视频帧的评估得分,包括以下步骤B24-B25:
步骤B24:获取各项所述质量评估指标对应的权重系数。
步骤B25:基于所述第一评估得分、第二评估得分和第三评估得分中的至少一项,与所述权重系数,确定所述视频帧最终的评估得分。
具体地,由于基于不同的质量评估指标得到的评估得分的单位不同,因此,在针对第一评估得分、第二评估得分和第三评估得分中至少两项确定视频帧的最终的评估得分之前,需要针对各项评估得分进行归一化处理。
可选地,在结合不同的质量评估指标确定视频帧最终的评估得分时,不同的质量评估指标可以对应于不同的权重系数。其中,各权重系数可以是模型在经训练确定的,如通过深度学习不断迭代优化得到的权重系数,也可以是开发人员预先设定的。具体可能存在以下几种情况:
第一种:结合第一评估得分和第二评估得分确定视频帧最终的评估得分时,第一评估得分对应于权重系数A1,第二评估得分对应于权重系数A2;其中,A1+A2=1。
第二种:结合第一评估得分和第三评估得分确定视频帧最终的评估得分时,第一评估得分对应于权重系数B1,第三评估得分对应于权重系数B3;其中,B1+B3=1。
第三种:结合第二评估得分和第三评估得分确定视频帧最终的评估得分时,第二评估得分对应于权重系数C2,第三评估得分对应于权重系数C3;其中,C2+C3=1。
第四种:结合第一评估得分、第二评估得分和第三评估得分确定视频帧最终的评估得分时,第一评估得分对应于权重系数D1,第二评估得分对应于权重系数D2,第三评估得分对应于权重系数D3;其中,D1+D2+D3=1。
可选地,A1不等于B1,A1不等于D1,B1不等于D1,A2不等于C2,A2不等于D2,C2不等于D2,B3不等于C3,B3不等于D3。
下面结合表1对计算视频帧对应于预设的质量评估指标得分的过程进行说明。
表1
上述表1用于说明独立封装的SDK中各模块所对应的接口。
具体地,该计算工具中在初始化模块中,可以通过预设的加载模型接口加载用于计算帧数据的评估得分的模型,其中,初始化模块还包括查询特征和使用特征的接口,其中使用特征接口对应于psnr和ssim的质量评估指标。在计算指标模块中,包括初始化输入图片的接口,已经预设的数据读入接口(用于读入图片和计算指标),考虑到输入图片所引用的资源可能耗费一定的处理成本,因此还设计有销毁图片的引用资源的接口。在销毁资源模块中,包括集中指标得分接口,和集中特征指标得分接口,这两个接口均可以作为数据导出接口;此外,销毁资源模块还包括根据别名查找特征接口,关闭接口和销毁模型接口;由于模型是随着直播视频的质量评估需求而加载的,因此在结束质量评估的过程后,可以通过销毁模型接口销毁在初始化模块中加载的模型。
在一可行的实施例中,获取到多个视频帧;在步骤S102中计算所述视频帧对应于预设的质量评估指标的评估得分,包括以下步骤C1-C2:
步骤C1:基于预设的质量评估指标提取每一所述视频帧的特征信息。
具体地,可以采用卷积神经网络(Convolutional Neural Networks,CNN)提取视频帧所对应图像数据的特征信息,考虑到图像中包括多种不同的特征信息,因此,为了提高处理的效率和降低后续处理的数据量,可以基于预设的质量评估指标进行特征信息的提取。可选地,特征信息的提取过程所实施的可以是卷积操作。
步骤C2:针对当前视频帧的特征信息和/或针对当前视频帧及其相邻视频帧的特征信息,计算所述当前视频帧对应于预设的质量评估指标的评估得分;其中,所述当前视频帧为当前进行质量评估的视频帧。
考虑到相邻视频帧之间具有关联性,如视频画面内容的关联、视频播放像素的关联,视频播放清晰度的关联等,因此,可以考虑结合相邻视频帧的特征信息对当前视频帧进行质量评估。具体地,可以针对当前视频帧所得的评估得分设置权重系数为0.6,当前视频帧的前一视频帧所得的评估得分设置权重系数为0.3,当前视频帧的后一视频帧所得的评估得分设置权重系数为0.1等,继而可以采用加权求和的方法在当前视频帧的基础上融合相邻视频帧的评估得分。可选地,还可以在提取得到特征信息后,将相邻视频帧的特征信息与当前视频帧的特征信息进行融合后,得到融合特征信息,并基于该融合特征信息计算当前视频帧对应于预设的质量评估指标的评估得分。
在一可行的实施例中,在步骤S104中基于所述评估得分确定所述直播视频的质量评估结果,包括以下步骤D1-D2中的至少一项:
步骤D1:在确定连续的N帧视频帧的评估得分低于第一预设分值时,和/或,在确定累计M帧视频帧的评估得分低于第二预设分值时,输出包括所述直播视频存在故障的第一提示信息的质量评估结果。
考虑到直播视频出现故障问题时一般是对应于多帧视频帧的,若针对单一的视频帧的评估得分低于预设分值的情况随即确定直播视频存在故障问题,则容易出现频繁跳出直播视频存在故障的情况。因此,本申请实施例设置在连续的N帧视频帧的评估得分低于第一预设分值,和/或,累积M帧视频帧的评估得分低于第二预设分值时,方触发输出直播视频存在故障的第一提示信息。
可选地,累计M帧视频帧的计数处理可以是针对整个直播视频播放过程的,也可以是针对设定时间段的,如在确定第三帧视频帧的评估得分低于第二预设分值时,起算时间,在预设时长的2分钟内,若出现5(即数值M)帧视频帧的评估得分低于第二预设分值的,则确定直播视频存在故障,并输出第一提示信息。
其中,N大于1,M大于1。
步骤D2:基于所述当前视频帧确定所述直播视频对应的场景类型信息;若所述当前视频帧的评估得分低于所述场景类型信息对应的第三预设分值,输出包括所述直播视频存在故障的第二提示信息的质量评估结果。
考虑到不同的应用场景所需的视频质量不同,因此还可以针对不同的应用场景设置不同的第三预设分值。具体地,如在网络信号不佳的场景中,适用播放清晰度较低的直播视频,而在网络信号良好的场景中使用播放清晰度较高的直播视频,相对而言,前者对应的第三预设分值将低于后者的第三预设分值。
在一可行的实施例中,VMAF工具的使用方式可以包括:命令行工具、C语言库、python语言库、作为filter集成在FFmpeg中,考虑到跨平台性,本申请实施例可以使用C语言库在Windows平台上进行二次开发,对质量评估模块的封装流程包括:编译动态库,以动态加载的方式导出相关接口API;相关接口的信息可以参考上述表1及其说明。
另外,考虑到工具兼容性的问题,在步骤S102中计算所述对应于预设的质量评估指标的评估得分之前,还包括步骤E1:
步骤E1:通过预设的格式转换接口,转换所述视频帧的图像格式为目标格式。
考虑到VMAF的动态库支持YUV420P、YUV422P、YUV444P格式,因此本申请实施例可以通过集成FFmpeg中的swscale模块来进行格式转换,如可以将YUV、RGB等常规格式转换成VMAF所支持的格式,具体转换流程如下:
(1)输入宽高和数据格式,初始化源图像和目标图像(AVFrame);
(2)初始化转化上下文SwsContext;
(3)通过sws_scale接口进行图像格式转换;
(4)输出目标格式数据。
封装后的VMAF工具作为一个独立的模块,无需受限于编码器、转码器的种类,对于任意的编码器、转码器,经过解码环节后生成的图片数据都可以用于质量指标计算,也有利于本申请实施例提供的方法广泛引用于各种应用场景。相应地,可以适用于转码端、推流端和客户端等多个环节。
基于上述方法实施例相同的原理,本申请实施例还提供了一种直播视频的质量评估装置,如图5中所示,该直播视频的质量评估装置100包括获取模块110、计算模块120、导出模块130和确定模块140。
其中,获取模块110,用于获取直播视频的视频帧;计算模块120,用于通过预设的数据读入接口,计算所述视频帧对应于预设的质量评估指标的评估得分;导出模块130,用于通过预设的数据导出接口,导出所述视频帧的评估得分;确定模块140,用于基于所述评估得分确定所述直播视频的质量评估结果。
在一可行的实施例中,计算模块120在用于通过预设的数据读入接口,计算所述视频帧对应于预设的质量评估指标的评估得分时,具体用于:
采用预设的序号标记策略,针对所述视频帧进行序号标记得到序号标识信息;
通过预设的数据读入接口,计算标记序号后的视频帧对应于预设的质量评估指标的评估得分;
导出模块130在用于通过预设的数据导出接口,导出所述视频帧的评估得分时,具体用于:
通过预设的数据导出接口,基于所述序号标识信息获取所述视频帧的评估得分。
在一可行的实施例中,所述质量评估指标包括峰值信噪比、结构相似性和视频多方法融合评价的指标中的至少一项;
计算模块120在用于计算所述视频帧对应于预设的质量评估指标的评估得分时,具体用于:
获取与所述视频帧的图像对应的源图像;
执行以下至少一项的质量评估步骤,确定所述视频帧的评估得分:
计算所述源图像与所述视频帧的图像之间的峰值信噪比,并基于该峰值信噪比确定所述视频帧的第一评估得分;
计算所述源图像与所述视频帧的图像在亮度、对比度和结构中至少一项的相似度,并基于该相似度确定所述视频帧的第二评估得分;
通过预设的视频多方法融合评价模型,基于所述源图像计算所述视频帧的第三评估得分;其中,在构建该模型时融合有多项用于视频质量评估的指标。
在一可行的实施例中,计算模块120在用于确定所述视频帧的评估得分时,具体用于:
获取各项所述质量评估指标对应的权重系数;
基于所述第一评估得分、第二评估得分和第三评估得分中的至少一项,与所述权重系数,确定所述视频帧最终的评估得分。
在一可行的实施例中,获取到多个视频帧;计算模块120用于计算所述视频帧对应于预设的质量评估指标的评估得分时,具体用于:
基于预设的质量评估指标提取每一所述视频帧的特征信息;
针对当前视频帧的特征信息和/或针对当前视频帧及其相邻视频帧的特征信息,计算所述当前视频帧对应于预设的质量评估指标的评估得分;其中,所述当前视频帧为当前进行质量评估的视频帧;
确定模块140在用于基于所述评估得分确定所述直播视频的质量评估结果时,具体用于以下至少一项:
在确定连续的N帧视频帧的评估得分低于第一预设分值时,和/或,在确定累计M帧视频帧的评估得分低于第二预设分值时,输出包括所述直播视频存在故障的第一提示信息的质量评估结果;
基于所述当前视频帧确定所述直播视频对应的场景类型信息;若所述当前视频帧的评估得分低于所述场景类型信息对应的第三预设分值,输出包括所述直播视频存在故障的第二提示信息的质量评估结果。
在一可行的实施例中,装置还包括转换模块,用于在计算所述对应于预设的质量评估指标的评估得分之前,通过预设的格式转换接口,转换所述视频帧的图像格式为目标格式。
本申请实施例的装置可执行本申请实施例所提供的方法,其实现原理相类似,本申请各实施例的装置中的各模块所执行的动作是与本申请各实施例的方法中的步骤相对应的,对于装置的各模块的详细功能描述具体可以参见前文中所示的对应方法中的描述,此处不再赘述。
本申请实施例中提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,该处理器执行上述计算机程序以实现直播视频的质量评估方法的步骤,与相关技术相比可实现:在直播视频的质量评估中,获取到直播视频的视频帧后,可以通过预设的数据读入接口调用预设的质量评估模块计算视频帧对应于预设的质量评估指标的评估得分;继而可以通过预设的数据导出接口,导出所述视频帧的评估得分,以基于该评估得分确定直播视频的质量评估结果。本申请的实施通过接口调用预设的质量评估模块实时针对直播视频的视频帧进行质量评估,无需改变原有的直播视频的播放架构,也无需观众用户进行问题反馈,更是脱离了编解码器的限制,有利于实时评估直播视频的质量,进而提高对直播视频故障问题处理的时效性。
在一个可选实施例中提供了一种电子设备,如图6所示,图6所示的电子设备4000包括:处理器4001和存储器4003。其中,处理器4001和存储器4003相连,如通过总线4002相连。可选地,电子设备4000还可以包括收发器4004,收发器4004可以用于该电子设备与其他电子设备之间的数据交互,如数据的发送和/或数据的接收等。需要说明的是,实际应用中收发器4004不限于一个,该电子设备4000的结构并不构成对本申请实施例的限定。
处理器4001可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器4001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线4002可包括一通路,在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器4003可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质,在此不做限定。
存储器4003用于存储执行本申请实施例的计算机程序,并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的计算机程序,以实现前述方法实施例所示的步骤。
其中,电子设备包括但不限于:服务器、用户终端、车载设备。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
本申请实施例还提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
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”、“第三”、“第四”、“1”、“2”等(如果存在)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图示或文字描述以外的顺序实施。
应该理解的是,虽然本申请实施例的流程图中通过箭头指示各个操作步骤,但是这些步骤的实施顺序并不受限于箭头所指示的顺序。除非本文中有明确的说明,否则在本申请实施例的一些实施场景中,各流程图中的实施步骤可以按照需求以其他的顺序执行。此外,各流程图中的部分或全部步骤基于实际的实施场景,可以包括多个子步骤或者多个阶段。这些子步骤或者阶段中的部分或全部可以在同一时刻被执行,这些子步骤或者阶段中的每个子步骤或者阶段也可以分别在不同的时刻被执行。在执行时刻不同的场景下,这些子步骤或者阶段的执行顺序可以根据需求灵活配置,本申请实施例对此不限制。
以上所述仅是本申请部分实施场景的可选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请的方案技术构思的前提下,采用基于本申请技术思想的其他类似实施手段,同样属于本申请实施例的保护范畴。
Claims (10)
1.一种直播视频的质量评估方法,其特征在于,包括:
获取直播视频的视频帧;
通过预设的数据读入接口,计算所述视频帧对应于预设的质量评估指标的评估得分;
通过预设的数据导出接口,导出所述视频帧的评估得分;
基于所述评估得分确定所述直播视频的质量评估结果。
2.根据权利要求1所述的方法,其特征在于,
所述通过预设的数据读入接口,计算所述视频帧对应于预设的质量评估指标的评估得分,包括:
采用预设的序号标记策略,针对所述视频帧进行序号标记得到序号标识信息;
通过预设的数据读入接口,计算标记序号后的视频帧对应于预设的质量评估指标的评估得分;
所述通过预设的数据导出接口,导出所述视频帧的评估得分,包括:
通过预设的数据导出接口,基于所述序号标识信息获取所述视频帧的评估得分。
3.根据权利要求1所述的方法,其特征在于,所述质量评估指标包括峰值信噪比、结构相似性和视频多方法融合评价的指标中的至少一项;
所述计算所述视频帧对应于预设的质量评估指标的评估得分,包括:
获取与所述视频帧的图像对应的源图像;
执行以下至少一项的质量评估步骤,确定所述视频帧的评估得分:
计算所述源图像与所述视频帧的图像之间的峰值信噪比,并基于该峰值信噪比确定所述视频帧的第一评估得分;
计算所述源图像与所述视频帧的图像在亮度、对比度和结构中至少一项的相似度,并基于该相似度确定所述视频帧的第二评估得分;
通过预设的视频多方法融合评价模型,基于所述源图像计算所述视频帧的第三评估得分;其中,在构建该模型时融合有多项用于视频质量评估的指标。
4.根据权利要求3所述的方法,其特征在于,所述确定所述视频帧的评估得分,包括:
获取各项所述质量评估指标对应的权重系数;
基于所述第一评估得分、第二评估得分和第三评估得分中的至少一项,与所述权重系数,确定所述视频帧最终的评估得分。
5.根据权利要求1所述的方法,其特征在于,获取到多个视频帧;所述计算所述视频帧对应于预设的质量评估指标的评估得分,包括:
基于预设的质量评估指标提取每一所述视频帧的特征信息;
针对当前视频帧的特征信息和/或针对当前视频帧及其相邻视频帧的特征信息,计算所述当前视频帧对应于预设的质量评估指标的评估得分;其中,所述当前视频帧为当前进行质量评估的视频帧;
所述基于所述评估得分确定所述直播视频的质量评估结果,包括以下至少一项:
在确定连续的N帧视频帧的评估得分低于第一预设分值时,和/或,在确定累计M帧视频帧的评估得分低于第二预设分值时,输出包括所述直播视频存在故障的第一提示信息的质量评估结果;
基于所述当前视频帧确定所述直播视频对应的场景类型信息;若所述当前视频帧的评估得分低于所述场景类型信息对应的第三预设分值,输出包括所述直播视频存在故障的第二提示信息的质量评估结果。
6.根据权利要求1-5中的任一项所述的方法,其特征在于,所述计算所述对应于预设的质量评估指标的评估得分之前,还包括:
通过预设的格式转换接口,转换所述视频帧的图像格式为目标格式。
7.一种直播视频的质量评估装置,其特征在于,包括:
获取模块,用于获取直播视频的视频帧;
计算模块,用于通过预设的数据读入接口,计算所述视频帧对应于预设的质量评估指标的评估得分;
导出模块,用于通过预设的数据导出接口,导出所述视频帧的评估得分;
确定模块,用于基于所述评估得分确定所述直播视频的质量评估结果。
8.一种电子设备,其特征在于,包括存储器和处理器,其中,所述存储器中存储有计算机程序,所述处理器在运行所述计算机程序时用于执行权利要求1至6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质中存储有计算机程序,所述计算机程序在处理器中运行时,所述处理器用于执行权利要求1至6中任一项所述的方法。
10.一种计算机程序产品,其特征在于,所述计算机产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210254136.XA CN114630139A (zh) | 2022-03-15 | 2022-03-15 | 直播视频的质量评估方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210254136.XA CN114630139A (zh) | 2022-03-15 | 2022-03-15 | 直播视频的质量评估方法及其相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114630139A true CN114630139A (zh) | 2022-06-14 |
Family
ID=81902743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210254136.XA Pending CN114630139A (zh) | 2022-03-15 | 2022-03-15 | 直播视频的质量评估方法及其相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114630139A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115278221A (zh) * | 2022-07-29 | 2022-11-01 | 重庆紫光华山智安科技有限公司 | 一种视频质量评估方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107105224A (zh) * | 2017-03-24 | 2017-08-29 | 深圳信息职业技术学院 | 一种视频体验质量评估的方法、装置与系统 |
CN112714309A (zh) * | 2020-12-22 | 2021-04-27 | 北京百度网讯科技有限公司 | 视频质量评估方法、装置、设备、介质及程序产品 |
CN112752146A (zh) * | 2020-05-25 | 2021-05-04 | 腾讯科技(深圳)有限公司 | 视频质量评估方法、装置、计算机设备和存储介质 |
US20220036536A1 (en) * | 2020-07-29 | 2022-02-03 | Samsung Electronics Co., Ltd. | Video quality assessing method and apparatus |
-
2022
- 2022-03-15 CN CN202210254136.XA patent/CN114630139A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107105224A (zh) * | 2017-03-24 | 2017-08-29 | 深圳信息职业技术学院 | 一种视频体验质量评估的方法、装置与系统 |
CN112752146A (zh) * | 2020-05-25 | 2021-05-04 | 腾讯科技(深圳)有限公司 | 视频质量评估方法、装置、计算机设备和存储介质 |
US20220036536A1 (en) * | 2020-07-29 | 2022-02-03 | Samsung Electronics Co., Ltd. | Video quality assessing method and apparatus |
CN112714309A (zh) * | 2020-12-22 | 2021-04-27 | 北京百度网讯科技有限公司 | 视频质量评估方法、装置、设备、介质及程序产品 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115278221A (zh) * | 2022-07-29 | 2022-11-01 | 重庆紫光华山智安科技有限公司 | 一种视频质量评估方法、装置、设备及介质 |
CN115278221B (zh) * | 2022-07-29 | 2024-05-07 | 重庆紫光华山智安科技有限公司 | 一种视频质量评估方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114584849B (zh) | 视频质量评估方法、装置、电子设备及计算机存储介质 | |
Moorthy et al. | Visual quality assessment algorithms: what does the future hold? | |
CN110751649B (zh) | 视频质量评估方法、装置、电子设备及存储介质 | |
US20170013191A1 (en) | No-reference image and video quality evaluation | |
CN102572502B (zh) | 一种用于视频质量评价的关键帧的选取方法 | |
Zeng et al. | 3D-SSIM for video quality assessment | |
WO2018153161A1 (zh) | 一种视频质量评价方法及装置、设备、存储介质 | |
CN114630139A (zh) | 直播视频的质量评估方法及其相关设备 | |
CN112019827A (zh) | 视频图像色彩增强的方法、装置、设备及存储介质 | |
CN105979283A (zh) | 视频转码方法和装置 | |
CN111954034B (zh) | 一种基于终端设备参数的视频编码方法及系统 | |
CN112565887B (zh) | 一种视频处理方法、装置、终端及存储介质 | |
CN113452996A (zh) | 一种视频编码、解码方法及装置 | |
CN116915971A (zh) | 硬件在环视频数据的质量评估方法、装置、设备及介质 | |
CN116980604A (zh) | 视频编码方法、视频解码方法及相关设备 | |
CN114419473B (zh) | 一种基于嵌入式设备的深度学习实时目标检测方法 | |
CN116546304A (zh) | 一种参数配置方法、装置、设备、存储介质及产品 | |
JP2024511103A (ja) | 近似値に基づいて画像又はビデオの品質を評価する方法及び装置、第1のモデルの訓練方法及び装置、電子機器、記憶媒体、並びにコンピュータプログラム | |
CN115115968A (zh) | 视频质量评价方法、装置及计算机可读存储介质 | |
WO2020233536A1 (zh) | Vr视频质量评估方法及装置 | |
US10764578B2 (en) | Bit rate optimization system and method | |
Saha et al. | Perceptual Video Quality Assessment: The Journey Continues! | |
CN114387440A (zh) | 一种视频裁剪方法、装置及存储介质 | |
CN113891069A (zh) | 一种视频质量的评估方法、装置及设备 | |
CN113038129A (zh) | 一种用于机器学习的数据样本获取的方法及设备 |
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 |