CN115134583A - 视频会议质量评价方法及系统 - Google Patents
视频会议质量评价方法及系统 Download PDFInfo
- Publication number
- CN115134583A CN115134583A CN202110334686.8A CN202110334686A CN115134583A CN 115134583 A CN115134583 A CN 115134583A CN 202110334686 A CN202110334686 A CN 202110334686A CN 115134583 A CN115134583 A CN 115134583A
- Authority
- CN
- China
- Prior art keywords
- macro block
- boundary
- video conference
- lost
- acquiring
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 239000013598 vector Substances 0.000 claims description 23
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 9
- 230000008447 perception Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明实施例公开了一种视频会议质量评价方法及系统,包括:采集视频会议数据中当前帧图像的丢失宏块,获取所述丢失宏块的内边界和外边界;计算所述内边界和所述外边界之间的边界匹配差值,并据此获取标准化均数差候选值;根据所述标准化均数差候选值计算得到视频会议质量得分。本发明的视频会议质量评价方法及系统实现了视频会议质量的数值化评估,真实有效反映视频会议感知,计算过程简洁以及准确性高,可以对不同的视频会议码流、解码序列进行计算,能够适应各类场景的视频质量评估。
Description
【技术领域】
本发明涉及视频会议技术领域,尤其涉及一种视频会议质量评价方法及系统。
【背景技术】
视频会议系统是集视频通信、音频通信、数据通信于一体的新一代交互式多媒体会议系统。在日常工作中起着举足轻重的作用,确保其会议质量感知良好,系统稳定运行显得尤为重要。视频会议质量往往受限于传输网络节点及视频会议终端接入网络,经常会因网络质量差、终端性能低而导致的视频会议感知劣化。所谓的视频会议质量好坏都是感官获得的,没有具体的量化数据分值,所以需要通过的具体视频会议质量评估方法才能量化视频会议感知情况,并根据会议质量进行最优网络选择。目前常用的视频会议评估算法有以下两种:
1.带宽评估法:通过采集视频会议系统、会场终端上联的网络设备Trap日志,统计计算其实时流量、峰值流量、错包率、丢包率等网络性能指标,间接判断视频会议质量。但是,根据视频会议接入网络带宽进行评估,其评估体系的关键指标为带宽利用率和流量波动,评估指标只能展现视讯会议系统承载网络的性能,会议中的音视频丢包率、画面卡顿、抖动无法评估。
2.日志评估法:通过采集视频会议系统会议期间的业务日志,统计音频、视频、辅流的收发包,计算音频、视频、辅流双向丢包率,根据丢包率大小进行视频会议质量判断。通过视频会议网管自带的会议日志分析模块进行评估,可以实现视频会议中视频收发丢包统计、音频收发丢包统计、辅流收发丢包统计,但是丢包统计只是会议某一时刻或者某一连续时间段的统计,无法对会议质量进行整体评估。
上述两种方法可能适合某类特定场景视频会议的质量评估,但是针对各类通用场景或综合复杂场景的视频会议,效果往往不够理想。
现有视频会议系统常使用RTP(Real-time Transport Protocol,实时传输协议)、UDP(User Datagram Protocol,用户数据报协议)或IP(Internet Protocol,网际互联协议)等网络协议,会议使用GK(GateKeeper,网守)、SIP(Session Initiation Protocol,会话初始协议)等视频会议协议,虽然各类系统使用的协议各不相同,但是系统的基本原理都是采用基于块的混合编码框架,而且针对会议质量不应只聚焦于网络侧的性能指标,系统的日志分析,还应该对视频会议码流、解码序列进行计算,并引入核心算法,通过评估体系进行综合定级,形成一种更简单、直观的客观方法,从而评估与客户感知更为一致的视频会议质量结果。
【发明内容】
有鉴于此,本发明实施例提供了一种视频会议质量评价方法及系统,用以解决现有技术的视频会议质量评价方法中存在的针对各类通用场景或综合复杂场景的视频会议效果不佳的技术问题。
第一方面,本发明实施例提供了一种视频会议质量评价方法,所述方法包括:
采集视频会议数据中当前帧图像的丢失宏块,获取所述丢失宏块的内边界和外边界;
计算所述内边界和所述外边界之间的边界匹配差值,并据此获取标准化均数差候选值;
根据所述标准化均数差候选值计算得到视频会议质量得分。
在一种优选的实施方案中,采集视频会议数据中当前帧图像的丢失宏块,获取所述丢失宏块的内边界和外边界的步骤,包括以下步骤:
采集视频会议数据中的所有帧图像,选取当前帧图像和前一帧图像,并获取所述当前帧图像和所述前一帧图像中的所有宏块;
采集所述当前帧图像的丢失宏块,以及所述前一帧图像中与所述丢失宏块相匹配的完好宏块;
将所述丢失宏块与所述完好宏块相比较,根据所述完好宏块的边界线确定所述丢失宏块的边界线;
自所述丢失宏块的边界线向所述丢失宏块的内部搜索一个像素宽作为内边界,自所述完好宏块的边界线向所述完好宏块的外部搜索一个像素宽作为外边界。
在一种优选的实施方案中,计算所述内边界和所述外边界之间的边界匹配差值,并据此获取标准化均数差候选值的步骤中,包括以下步骤:
基于所述内边界和所述外边界,假定一个能够反映所述丢失宏块的原视频数据的重构图像块;
分别计算所述重构图像块与多个相邻宏块的边界匹配差值;
根据所述边界匹配差值,计算所述丢失宏块的标准化均数差候选值。
在一种优选的实施方案中,基于所述内边界和所述外边界,假定一个能够反映所述丢失宏块的原视频数据的重构图像块的步骤中,包括以下步骤:
基于所述丢失宏块,以所述丢失宏块的左上角为原点,以所述丢失宏块的两条边为x轴和y轴,建立直角坐标系;
假设所述当前帧图像为第n帧图像,在所述直角坐标系中重构所述第n帧图像,并获取所述第n帧图像的像素值和绝对位移帧差;
在所述第n帧图像中选取一重构图像块,并获取所述重构图像块相对于所述丢失宏块的运动向量。
在一种优选的实施方案中,分别计算所述重构图像块与多个相邻宏块的边界匹配差值的步骤中,包括以下步骤:
自所述重构图像块沿x轴和y轴分别搜索上方宏块、左方宏块和下方宏块;
在所述直角坐标系分别获取所述上方宏块、左方宏块和下方宏块的像素值和相对于所述丢失宏块的运动向量;
根据所述重构图像块、所述上方宏块、所述左方宏块和所述下方宏块的像素值和相对于所述丢失宏块的运动向量,分别计算出所述上方宏块、左方宏块和下方宏块的边界匹配差值。
在一种优选的实施方案中,根据所述标准化均数差候选值计算得到视频会议质量得分的步骤中,包括有以下步骤:
建立失真率与质量得分的对应关系;
将所述准化均数差候选值转化成失真率;
基于所述对应关系,根据所述失真率得到所述质量得分;
输出所述质量得分。
在一种优选的实施方案中,所述标准化均数差候选值为多个所述边界匹配差值的算数平均数。
第二方面,本发明实施例提供了一种视频会议质量评价系统,所述系统包括:
采集模块,用于采集视频会议数据中当前帧图像的丢失宏块,获取所述丢失宏块的内边界和外边界;
处理模块,用于计算所述内边界和所述外边界之间的边界匹配差值,并据此获取标准化均数差候选值;
评价模块,用于根据所述标准化均数差候选值计算得到视频会议质量得分。
第三方面,本发明实施例提供了一种终端设备,包括:存储器和处理器:
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器中存储的计算机程序,以使所述终端设备执行如第一方面所述的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,包括程序或指令,当所述程序或指令在计算机上运行时,如第一方面所述的方法被执行。
与现有技术相比,本技术方案至少具有如下有益效果:
本发明实施例所公开的视频会议质量评价方法及系统,实现了视频会议质量的数值化评估,真实有效反映视频会议感知,计算过程简洁以及准确性高,可以对不同的视频会议码流、解码序列进行计算,能够适应各类场景的视频质量评估。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它的附图。
图1是本发明实施例1所提供的视频会议质量评价方法的步骤流程图;
图2是本发明实施例1所提供的视频会议质量评价方法中,步骤Step100的流程示意图;
图3是本发明实施例1所提供的视频会议质量评价方法中,丢失宏块的内边界和外边界的示意图;
图4是本发明实施例1所提供的视频会议质量评价方法中,步骤Step200的流程示意图;
图5是本发明实施例1所提供的视频会议质量评价方法中,步骤Step210的流程示意图;
图6是本发明实施例1所提供的视频会议质量评价方法中,直角坐标系的示意图;
图7是本发明实施例1所提供的视频会议质量评价方法中,步骤Step220的流程示意图;
图8是本发明实施例1所提供的视频会议质量评价方法中,步骤Step300的流程示意图;
图9是本发明实施例2所提供的视频会议质量评价系统的模块示意图。
图10是本发明实施例3所提供的终端设备中处理器的内部架构图。
附图标记:
1-采集模块;2-处理模块;3-评价模块。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
实施例1
现有视频会议系统常使用实时传输协议(RTP,Real-time Transport Protocol)、用户数据报协议(UDP,User Datagram Protocol)或网际互联协议(IP,InternetProtocol)等网络协议,会议使用网守(GK,GateKeeper)、会话初始协议(SIP,SessionInitiation Protocol)等视频会议协议,虽然各类系统使用的协议各不相同,但是系统的基本原理都是采用基于块的混合编码框架,而且针对会议质量不应只聚焦于网络侧的性能指标,系统的日志分析,还应该对视频会议码流、解码序列进行计算,并引入核心算法,通过评估体系进行综合定级,形成一种更简单、直观的客观方法,从而评估与客户感知更为一致的视频会议质量结果。
本发明实施例1提出了一种基于块匹配模型的视频会议质量评价方法,如图1所示,该方法包括以下步骤:
Step100:采集视频会议数据中当前帧图像的丢失宏块,获取丢失宏块的内边界和外边界。
Step200:计算内边界和外边界之间的边界匹配差值,并据此获取标准化均数差候选值。
Step300:根据标准化均数差候选值计算得到视频会议质量得分。其中,标准化均数差候选值为多个边界匹配差值的算数平均数。
该方法利用块匹配算法,通过对视频帧图像内丢失宏块的内边界和外边界之间的边界匹配差值进行计算并作为质量评估准则,获得标准化均数差(SMD,Standard MeanDifference)候选值,根据该标准化均数差候选值计算得出该视频会议质量得分。在该块匹配算法中,只需计算内边界和外边界像素值的绝对和、均方和、边界差值,占用的计算机内部性能资源较少,且无需带入矩阵函数,计算结果唯一且恒定,因此该使用块匹配算法能够使计算过程简洁且准确性高,并且十分适合对H.264中的视频会议进行质量评价。
在步骤Step100中,视频会议会自动根据协议进行解码,将图像分解成对应分辨率的帧图像,帧图像中的每一像素块都会自带标示码,只需根据对应标识码即可实现对帧图像的丢失宏块的搜索,宏块的状态对应关系如表1。
状态标记 | 对应值 |
完好 | 3 |
被掩盖 | 2 |
被损坏 | 1 |
空 | 0 |
表1
丢失宏块即为对应值为1和2的宏块,完好宏块即为对应值为3的宏块,空块即为对应值为0的宏块。
如图2所示,在本发明实施例1的视频会议质量评价方法中,步骤Step100“采集视频会议数据中当前帧图像的丢失宏块,获取丢失宏块的内边界和外边界”中,包括以下步骤:
Step110:采集视频会议数据中的所有帧图像,选取当前帧图像和前一帧图像,并获取当前帧图像和前一帧图像中的所有宏块。
Step120:采集当前帧图像的丢失宏块,以及前一帧图像中与丢失宏块相匹配的完好宏块。
Step130:将丢失宏块与完好宏块相比较,根据完好宏块的边界线确定丢失宏块的边界线。
Step140:自丢失宏块的边界线向丢失宏块的内部搜索一个像素宽作为内边界,自完好宏块的边界线向完好宏块的外部搜索一个像素宽作为外边界。
参见图3,右边是当前帧图像中丢失宏块的内边界,左边是前一帧图像中丢失宏块的外边界。在实际的图像传输中,绝对位移帧差(DFD,Displaced Frame Difference)和图像运动向量(MV,Motion Vector)都可能丢失,因而在使用本发明的算法的同时,一并使用提出基于候选值的均值算法进行补充验证。本发明的算法先假定丢失的绝对位移帧差值分别等于上方宏块、下方宏块、左方宏块的绝对位移帧差和0绝对位移帧差(即空块),然后根据块匹配模型来估算运动向量,使得内边界和外边界之间的方差和最小的绝对位移帧差与对应的运动向量作为估计绝对位移帧差、估计运动向量。
通过上述图2所示的步骤,在本发明中所采用的块匹配算法,使用全搜索的方式对丢失宏块周围的相邻宏块以及内边界和外边界进行搜索,以找到与丢失宏块相邻的最佳匹配块。
如图4所示,在本发明实施例1的视频会议质量评价方法中,步骤Step200“计算内边界和外边界之间的边界匹配差值,并据此获取标准化均数差候选值”中,包括以下步骤:
Step210:基于内边界和外边界,假定一个能够反映丢失宏块的原视频数据的重构图像块。
Step220:分别计算重构图像块与多个相邻宏块的边界匹配差值。
Step230:根据边界匹配差值,计算丢失宏块的标准化均数差候选值。
本发明采用的块匹配算法使用完好的相邻宏块进行边框匹配来选择最佳运动向量,该最佳运动向量利用丢失宏块与其周围宏块的相关性,取周围上、下、左、右宏块的运动向量作为一个运动向量集,使用最小边界匹配误差(SAD)规则,寻找最优运动向量,将这个最优运动向量对应参考帧图像中的宏块来补偿当前帧图像中的丢失宏块。当丢失宏块周围的完好宏块较少时,由于没有结合相邻已掩盖宏块的信息,得到的运动补偿宏块与相邻已掩盖宏块间可能存在较大的边框匹配误差,造成衔接不平滑的现象。运动补偿宏块是指与丢失宏块相邻的上、下、左、右宏块的运动向量集,相邻已掩盖宏块是指已经通过误码修复过的宏块,可以是本端修复的也可以是对端修复的。因此,需要先假设一个重构图像块,来确定视频中相邻帧图像之间的位移,以便于计算标准化均数差候选值。
如图5所示,在本发明实施例1的视频会议质量评价方法中,步骤Step210“基于内边界和外边界,假定一个能够反映丢失宏块的原视频数据的重构图像块”中,包括以下步骤:
Step211:基于丢失宏块,以丢失宏块的左上角为原点,以丢失宏块的两条边为x轴和y轴,建立直角坐标系。
Step212:假设当前帧图像为第n帧图像,在直角坐标系中重构第n帧图像,并获取第n帧图像的像素值和绝对位移帧差。
Step213:在第n帧图像中选取一重构图像块,并获取重构图像块相对于丢失宏块的运动向量。
如图6所示的是步骤Step211中所建立的直角坐标系,丢失宏块的左上角为直角坐标系的原点(x0,y0)。根据步骤Step212,假设需要重构的当前帧图像为第n帧图像,该第n帧图像的像素值为Fr(x,y,n),其中(x,y)是空间坐标,Fd(x,y,n)表示绝对位移帧差值。假设第n帧图像的运动向量丢失或者发生错误,用表示估计丢失的运动向量,分别表示x、y分量。根据步骤Step213在第n帧图像中选取的重构图像块的坐标值为:
x0≤x<x0+N,y0≤y<y0+N。
该重构图像块的坐标值即丢失宏块的坐标值Fr加上假定的绝对位移帧差Fd,通过该重构图像块与周围宏块来确定内边界和外边界,尽管重构图像块不是丢失宏块,但由于同一帧图像中各个宏块与相邻宏块之间的边界匹配差值相差不会很大,基本可以反映出整个帧图像的失真率,因此通过假定重构图像块就能够模拟出丢失宏块的内边界和外边界,方便估算丢失宏块与相邻宏块之间的边界匹配差值。
如图7所示,在本发明实施例1的视频会议质量评价方法中,步骤Step220“分别计算重构图像块与多个相邻宏块的边界匹配差值”的步骤中,包括以下步骤:
Step221:自重构图像块沿x轴和y轴分别搜索上方宏块、左方宏块和下方宏块。
Step222:在直角坐标系分别获取上方宏块、左方宏块和下方宏块的像素值和相对于丢失宏块的运动向量。
Step223:根据重构图像块、上方宏块、左方宏块和下方宏块的像素值和相对于丢失宏块的运动向量,分别计算出上方宏块、左方宏块和下方宏块的边界匹配差值。
根据步骤Step210中获得的重构图像块的坐标值来推算其上方宏块、左方宏块和下方宏块的坐标值,上方宏块的坐标值为Fr(x,y0-1,n),左方宏块的坐标值为Fr(x0-1,n),下方宏块的坐标值为Fr(x,y0+N,n),则重构图像块与上方宏块、左方宏块和下方宏块之间的边界匹配差值分别为CA、CL、CB:
根据步骤Step230计算出标准化均数差候选值C,满足:C=(CA+CL+CB)/n,其中n表示帧图像的序列。由于对视频会议中每一帧图像的计算实现起来过于庞大,所以本实施例1的方法采用前一帧图像中与丢失宏块相匹配的相同宏块、可利用的邻近宏块,邻近宏块的中值、邻近宏块的均值和零矢量五种情况得出标准化均数差候选值。计算出的标准化均数差候选值越小,表示相邻两个帧图像的宏块的匹配度越高,视频画面质量越好。
如图8所示,在本发明实施例1的视频会议质量评价方法中,步骤Step300“根据标准化均数差候选值计算得到视频会议质量得分”的步骤中,包括:
Step310:建立失真率与质量得分的对应关系。
Step320:将准化均数差候选值转化成失真率。
Step330:基于对应关系,根据失真率得到质量得分。
Step340:输出质量得分。
通过步骤Step310所建立的失真率与质量得分的对应关系如下表2所示。
表2
通过建立对应关系表建立失真率评价等级,将评价等级与失真率的多个数值范围联系起来,使用户能够直观地知晓视频的质量。
通过步骤Step320,根据失真率=标准化均数差候选值*100%将计算得到的标准化均数差候选值换算成百分数即为失真率,得出该视频会议失真率统计。
通过步骤Step330,将统计出的失真率换算成评价等级,例如某个视频会议的视频的失真率为35%,则其评价等级为“好”。
最后通过步骤Step340,将视频会议的质量得分输出,使得用户在使用时能够实时得到视频会议的视频质量,以便于用户及时调节视频会议的视频质量或者对投放视频的设备进行修复。
相比于现有技术的带宽评估法和日志评估法,本实施例1的视频会议质量评价方法能够全面评估视频会议质量,通过将评估结果数值化,直观地给用户呈现各种应用场景下视频会议的视频质量,不再依靠网络侧或业务侧的带宽或者日志等数据或指标侧面评估会议质量,直接计算视频画面的实际失真率,以达到真实有效反映视频会议的用户感知,不仅计算过程更简洁、准确性更高,其适用范围也更加广泛,十分适合对H.264制式下的视频会议进行质量评价。
实施例2
如图9所示,在本发明实施例2公开了一种视频会议质量评价系统,包括:采集模块1、处理模块2和评价模块3。
其中,采集模块1用于采集视频会议数据中当前帧图像的丢失宏块,获取丢失宏块的内边界和外边界;处理模块2用于计算内边界和外边界之间的边界匹配差值,并据此获取标准化均数差候选值;评价模块3用于根据标准化均数差候选值计算得到视频会议质量得分。
本实施例2的视频会议质量评价系统,利用块匹配算法,通过对视频帧图像内丢失宏块的内边界和外边界之间的边界匹配差值进行计算并作为质量评估准则,获得标准化均数差候选值,根据该标准化均数差候选值计算得出该视频会议质量得分。在该块匹配算法中,只需计算内边界和外边界像素值的绝对和、均方和、边界差值,占用的计算机内部性能资源较少,且无需带入矩阵函数,计算结果唯一且恒定,因此该使用块匹配算法能够使计算过程简洁且准确性高,并且十分适合对H.264中的视频会议进行质量评价。
实施例3
本发明实施例3提供了一种终端设备,包括:存储器和处理器:
存储器,用于存储计算机程序;
处理器,用于执行存储器中存储的计算机程序,以使终端设备执行如实施例1的方法。
如图10所示,本申请实施例1所公开的视频会议质量评价方法中所采用的算法通过Jave部署在某种终端设备上即可,例如通用X86主机。该终端设备中,处理器中采用C/S架构,采用视频应用层-数据结构层-业务逻辑层三层架构。其中视频应用层使用Jave编排,数据结构层使用对象关系映射框架(Hibernate映射框架),业务逻辑层采用基于分布式事务处理的企业级应用程序的组件(EJB,Enterprise Java Beans)技术。
实施例4
本发明实施例4提供了一种计算机可读存储介质,包括程序或指令,当程序或指令在计算机上运行时,如实施例1的方法被执行。
本发明实施例所公开的视频会议质量评价方法及系统,实现了视频会议质量的数值化评估,真实有效反映视频会议感知,计算过程简洁以及准确性高,可以对不同的视频会议码流、解码序列进行计算,能够适应各类场景的视频质量评估。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(Digital Subscriber Line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,高密度数字视频光盘(Digital Video Disc,DVD))、或者半导体介质(例如,固态硬盘(Solid State Disk,SSD))等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种视频会议质量评价方法,其特征在于,所述方法包括:
采集视频会议数据中当前帧图像的丢失宏块,获取所述丢失宏块的内边界和外边界;
计算所述内边界和所述外边界之间的边界匹配差值,并据此获取标准化均数差候选值;
根据所述标准化均数差候选值计算得到视频会议质量得分。
2.根据权利要求1所述的视频会议质量评价方法,其特征在于,采集视频会议数据中当前帧图像的丢失宏块,获取所述丢失宏块的内边界和外边界的步骤,包括以下步骤:
采集视频会议数据中的所有帧图像,选取当前帧图像和前一帧图像,并获取所述当前帧图像和所述前一帧图像中的所有宏块;
采集所述当前帧图像的丢失宏块,以及所述前一帧图像中与所述丢失宏块相匹配的完好宏块;
将所述丢失宏块与所述完好宏块相比较,根据所述完好宏块的边界线确定所述丢失宏块的边界线;
自所述丢失宏块的边界线向所述丢失宏块的内部搜索一个像素宽作为内边界,自所述完好宏块的边界线向所述完好宏块的外部搜索一个像素宽作为外边界。
3.根据权利要求2所述的视频会议质量评价方法,其特征在于,计算所述内边界和所述外边界之间的边界匹配差值,并据此获取标准化均数差候选值的步骤中,包括以下步骤:
基于所述内边界和所述外边界,假定一个能够反映所述丢失宏块的原视频数据的重构图像块;
分别计算所述重构图像块与多个相邻宏块的边界匹配差值;
根据所述边界匹配差值,计算所述丢失宏块的标准化均数差候选值。
4.根据权利要求3所述的视频会议质量评价方法,其特征在于,基于所述内边界和所述外边界,假定一个能够反映所述丢失宏块的原视频数据的重构图像块的步骤中,包括以下步骤:
基于所述丢失宏块,以所述丢失宏块的左上角为原点,以所述丢失宏块的两条边为x轴和y轴,建立直角坐标系;
假设所述当前帧图像为第n帧图像,在所述直角坐标系中重构所述第n帧图像,并获取所述第n帧图像的像素值和绝对位移帧差;
在所述第n帧图像中选取一重构图像块,并获取所述重构图像块相对于所述丢失宏块的运动向量。
5.根据权利要求4所述的视频会议质量评价方法,其特征在于,分别计算所述重构图像块与多个相邻宏块的边界匹配差值的步骤中,包括以下步骤:
自所述重构图像块沿x轴和y轴分别搜索上方宏块、左方宏块和下方宏块;
在所述直角坐标系分别获取所述上方宏块、左方宏块和下方宏块的像素值和相对于所述丢失宏块的运动向量;
根据所述重构图像块、所述上方宏块、所述左方宏块和所述下方宏块的像素值和相对于所述丢失宏块的运动向量,分别计算出所述上方宏块、左方宏块和下方宏块的边界匹配差值。
6.根据权利要求1所述的视频会议质量评价方法,其特征在于,根据所述标准化均数差候选值计算得到视频会议质量得分的步骤中,包括有以下步骤:
建立失真率与质量得分的对应关系;
将所述准化均数差候选值转化成失真率;
基于所述对应关系,根据所述失真率得到所述质量得分;
输出所述质量得分。
7.根据权利要求1所述的视频会议质量评价方法,其特征在于,所述标准化均数差候选值为多个所述边界匹配差值的算数平均数。
8.一种视频会议质量评价系统,其特征在于,所述系统包括:
采集模块,用于采集视频会议数据中当前帧图像的丢失宏块,获取所述丢失宏块的内边界和外边界;
处理模块,用于计算所述内边界和所述外边界之间的边界匹配差值,并据此获取标准化均数差候选值;
评价模块,用于根据所述标准化均数差候选值计算得到视频会议质量得分。
9.一种终端设备,其特征在于,包括:存储器和处理器:
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器中存储的计算机程序,以使所述终端设备执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,包括程序或指令,当所述程序或指令在计算机上运行时,如权利要求1至7中任一项所述的方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110334686.8A CN115134583B (zh) | 2021-03-29 | 视频会议质量评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110334686.8A CN115134583B (zh) | 2021-03-29 | 视频会议质量评价方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115134583A true CN115134583A (zh) | 2022-09-30 |
CN115134583B CN115134583B (zh) | 2024-06-07 |
Family
ID=
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050195903A1 (en) * | 2004-03-04 | 2005-09-08 | Pace Soft Silicon Pvt. Ltd. | Method and apparatus to check for wrongly decoded macroblocks in streaming multimedia applications |
CN101076124A (zh) * | 2006-05-18 | 2007-11-21 | 北京大学深圳研究生院 | 去块滤波器 |
US20090067504A1 (en) * | 2007-09-07 | 2009-03-12 | Alexander Zheludkov | Real-time video coding/decoding |
US20100002771A1 (en) * | 2008-07-04 | 2010-01-07 | Huang Shih-Chia | Seamless Wireless Video Transmission For Multimedia Applications |
CN102647591A (zh) * | 2012-04-17 | 2012-08-22 | 中国科学院声学研究所 | 基于ssim评价的容错率失真优化视频编码方法、装置 |
CN102685509A (zh) * | 2012-04-26 | 2012-09-19 | 中山大学 | 一种基于场景转换的视频差错控制方法 |
CN102917221A (zh) * | 2012-10-18 | 2013-02-06 | 北京航空航天大学 | 基于新型十字菱形搜索及三帧背景对齐的动背景视频对象提取 |
KR101856543B1 (ko) * | 2018-02-26 | 2018-05-11 | 주식회사 리앙커뮤니케이션즈 | 인공지능 기반의 장애 예측 시스템 |
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050195903A1 (en) * | 2004-03-04 | 2005-09-08 | Pace Soft Silicon Pvt. Ltd. | Method and apparatus to check for wrongly decoded macroblocks in streaming multimedia applications |
CN101076124A (zh) * | 2006-05-18 | 2007-11-21 | 北京大学深圳研究生院 | 去块滤波器 |
US20090067504A1 (en) * | 2007-09-07 | 2009-03-12 | Alexander Zheludkov | Real-time video coding/decoding |
US20100002771A1 (en) * | 2008-07-04 | 2010-01-07 | Huang Shih-Chia | Seamless Wireless Video Transmission For Multimedia Applications |
CN102647591A (zh) * | 2012-04-17 | 2012-08-22 | 中国科学院声学研究所 | 基于ssim评价的容错率失真优化视频编码方法、装置 |
CN102685509A (zh) * | 2012-04-26 | 2012-09-19 | 中山大学 | 一种基于场景转换的视频差错控制方法 |
CN102917221A (zh) * | 2012-10-18 | 2013-02-06 | 北京航空航天大学 | 基于新型十字菱形搜索及三帧背景对齐的动背景视频对象提取 |
KR101856543B1 (ko) * | 2018-02-26 | 2018-05-11 | 주식회사 리앙커뮤니케이션즈 | 인공지능 기반의 장애 예측 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7142599B2 (en) | Method and device for selecting a transcoding method from a set of transcoding methods | |
CN101577631B (zh) | 评价用户体验质量的方法、系统及网络装置 | |
US8649278B2 (en) | Method and system of multimedia service performance monitoring | |
EP3055983A1 (en) | Predicting call quality | |
EP2074827A1 (en) | A method of determining video quality | |
Sun et al. | VU: Edge computing-enabled video usefulness detection and its application in large-scale video surveillance systems | |
CN108933935A (zh) | 视频通信系统的检测方法、装置、存储介质和计算机设备 | |
Minhas et al. | Quality of experience hourglass model | |
CN107343202B (zh) | 基于附加码率的无反馈分布式视频编解码方法 | |
JPH09307930A (ja) | ディジタル画像品質評価装置 | |
CN112449182A (zh) | 视频编码方法、装置、设备及存储介质 | |
Amirpour et al. | Between two and six? towards correct estimation of jnd step sizes for vmaf-based bitrate laddering | |
WO2021238546A1 (zh) | 视频编码方法、视频播放方法、相关设备及介质 | |
Zhang et al. | An inter-image redundancy measure for image set compression | |
CN115134583B (zh) | 视频会议质量评价方法及系统 | |
CN115134583A (zh) | 视频会议质量评价方法及系统 | |
CN109889816B (zh) | 一种视频质量评估方法、装置、设备和存储介质 | |
CN101124570A (zh) | 根据媒体资源转换多媒体内容的模态以支持质量服务的方法和设备 | |
CN115941972A (zh) | 图像传输方法、装置、设备及存储介质 | |
US20220030233A1 (en) | Interpolation filtering method and apparatus for intra-frame prediction, medium, and electronic device | |
JP7431514B2 (ja) | 映像通話サービスの品質をリアルタイムで測定する方法およびシステム | |
JP2013030852A (ja) | スケーラブル映像符号化装置及び方法及びプログラム | |
Martini | On the relationship between SSIM and PSNR for DCT-based compressed images and video: SSIM as content-aware PSNR | |
US20150341659A1 (en) | Use of pipelined hierarchical motion estimator in video coding | |
CN110602525B (zh) | 一种视频分析结果与图像帧绑定传输的方法 |
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 |