CN115330661A - 视频图像质量检测方法、装置、设备及可读存储介质 - Google Patents
视频图像质量检测方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN115330661A CN115330661A CN202110456767.5A CN202110456767A CN115330661A CN 115330661 A CN115330661 A CN 115330661A CN 202110456767 A CN202110456767 A CN 202110456767A CN 115330661 A CN115330661 A CN 115330661A
- Authority
- CN
- China
- Prior art keywords
- image
- video
- quality detection
- detected
- preset
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 204
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims description 110
- 239000006002 Pepper Substances 0.000 claims description 28
- 235000002566 Capsicum Nutrition 0.000 claims description 26
- 241000722363 Piper Species 0.000 claims description 26
- 235000016761 Piper aduncum Nutrition 0.000 claims description 26
- 235000017804 Piper guineense Nutrition 0.000 claims description 26
- 235000008184 Piper nigrum Nutrition 0.000 claims description 26
- 150000003839 salts Chemical class 0.000 claims description 26
- 239000013598 vector Substances 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 18
- 238000003702 image correction Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Television Signal Processing For Recording (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种视频图像质量检测方法、装置、设备及可读存储介质，所述方法包括：接收到携带有视频标识的视频图像质量检测请求时，根据所述视频标识获取待检测视频；从所述待检测视频中获取多帧待检测图像；将各帧所述待检测图像输入至预设质量检测模型中，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果，由此通过预设质量检测模型实现自动化视频质量检测，进而降低人工成本且提高检测效率。
Description
技术领域
本发明涉及视频处理技术领域，尤其涉及一种视频图像质量检测方法、装置、设备及可读存储介质。
背景技术
目前，面对无法获取原始的视频流数据以及音频流数据的待检测视频，往往通过人工检测视频质量。但是，人工检测视频质量，成本高、效率低、可靠性差。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种视频图像质量检测方法、装置、设备及可读存储介质，旨在解决目前视频质量检测人工成本高且效率低的技术问题。
为实现上述目的，本发明提供一种视频图像质量检测方法，所述视频图像质量检测方法包括以下步骤：
接收到携带有视频标识的视频图像质量检测请求时，根据所述视频标识获取待检测视频；
从所述待检测视频中获取多帧待检测图像；
将各帧所述待检测图像输入至预设质量检测模型中，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果。
可选地，所述从所述待检测视频中获取多帧待检测图像的步骤包括：
检测到所述待检测视频开始播放时，通过预设截图脚本对所述待检测视频进行图像截取，获取多帧待检测图像。
可选地，所述将所述待检测图像输入至预设质量检测模型中的步骤之前，还包括：
构建标识有真实质量标签的训练图像；
获取初始模型，并根据所述标识有真实质量标签的训练图像对所述初始模型进行训练，以获得预设质量检测模型。
可选地，所述根据所述标识有真实质量标签的训练图像对所述初始模型进行训练，以获得预设质量检测模型的步骤包括：
对所述标识有真实质量标签的训练图像进行向量化处理，以获取目标训练特征向量；
将所述目标训练特征向量输入至初始模型，由所述初始模型输出所述训练图像对应的质量预测标签；
基于所述训练图像的真实质量标签和所述训练图像的质量预测标签计算损失函数；
通过梯度下降的方式更新所述初始模型的模型参数，直至所述损失函数收敛或达到预设训练迭代轮次，并将所述损失函数收敛或达到预设训练迭代轮次对应的模型参数作为最终模型参数，以获取预设质量检测模型。
可选地，所述构建标识有真实质量标签的训练图像的步骤包括：
获取高清样本图像；
对所述高清样本图像进行目标噪声添加，以构建训练图像；
根据所述目标噪声标识所述训练图像的真实质量标签。
可选地，所述目标噪声包括高斯噪声，所述对所述高清样本图像进行目标噪声添加，以构建训练图像的步骤包括：
对所述高清样本图像进行灰度处理，以获取灰度图像；
对所述灰度图像进行归一化，随机生成符合高斯正态分布的高斯噪声；
将所述高斯噪声添加至归一化后的灰度图像，以获取目标图像；
对所述目标图像进行反归一化，以获取添加高斯噪声的目标灰度图像；
判断所述目标灰度图像的灰度值范围是否处于预设范围区间；
若所述目标灰度图像的灰度值范围处于预设范围区间，则判定所述目标灰度图像为训练图像。
可选地，所述目标噪声包括椒盐噪声，所述对所述高清样本图像进行目标噪声添加，以构建训练图像的步骤包括：
对所述高清样本图像进行灰度处理，以获取灰度图像；
获取所述灰度图像的原始像素点数量，并将所述灰度图像的信噪比调整为预设信噪比的灰度图像；
基于所述原始像素点数量及所述预设信噪比确定所述目标灰度图像中的目标椒盐噪声像素点数量；
在所述灰度图像中随机选取原始像素点，并将所述原始像素点赋值为0或255，以生成椒盐噪声像素点，直至所述椒盐噪声像素点数量达到所述目标椒盐噪声像素点数量。
可选地，所述通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果的步骤之后，还包括：
根据所述图像质量检测结果生成所述待检测视频的视频质量评分；
获取所述待检测视频的视频播放界面信息，并根据所述视频播放界面信息确定信息展示板块；
通过所述信息展示板块将所述视频质量评分进行可视化输出。
可选地，所述通过所述信息展示板块将所述视频质量评分进行可视化输出的步骤之后，还包括：
在接收到用户根据所述视频质量评分反馈的视频图像矫正指令时，对所述待检测视频进行视频图像矫正。
可选地，所述对所述待检测视频进行视频图像矫正的步骤包括：
获取所述待检测视频的播放参数；
判断所述所述待检测视频的播放参数是否达到最优播放参数；
若所述待检测视频的播放参数未达到最优播放参数，则将所述待检测视频的播放参数调整为所述最优播放参数。
可选地，所述将各帧所述待检测图像输入至预设质量检测模型中，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果的步骤包括：
对各帧所述待检测图像进行向量化处理，以获取各帧所述待检测图像的特征向量；
将各帧所述待检测图像的特征向量输入至预设质量检测模型，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果。
进一步地，为实现上述目的，本发明还提供一种视频图像质量检测装置，所述视频图像质量检测装置包括：
第一获取模块，用于接收到携带有视频标识的视频图像质量检测请求时，根据所述视频标识获取待检测视频；
第二获取模块，用于从所述待检测视频中获取多帧待检测图像；
检测模块，用于将各帧所述待检测图像输入至预设质量检测模型中，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果。
可选地，所述第一获取模块，还用于构建标识有真实质量标签的训练图像；
所述第一获取模块，还用于获取初始模型，并根据所述标识有真实质量标签的训练图像对所述初始模型进行训练，以获得预设质量检测模型
可选地，所述第一获取模块，还用于对所述标识有真实质量标签的训练图像进行向量化处理，以获取目标训练特征向量；
所述第一获取模块，还用于将所述目标训练特征向量输入至初始模型，由所述初始模型输出所述训练图像对应的质量预测标签；
所述第一获取模块，还用于基于所述训练图像的真实质量标签和所述训练图像的质量预测标签计算损失函数；
所述第一获取模块，还用于通过梯度下降的方式更新所述初始模型的模型参数，直至所述损失函数收敛或达到预设训练迭代轮次，并将所述损失函数收敛或达到预设训练迭代轮次对应的模型参数作为最终模型参数，以获取预设质量检测模型。
可选地，所述第一获取模块，还用于获取高清样本图像；
所述第一获取模块，还用于对所述高清样本图像进行目标噪声添加，以构建训练图像；
所述第一获取模块，还用于根据所述目标噪声标识所述训练图像的真实质量标签。
可选地，所述第一获取模块，还用于对所述高清样本图像进行灰度处理，以获取灰度图像；
所述第一获取模块，还用于对所述灰度图像进行归一化，随机生成符合高斯正态分布的高斯噪声；
所述第一获取模块，还用于将所述高斯噪声添加至归一化后的灰度图像，以获取目标图像；
所述第一获取模块，还用于对所述目标图像进行反归一化，以获取添加高斯噪声的目标灰度图像；
所述第一获取模块，还用于判断所述目标灰度图像的灰度值范围是否处于预设范围区间；
所述第一获取模块，还用于若所述目标灰度图像的灰度值范围处于预设范围区间，则判定所述目标灰度图像为训练图像。
可选地，所述第一获取模块，还用于对所述高清样本图像进行灰度处理，以获取灰度图像；
所述第一获取模块，还用于获取所述灰度图像的原始像素点数量，并将所述灰度图像的信噪比调整为预设信噪比的灰度图像；
所述第一获取模块，还用于基于所述原始像素点数量及所述预设信噪比确定所述目标灰度图像中的目标椒盐噪声像素点数量；
所述第一获取模块，还用于在所述灰度图像中随机选取原始像素点，并将所述原始像素点赋值为0或255，以生成椒盐噪声像素点，直至所述椒盐噪声像素点数量达到所述目标椒盐噪声像素点数量。
可选地，所述检测模块，还用于对各帧所述待检测图像进行向量化处理，以获取各帧所述待检测图像的特征向量；
所述检测模块，还用于将各帧所述待检测图像的特征向量输入至预设质量检测模型，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果。
进一步地，为实现上述目的，本发明还提供一种视频图像质量检测设备，所述视频图像质量检测设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的视频图像质量检测程序，所述视频图像质量检测程序被所述处理器执行时实现如上述所述的视频图像质量检测方法的步骤。
进一步地，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有视频图像质量检测程序，所述视频图像质量检测程序被处理器执行时实现如上所述的视频图像质量检测方法的步骤。
相较于现有的人工检测视频质量的方式，本发明中，通过接收到携带有视频标识的视频图像质量检测请求时，根据视频标识获取待检测视频；从待检测视频中获取多帧待检测图像；将各帧待检测图像输入至预设质量检测模型中，以通过预设质量检测模型获取各帧待检测图像的图像质量检测结果，由此通过预设质量检测模型实现自动化视频质量检测，进而降低人工成本且提高检测效率。
附图说明
图1为本发明视频图像质量检测设备实施例方案涉及的硬件运行环境的结构示意图；
图2为本发明视频图像质量检测方法第一实施例的流程示意图；
图3为本发明视频图像质量检测方法第二实施例的流程示意图；
图4为本发明视频图像质量检测方法第三实施例的流程示意图；
图5为本发明视频图像质量检测装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供一种视频图像质量检测设备，参照图1，图1为本发明视频图像质量检测设备实施例方案涉及的硬件运行环境的结构示意图。
如图1所示，该视频图像质量检测设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储视频图像质量检测设备。
本领域技术人员可以理解，图1中示出的视频图像质量检测设备的硬件结构并不构成对视频图像质量检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及视频图像质量检测程序。其中，操作系统是管理和控制视频图像质量检测设备的硬件与软件资源的程序，支持网络通信模块、用户接口模块、视频图像质量检测程序以及其他程序或软件的运行；网络通信模块用于管理和控制网络接口1004；用户接口模块用于管理和控制用户接口1003。
在图1所示的视频图像质量检测设备硬件结构中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；处理器1001可以调用存储器1005中存储的视频图像质量检测程序，并执行以下操作：
接收到携带有视频标识的视频图像质量检测请求时，根据所述视频标识获取待检测视频；
从所述待检测视频中获取多帧待检测图像；
将各帧所述待检测图像输入至预设质量检测模型中，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果。
进一步地，所述处理器1001可以调用存储器1005中存储的视频图像质量检测程序，并执行以下操作：
检测到所述待检测视频开始播放时，通过预设截图脚本对所述待检测视频进行图像截取，获取多帧待检测图像。
进一步地，所述处理器1001可以调用存储器1005中存储的视频图像质量检测程序，并执行以下操作：
构建标识有真实质量标签的训练图像；
获取初始模型，并根据所述标识有真实质量标签的训练图像对所述初始模型进行训练，以获得预设质量检测模型。
进一步地，所述处理器1001可以调用存储器1005中存储的视频图像质量检测程序，并执行以下操作：
对所述标识有真实质量标签的训练图像进行向量化处理，以获取目标训练特征向量；
将所述目标训练特征向量输入至初始模型，由所述初始模型输出所述训练图像对应的质量预测标签；
基于所述训练图像的真实质量标签和所述训练图像的质量预测标签计算损失函数；
通过梯度下降的方式更新所述初始模型的模型参数，直至所述损失函数收敛或达到预设训练迭代轮次，并将所述损失函数收敛或达到预设训练迭代轮次对应的模型参数作为最终模型参数，以获取预设质量检测模型。
进一步地，所述处理器1001可以调用存储器1005中存储的视频图像质量检测程序，并执行以下操作：
获取高清样本图像；
对所述高清样本图像进行目标噪声添加，以构建训练图像；
根据所述目标噪声标识所述训练图像的真实质量标签。
进一步地，所述处理器1001可以调用存储器1005中存储的视频图像质量检测程序，并执行以下操作：
对所述高清样本图像进行灰度处理，以获取灰度图像；
对所述灰度图像进行归一化，随机生成符合高斯正态分布的高斯噪声；
将所述高斯噪声添加至归一化后的灰度图像，以获取目标图像；
对所述目标图像进行反归一化，以获取添加高斯噪声的目标灰度图像；
判断所述目标灰度图像的灰度值范围是否处于预设范围区间；
若所述目标灰度图像的灰度值范围处于预设范围区间，则判定所述目标灰度图像为训练图像。
进一步地，所述处理器1001可以调用存储器1005中存储的视频图像质量检测程序，并执行以下操作：
对所述高清样本图像进行灰度处理，以获取灰度图像；
获取所述灰度图像的原始像素点数量，并将所述灰度图像的信噪比调整为预设信噪比的灰度图像；
基于所述原始像素点数量及所述预设信噪比确定所述目标灰度图像中的目标椒盐噪声像素点数量；
在所述灰度图像中随机选取原始像素点，并将所述原始像素点赋值为0或255，以生成椒盐噪声像素点，直至所述椒盐噪声像素点数量达到所述目标椒盐噪声像素点数量。
进一步地，所述处理器1001可以调用存储器1005中存储的视频图像质量检测程序，并执行以下操作：
获取所述待检测视频的视频播放界面信息，并根据所述视频播放界面信息确定信息展示板块；
通过所述信息展示板块将所述视频图像质量检测结果进行可视化输出。
进一步地，所述处理器1001可以调用存储器1005中存储的视频图像质量检测程序，并执行以下操作：
在接收到用户根据所述视频图像质量检测结果反馈的视频图像矫正指令时，对所述待检测视频进行视频图像矫正。
进一步地，所述处理器1001可以调用存储器1005中存储的视频图像质量检测程序，并执行以下操作：
获取所述待检测视频的播放参数；
判断所述所述待检测视频的播放参数是否达到最优播放参数；
若所述待检测视频的播放参数未达到最优播放参数，则将所述待检测视频的播放参数调整为所述最优播放参数。
进一步地，所述处理器1001可以调用存储器1005中存储的视频图像质量检测程序，并执行以下操作：
对各帧所述待检测图像进行向量化处理，以获取各帧所述待检测图像的特征向量；
将各帧所述待检测图像的特征向量输入至预设质量检测模型，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果。
本发明还提供一种视频图像质量检测方法。
参照图2，图2为本发明视频图像质量检测方法第一实施例的流程示意图。
本发明实施例提供了视频图像质量检测方法的实施例，需要说明的是，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。具体地，本实施例视频图像质量检测方法包括：
步骤S10，接收到携带有视频标识的视频图像质量检测请求时，根据所述视频标识获取待检测视频；
需要说明的是，本实施例的执行主体是具备视频图像质量检测功能的视频图像质量检测设备，其中，视频质量检测设备可为电脑或手机等电子设备，还可为其他可实现相同或相似功能的设备，本实施例对此不加以限制，在本实施例中，以视频质量检测设备为例说明。
应当理解地，目前一些视频在播放时由于视频终端的终端设备参数，如终端的视频采集分辨率低或播放视频对应的视频传输网速低及在进行源视频采集时视频采集终端的设备存在故障时，可能导致播放的视频质量受损，例如视频的图变模糊等，现有技术中大多数采集人工对视频图像质量进行检测，如人工观看视频进行视频图像质量标定检测，然而这种检测方法人工成本过高且检测效率低，因此本实施例中，为了解决上述技术问题，提出了一种可自动化进行视频图像质量检测的实施方式。
具体而言，上述视频标识指代用于表征视频身份信息的标识信息，例如视频播放地址、视频编号等，优选地，本实施例中以视频播放地址举例说明，如在接收到携带有视频播放地址的视频图像质量检测请求时，从该视频图像质量检测请求中提取视频播放地址，接着从该视频播放地址中获取待检测视频，如获取当前该视频播放地址正在播放的待检测视频，此外，当检测到当前视频播放地址不存在正在播放的待检测视频时，可查询该视频播放地址对应的播放日志，从播放日志中选取最近播放的视频作为待检测视频，或者根据播放日志生成历史播放视频列表，并将历史播放视频列表反馈至用户终端，以供用户终端从历史播放视频列表中选取待检测视频等，本实施例对上述待检测视频不作限制。
此外，在一实施例中，为了提高视频图像质量检测的智能化，上述视频图像质量检测请求可为视频质量检测设备自动触发，例如视频质量检测设备检测到当前网络速度低于网速阈值，或视频质量检测设备检测到当前处于预设的视频图像质量检测时间区间时，如由于一般情况下工作日晚上8点至9点期间，处于用户用网高峰期，由于视频传输网速限制可能会导致当前阶段播出的视频出现花屏，因此将每周工作日的晚上8点至9点设定为视频图像质量检测时间区间，此外，上述视频图像质量检测请求还可为用户主动发送的，本实施例对比不作限制。
此外，在一实施例中，当视频质量检测设备无法直接获取到上述视频标识匹配的源视频文件时，可通过预设录屏脚本对上述视频标识匹配的源视频文件进行录制，以获取待检测视频。
步骤S20，从所述待检测视频中获取多帧待检测图像；
应当理解地，本实施例中为了检测视频图像质量，则只需获取待检测视频对应的待检测图像。
为了便于理解，本实施例对上述从所述待检测视频中获取多帧待检测图像的实施方案具体说明：
检测到所述待检测视频开始播放时，通过预设截图脚本对所述待检测视频进行图像截取，获取多帧待检测图像。
应当理解的是，本实施例中，对待检测视频进行图像截取，获得待检测图像可以是每隔预设时间周期对待检测视频进行截取，获得待检测图像，例如，在检测到待检测视频开始播放时，截取第一帧待检测图像，接着每隔30秒截取一帧待检测图像，此外，上述对待检测视频进行图像截取，获得待检测图像还可以是在预设时间段内连续截图多帧待检测图像，如在检测到待检测视频开始播放时，在播放1分钟之后，对待检测视频进行连续图像截取，以获取多帧待检测图像，本实施例对比不作限制。
步骤S30，将各帧所述待检测图像输入至预设质量检测模型中，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果。
具体而言，上述预设质量检测模型指代利用预设训练样本预先训练好的模型，其中，预设训练样本包括标识有无损标签的无损训练图像样本、标识有有损标签的有损训练图像样本，即本实施例中上述预设质量检测模型可识别出各帧待检测图像为无损图像还是有损图像。
此外，为了便于理解，对上述将各帧所述待检测图像输入至预设质量检测模型中，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果的实施方案具体说明：
对各帧所述待检测图像进行向量化处理，以获取各帧所述待检测图像的特征向量；
将各帧所述待检测图像的特征向量输入至预设质量检测模型，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果。
应当理解地，为了提高模型识别结果的精准度，在通过预设质量检测模型获取各帧所述待检测图像的图像质量检测结果之前，还需对待检测图像进行预处理，即向量化处理，如对待检测图像进行灰度化处理，并对灰度化处理后的待检测图形进行特征提取，以获取特征向量，其中，特征提取过程同现有技术中特征提取过程一样，在此不再赘述。
相较于现有的人工检测视频质量的方式，本发明中，通过接收到携带有视频标识的视频图像质量检测请求时，根据视频标识获取待检测视频；从待检测视频中获取多帧待检测图像；将各帧待检测图像输入至预设质量检测模型中，以通过预设质量检测模型获取各帧待检测图像的图像质量检测结果，由此通过预设质量检测模型实现自动化视频质量检测，进而降低人工成本且提高检测效率。
进一步地，基于本发明视频图像质量检测方法的第一实施例，提出本发明视频图像质量检测方法第二实施例。
参照图3，图3为本发明视频图像质量检测方法第二实施例的流程示意图。
所述视频图像质量检测方法第二实施例与所述视频图像质量检测方法第一实施例的区别在于，所述通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果的步骤之后，还包括：
步骤S30，根据所述图像质量检测结果生成所述待检测视频的视频质量评分；
步骤S40，获取所述待检测视频的视频播放界面信息，并根据所述视频播放界面信息确定信息展示板块；
步骤S50，通过所述信息展示板块将所述视频质量评分进行可视化输出。
应当理解地，本实施例中，为了提高视频图像质量检测的效率，可对待检测视频进行随机视频图像采样，并通过视频图像采样结果来预估待检测视频的视频图像质量，例如当前待检测视频时长为2个小时，则为了提高视频图像质量检测的效率，本实施例中无需对2个小时的待检测视频中的每一帧待检测图像进行图像质量检测，而是从待检测视频中随机获取多帧待检测图像，如随机获取30帧待检测图像，并获取各帧待检测图像的图像质量检测结果，接着根据该30帧待检测图像的图像质量检测结果生成待检测视频的视频质量评分。
具体而言，上述图像质量检测结果分为待检测视频为无损图像还是有损图像，本实施例中，在获取待检测图像的图像质量检测结果之后，根据图像质量检测结果对各帧待检测图像进行赋分，例如将无损图像赋值为1，将有损图像赋值为-1，接着基于待检测视频的各帧待检测图像的分值生成待检测视频的视频质量评分，如30帧待检测图像中其中18帧待检测图像的分值为-1，12帧待检测的图像为1，则对应的待检测视频质量评分为-6，并通过待检测视频的视频播放界面的信息展示板块将视频质量评分进行可视化输出，以告知用户当前待检测视频的视频图像质量状况。
此外，在一实施例中，上述通过所述信息展示板块将所述视频质量评分进行可视化输出的步骤之后，还包括：
在接收到用户根据所述视频质量评分反馈的视频图像矫正指令时，对所述待检测视频进行视频图像矫正。
具体地，获取所述待检测视频的播放参数；
判断所述所述待检测视频的播放参数是否达到最优播放参数；
若所述待检测视频的播放参数未达到最优播放参数，则将所述待检测视频的播放参数调整为所述最优播放参数。
应当理解地，本实施例中，除了可进行视频图像质量检测之外，还可进行视频图像矫正，具体地，在将视频质量评分进行可视化输出之后，若用户对当前视频图像质量不满意，则可反馈相应的视频图像矫正指令，则当接收到上述视频图像矫正指令之后，启动视频图像矫正机制对待检测视频进行视频图像矫正。
例如，在一实施例中，在接收到上述视频图像矫正指令之后，获取待检测视频的播放参数(如待检测视频的视频分辨率及播放视频对应的网速)及待检测视频对应的播放终端的终端参数(如播放终端所支持的最优分辨率及播放终端可调配的最优网络)，接着判断待检测视频的播放参数的播放参数是否达到最优播放参数，其中，最优播放参数指代播放终端的最优终端参数，若达到最优播放参数，则将待检测视频的播放参数调整为最优播放参数。
本实施例中，通过根据图像质量检测结果生成待检测视频的视频质量评分；获取待检测视频的视频播放界面信息，并根据视频播放界面信息确定信息展示板块；通过信息展示板块将视频质量评分进行可视化输出，由此使用户获知当前待检测视频的视频图像质量，且在接收到用户根据视频质量评分反馈的视频图像矫正指令时，对待检测视频进行视频图像矫正，由此提高视频图像效果，进而提高用户使用感。
进一步地，基于本发明视频图像质量检测方法的第一实施例，提出本发明视频图像质量检测方法第三实施例。
参照图4，图4为本发明视频图像质量检测方法第三实施例的流程示意图。
所述视频图像质量检测方法第三实施例与所述视频图像质量检测方法第一实施例的区别在于，所述将所述待检测图像输入至预设质量检测模型中的步骤之前，还包括：
步骤S301，构建标识有真实质量标签的训练图像；
步骤S302，获取初始模型，并根据所述标识有真实质量标签的训练图像对所述初始模型进行训练，以获得预设质量检测模型。
应当理解地，为了提高视频图像检测效率，本实施例中，预先构建预设质量检测模型，以通过预设质量检测模型实现自动化视频图像质量检测，
具体而言，上述标识有真实质量标签的训练图像指代标识有有损图像标签的有损训练图像及标识有无损图像标签的无损训练图像，上述初始模型包括残差网络模型及神经网络模型等，本实施例对初始模型的模型类型不做限制。
为了便于理解，本实施例对上述根据所述标识有真实质量标签的训练图像对所述初始模型进行训练，以获得预设质量检测模型的实施方案具体说明：
对所述标识有真实质量标签的训练图像进行向量化处理，以获取目标训练特征向量；
将所述目标训练特征向量输入至初始模型，由所述初始模型输出所述训练图像对应的质量预测标签；
基于所述训练图像的真实质量标签和所述训练图像的质量预测标签计算损失函数；
通过梯度下降的方式更新所述初始模型的模型参数，直至所述损失函数收敛或达到预设训练迭代轮次，并将所述损失函数收敛或达到预设训练迭代轮次对应的模型参数作为最终模型参数，以获取预设质量检测模型。
该步骤中，为了提高模型的精度，通过梯度下降的方式更新初始模型的模型参数，直至模型的损失函数收敛或达到预设训练迭代轮次，本实施例中模型迭代训练过程同现有技术中模型训练过程，在此不再赘述。
此外，为了提高模型检测结果的精准度，本实施例中，通过特征向量对初始模型进行训练，因此在获得标识有真实质量标签的训练图像之后，对标识有真实质量标签的训练图像进行向量化处理，如灰度化处理及特征提取处理，以获取目标训练特征向量。
此外，在一实施例中，上述构建标识有真实质量标签的训练图像的步骤包括：
获取高清样本图像；
对所述高清样本图像进行目标噪声添加，以构建训练图像；
根据所述目标噪声标识所述训练图像的真实质量标签。
具体而言，上述高清样本图像指代不含任何噪声及图像元素缺失的无损图像，本实施例中为，为了提高模型精准度，通过获取高清样本图像，并对高清样本图像进行噪声添加，以获得高清样本图像对应的含有噪声的有损图像，从而利用上述无损图像及有损图像训练初始模型。
此外，在一实施例中，为了提高训练样本的多样性及增加训练样本数量，进而提高模型的精准度，在对高清样本图像进行目标噪声添加，以构建训练图像的过程中，可对同一高清样本图像进行添加噪声处理时，可对其添加不同的噪声，以增加训练样本的多样性及训练样本数量。
具体地，为了便于理解，本实施例对上述对所述高清样本图像进行目标噪声添加，以构建训练图像的实施方案具体说明：
对所述灰度图像进行归一化，随机生成符合高斯正态分布的高斯噪声；
将所述高斯噪声添加至归一化后的灰度图像，以获取目标图像；
对所述目标图像进行反归一化，以获取添加高斯噪声的目标灰度图像；
判断所述目标灰度图像的灰度值范围是否处于预设范围区间；
若所述目标灰度图像的灰度值范围处于预设范围区间，则判定所述目标灰度图像为训练图像。
即本实施例中，对高清样本图像进行高斯噪声添加，以构建含有高斯噪声的训练图像。
此外，在一实施例中，上述对所述高清样本图像进行目标噪声添加，以构建训练图像的具体实施方案还包括：
获取所述灰度图像的原始像素点数量，并将所述灰度图像的信噪比调整为预设信噪比的灰度图像；
基于所述原始像素点数量及所述预设信噪比确定所述目标灰度图像中的目标椒盐噪声像素点数量；
在所述灰度图像中随机选取原始像素点，并将所述原始像素点赋值为0或255，以生成椒盐噪声像素点，直至所述椒盐噪声像素点数量达到所述目标椒盐噪声像素点数量。
即本实施例中，对高清样本图像进行椒盐噪声添加，以构建含有椒盐噪声的训练图像，此外，在另一实施例中，还可对高清样本图像添加散粒噪声、热噪声、光量子噪声及电流导致的交流噪声等，由此通过提高训练样本的多样性来提高模型精度。
本实施例中，通过构建标识有真实质量标签的训练图像；获取初始模型，并根据所述标识有真实质量标签的训练图像对所述初始模型进行训练，以获得预设质量检测模型，由此通过构建预设质量检测模型实现自动化视频质量检测，进而降低人工成本且提高检测效率。
本发明还提供一种视频图像质量检测装置。请参照图5，所述视频图像质量检测装置包括：
第一获取模块10，用于接收到携带有视频标识的视频图像质量检测请求时，根据所述视频标识获取待检测视频；
第二获取模块20，用于从所述待检测视频中获取多帧待检测图像；
检测模块30，用于将各帧所述待检测图像输入至预设质量检测模型中，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果。
进一步地，所述第一获取模块，还用于构建标识有真实质量标签的训练图像；
所述第一获取模块，还用于获取初始模型，并根据所述标识有真实质量标签的训练图像对所述初始模型进行训练，以获得预设质量检测模型
进一步地，所述第一获取模块，还用于对所述标识有真实质量标签的训练图像进行向量化处理，以获取目标训练特征向量；
所述第一获取模块，还用于将所述目标训练特征向量输入至初始模型，由所述初始模型输出所述训练图像对应的质量预测标签；
所述第一获取模块，还用于基于所述训练图像的真实质量标签和所述训练图像的质量预测标签计算损失函数；
所述第一获取模块，还用于通过梯度下降的方式更新所述初始模型的模型参数，直至所述损失函数收敛或达到预设训练迭代轮次，并将所述损失函数收敛或达到预设训练迭代轮次对应的模型参数作为最终模型参数，以获取预设质量检测模型。
进一步地，所述第一获取模块，还用于获取高清样本图像；
所述第一获取模块，还用于对所述高清样本图像进行目标噪声添加，以构建训练图像；
所述第一获取模块，还用于根据所述目标噪声标识所述训练图像的真实质量标签。
进一步地，所述第一获取模块，还用于对所述高清样本图像进行灰度处理，以获取灰度图像；
所述第一获取模块，还用于对所述灰度图像进行归一化，随机生成符合高斯正态分布的高斯噪声；
所述第一获取模块，还用于将所述高斯噪声添加至归一化后的灰度图像，以获取目标图像；
所述第一获取模块，还用于对所述目标图像进行反归一化，以获取添加高斯噪声的目标灰度图像；
所述第一获取模块，还用于判断所述目标灰度图像的灰度值范围是否处于预设范围区间；
所述第一获取模块，还用于若所述目标灰度图像的灰度值范围处于预设范围区间，则判定所述目标灰度图像为训练图像。
进一步地，所述第一获取模块，还用于对所述高清样本图像进行灰度处理，以获取灰度图像；
所述第一获取模块，还用于获取所述灰度图像的原始像素点数量，并将所述灰度图像的信噪比调整为预设信噪比的灰度图像；
所述第一获取模块，还用于基于所述原始像素点数量及所述预设信噪比确定所述目标灰度图像中的目标椒盐噪声像素点数量；
所述第一获取模块，还用于在所述灰度图像中随机选取原始像素点，并将所述原始像素点赋值为0或255，以生成椒盐噪声像素点，直至所述椒盐噪声像素点数量达到所述目标椒盐噪声像素点数量。
进一步地，所述检测模块，还用于对各帧所述待检测图像进行向量化处理，以获取各帧所述待检测图像的特征向量；
所述检测模块，还用于将各帧所述待检测图像的特征向量输入至预设质量检测模型，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果。
此外，本发明实施例还提出一种可读存储介质。
可读存储介质上存储有视频图像质量检测程序，视频图像质量检测程序被处理器执行时实现如上所述的视频图像质量检测方法的步骤。
本发明可读存储介质可以为计算机可读存储介质，其具体实施方式与上述视频图像质量检测方法各实施例基本相同，在此不再赘述。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，这些均属于本发明的保护之内。
Claims (10)
1.一种视频图像质量检测方法，其特征在于，所述视频图像质量检测方法包括以下步骤：
接收到携带有视频标识的视频图像质量检测请求时，根据所述视频标识获取待检测视频；
从所述待检测视频中获取多帧待检测图像；
将各帧所述待检测图像输入至预设质量检测模型中，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果。
2.如权利要求1所述的视频图像质量检测方法，其特征在于，所述将所述待检测图像输入至预设质量检测模型中的步骤之前，还包括：
构建标识有真实质量标签的训练图像；
获取初始模型，并根据所述标识有真实质量标签的训练图像对所述初始模型进行训练，以获得预设质量检测模型。
3.如权利要求2所述的视频图像质量检测方法，其特征在于，所述构建标识有真实质量标签的训练图像的步骤包括：
获取高清样本图像；
对所述高清样本图像进行目标噪声添加，以构建训练图像；
根据所述目标噪声标识所述训练图像的真实质量标签。
4.如权利要求3所述的视频图像质量检测方法，其特征在于，所述目标噪声包括高斯噪声，所述对所述高清样本图像进行目标噪声添加，以构建训练图像的步骤包括：
对所述高清样本图像进行灰度处理，以获取灰度图像；
对所述灰度图像进行归一化，随机生成符合高斯正态分布的高斯噪声；
将所述高斯噪声添加至归一化后的灰度图像，以获取目标图像；
对所述目标图像进行反归一化，以获取添加高斯噪声的目标灰度图像；
判断所述目标灰度图像的灰度值范围是否处于预设范围区间；
若所述目标灰度图像的灰度值范围处于预设范围区间，则判定所述目标灰度图像为训练图像。
5.如权利要求4所述的视频图像质量检测方法，其特征在于，所述目标噪声包括椒盐噪声，所述对所述高清样本图像进行目标噪声添加，以构建训练图像的步骤包括：
对所述高清样本图像进行灰度处理，以获取灰度图像；
获取所述灰度图像的原始像素点数量，并将所述灰度图像的信噪比调整为预设信噪比的灰度图像；
基于所述原始像素点数量及所述预设信噪比确定所述目标灰度图像中的目标椒盐噪声像素点数量；
在所述灰度图像中随机选取原始像素点，并将所述原始像素点赋值为0或255，以生成椒盐噪声像素点，直至所述椒盐噪声像素点数量达到所述目标椒盐噪声像素点数量。
6.如权利要求1所述的视频图像质量检测方法，其特征在于，所述通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果的步骤之后，还包括：
根据所述图像质量检测结果生成所述待检测视频的视频质量评分；
获取所述待检测视频的视频播放界面信息，并根据所述视频播放界面信息确定信息展示板块；
通过所述信息展示板块将所述视频质量评分进行可视化输出。
7.如权利要求1至6任一项所述的视频图像质量检测方法，其特征在于，所述将各帧所述待检测图像输入至预设质量检测模型中，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果的步骤包括：
对各帧所述待检测图像进行向量化处理，以获取各帧所述待检测图像的特征向量；
将各帧所述待检测图像的特征向量输入至预设质量检测模型，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果。
8.一种视频图像质量检测装置，其特征在于，所述视频图像质量检测装置包括：
第一获取模块，用于接收到携带有视频标识的视频图像质量检测请求时，根据所述视频标识获取待检测视频；
第二获取模块，用于从所述待检测视频中获取多帧待检测图像；
检测模块，用于将各帧所述待检测图像输入至预设质量检测模型中，以通过所述预设质量检测模型获取各帧所述待检测图像的图像质量检测结果。
9.一种视频图像质量检测设备，其特征在于，所述视频图像质量检测设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的视频图像质量检测程序，所述视频图像质量检测程序被所述处理器执行时实现如权利要求1-7中任一项所述的视频图像质量检测方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有视频图像质量检测程序，所述视频图像质量检测程序被处理器执行时实现如权利要求1-7中任一项所述的视频图像质量检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110456767.5A CN115330661A (zh) | 2021-04-26 | 2021-04-26 | 视频图像质量检测方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110456767.5A CN115330661A (zh) | 2021-04-26 | 2021-04-26 | 视频图像质量检测方法、装置、设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115330661A true CN115330661A (zh) | 2022-11-11 |
Family
ID=83912144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110456767.5A Pending CN115330661A (zh) | 2021-04-26 | 2021-04-26 | 视频图像质量检测方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115330661A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115580721A (zh) * | 2022-11-18 | 2023-01-06 | 南方电网数字电网研究院有限公司 | 变电站设备监控视频的质量检测方法、装置、设备和介质 |
-
2021
- 2021-04-26 CN CN202110456767.5A patent/CN115330661A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115580721A (zh) * | 2022-11-18 | 2023-01-06 | 南方电网数字电网研究院有限公司 | 变电站设备监控视频的质量检测方法、装置、设备和介质 |
| CN115580721B (zh) * | 2022-11-18 | 2023-03-31 | 南方电网数字电网研究院有限公司 | 变电站设备监控视频的质量检测方法、装置、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110569695B (zh) | 基于定损图像判定模型的图像处理方法和装置 | |
| CN111031346B (zh) | 一种增强视频画质的方法和装置 | |
| WO2020041399A1 (en) | Image processing method and apparatus | |
| CN111401246B (zh) | 一种烟雾浓度检测方法、装置、设备及存储介质 | |
| US9826208B2 (en) | Method and system for generating weights for use in white balancing an image | |
| CN109389096B (zh) | 检测方法和装置 | |
| US20150002693A1 (en) | Method and system for performing white balancing operations on captured images | |
| US20140286527A1 (en) | Systems and methods for accelerated face detection | |
| CN112270309A (zh) | 一种车辆卡口设备抓拍质量评估方法、装置及可读介质 | |
| CN109255277B (zh) | 一种二维码解析方法及装置 | |
| CN111031359B (zh) | 视频播放方法、装置、电子设备和计算机可读存储介质 | |
| CN115330661A (zh) | 视频图像质量检测方法、装置、设备及可读存储介质 | |
| CN113128522B (zh) | 目标识别方法、装置、计算机设备和存储介质 | |
| CN112055237B (zh) | 确定屏到屏延时的方法、系统、装置、设备和存储介质 | |
| CN112073713A (zh) | 视频漏录测试方法、装置、设备及存储介质 | |
| CN114693554B (zh) | 一种大数据图像处理方法及系统 | |
| CN109977720B (zh) | 一种快速解析二维码图像的方法及装置 | |
| CN113628192B (zh) | 图像模糊检测方法、装置、设备、存储介质及程序产品 | |
| CN108447107B (zh) | 用于生成视频的方法和装置 | |
| CN108769525B (zh) | 一种图像调整方法、装置、设备及存储介质 | |
| CN111866481A (zh) | 投影装置的脏污检测方法、检测装置及可读存储介质 | |
| CN112329497A (zh) | 一种目标识别方法、装置及设备 | |
| CN113117341B (zh) | 图片处理方法及装置、计算机可读存储介质、电子设备 | |
| CN113825023B (zh) | 视频文件处理方法、装置、设备及存储介质 | |
| CN114677443B (zh) | 光学定位方法、装置、设备及存储介质 |
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 |