CN115700745A

CN115700745A - 视频质量的评价方法、装置、设备及存储介质

Info

Publication number: CN115700745A
Application number: CN202110858578.0A
Authority: CN
Inventors: 张文杰; 陈莹
Original assignee: Beijing Ape Power Future Technology Co Ltd
Current assignee: Beijing Ape Power Future Technology Co Ltd
Priority date: 2021-07-28
Filing date: 2021-07-28
Publication date: 2023-02-07

Abstract

本公开公开了一种视频质量的评价方法、装置、设备及存储介质，涉及数据处理技术领域，具体实现方案为：获取待评价的视频及原视频，其中，待评价的视频为对原视频进行处理后得到的视频；确定待评价的视频中的第一图像帧中每个位置像素点的空域权重及时域权重；根据待评价视频对应的空域、时域复杂度，确定权重融合模式；基于权重融合模式，将每个位置像素点的空域权重及时域权重进行融合，以确定每个位置像素点的融合权重；基于每个位置像素点的融合权重、第一、第二图像帧中每个位置像素点的像素值，确定待评价的视频对应的质量参数。由此，可以使得确定的质量参数，不仅符合客观要求，而且更有效的贴合人眼主观感受，评价结果更准确、更全面。

Description

视频质量的评价方法、装置、设备及存储介质

技术领域

本公开涉及数据处理技术领域，具体涉及一种视频质量的评价方法、装置、设备及存储介质。

背景技术

随着视频编码和网络技术的快速发展，人们对高质量视频图像的追求越来越高。视频质量评价按照评价方式可以分为主观评价和客观评价，其中主观评价表示依靠人的主观感受对视频或图像质量进行评分，客观评价表示依靠计算机用特定算法对视频质量评分。

相关技术中，虽然能较好的从数据层面反映各个视频帧编码前后的质量失真，但是很少考虑到人类视觉感知对主观失真的影响，因而，如何获取更贴合人眼主观的视频质量评价指标是亟需解决的问题。

发明内容

根据本公开的一方面，提供了一种视频质量的评价方法，包括：

获取待评价的视频及原视频，其中，所述待评价的视频为对所述原视频进行处理后得到的视频；

确定所述待评价的视频中的第一图像帧中每个位置像素点的空域权重及时域权重；

根据所述待评价视频对应的空域复杂度及时域复杂度，确定权重融合模式；

基于所述权重融合模式，将所述每个位置像素点的空域权重及时域权重进行融合，以确定所述每个位置像素点的融合权重；

基于所述每个位置像素点的融合权重、所述第一图像帧及第二图像帧中每个位置像素点的像素值，确定所述待评价的视频对应的质量参数，其中，所述第二图像帧为所述原视频中的图像帧。

可选的，所述根据所述待评价视频对应的空域复杂度及时域复杂度，确定权重融合模式，包括：

根据所述待评价视频对应的空域复杂度所属的范围，确定第一参考参数；

根据所述待评价视频对应的时域复杂度所属的范围，确定第二参考参数；

根据所述第一参考参数及所述第二参考参数的大小，确定所述权重融合模式。

可选的，所述根据所述第一参考参数及所述第二参考参数的大小，确定所述权重融合模式，包括：

在所述第一参考参数大于或等于所述第二参考参数的情况下，确定所述权重融合模式为第一模式；

在所述第一参考参数小于所述第二参考参数的情况下，确定所述权重融合模式为第二模式，其中，所述第一模式与所述第二模式不同。

可选的，所述确定所述待评价的视频中的第一图像帧中每个位置像素点的空域权重及时域权重，包括：

根据每个第二图像帧中包含的内容，确定每个所述第二图像帧所属的类型；

根据预设的各类型图像与语义权重比的映射关系，确定每个所述第二图像帧中感兴趣区域与非感兴趣区域间的语义权重比；

根据每个所述第二图像帧中感兴趣区域与非感兴趣区域间的语义权重比，确定所述每个位置像素点的空域权重；

确定每个所述第二图像帧对应的时域特征，其中，所述时域特征包括以下至少一项：绝对误差和、是否包含目标感兴趣区域及显著性强度；

根据每个所述第二图像帧对应的时域特征，确定每个所述第二图像帧中每个位置像素点的时域权重。

可选的，在所述确定所述每个位置像素点的空域权重之后，还包括：

确定每个所述第二图像帧中感兴趣区域与非感兴趣区域分别对应的均方误差；

基于所述感兴趣区域与非感兴趣区域分别对应的均方误差、及每个像素点所属的区域，对所述每个位置像素点的空域权重进行修正，以确定每个位置像素点修正后的空域权重。

根据本公开的第二方面，提供了一种视频质量的评价装置，包括：

获取模块，用于获取待评价的视频及原视频，其中，所述待评价的视频为对所述原视频进行处理后得到的视频；

第一确定模块，用于确定所述待评价的视频中的第一图像帧中每个位置像素点的空域权重及时域权重；

第二确定模块，用于根据所述待评价视频对应的空域复杂度及时域复杂度，确定权重融合模式；

第三确定模块基于所述权重融合模式，将所述每个位置像素点的空域权重及时域权重进行融合，以确定所述每个位置像素点的融合权重；

第四确定模块，用于基于所述每个位置像素点的融合权重、所述第一图像帧及第二图像帧中每个位置像素点的像素值，确定所述待评价的视频对应的质量参数，其中，所述第二图像帧为所述原视频中的图像帧。

可选的，所述第二确定模块，包括：

第一确定单元，用于根据所述待评价视频对应的空域复杂度所属的范围，确定第一参考参数；

第二确定单元，用于根据所述待评价视频对应的时域复杂度所属的范围，确定第二参考参数；

第三确定单元，用于根据所述第一参考参数及所述第二参考参数的大小，确定所述权重融合模式。

可选的，所述第三确定单元，具体用于：

可选的，所述第一确定模块，包括：

第四确定单元，用于根据每个第二图像帧中包含的内容，确定每个所述第二图像帧所属的类型；

第五确定单元，用于根据预设的各类型图像与语义权重比的映射关系，确定每个所述第二图像帧中感兴趣区域与非感兴趣区域间的语义权重比；

第六确定单元，用于根据每个所述第二图像帧中感兴趣区域与非感兴趣区域间的语义权重比，确定所述每个位置像素点的空域权重；

第七确定单元，用于确定每个所述第二图像帧对应的时域特征，其中，所述时域特征包括以下至少一项：绝对误差和、是否包含目标感兴趣区域及显著性强度；

第八确定单元，用于根据每个所述第二图像帧对应的时域特征，确定每个所述第二图像帧中每个位置像素点的时域权重。

可选的，所述第六确定单元，还用于：

根据本公开的第三方面，提供了一种电子设备，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的指令，所述指令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上述一方面实施例所述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述一方面实施例所述的方法。

本公开所提供的视频质量的评价方法、装置、设备以及存储介质，至少存在以下有益效果：

本公开实施例中，首先获取待评价的视频及原视频，然后确定待评价的视频中的第一图像帧中每个位置像素点的空域权重及时域权重，之后根据待评价视频对应的空域复杂度及时域复杂度，确定权重融合模式，然后基于权重融合模式，将每个位置像素点的空域权重及时域权重进行融合，以确定每个位置像素点的融合权重，最后基于每个位置像素点的融合权重、第一图像帧及第二图像帧中每个位置像素点的像素值，确定待评价的视频对应的质量参数，其中，第二图像帧为原视频中的图像帧。由此，通过根据待评价视频的时空域复杂度确定时、空重要性，从而对视频序列时域和空域的感知权重进行修正，再计算待评价视频的质量参数，从而使得确定的质量参数，不仅符合客观要求，而且更有效的贴合人眼主观感受，评价结果更准确、更全面。

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。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开提供的一种视频质量的评价方法的流程示意图；

图2是根据本公开提供的另一种视频质量的评价方法的流程示意图；

图3是根据本公开提供的一种视频质量的评价装置的结构框图；

图4为本公开提供的电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。

本公开提供的一种视频质量的评价方法，该方法可以由本公开提供的一种视频质量的评价装置执行，也可以由本公开提供的电子设备执行，其中，电子设备可以包括但不限于手机、台式电脑、平板电脑等终端设备，下面以由本公开提供的视频质量的评价装置来执行本公开提供的一种视频质量的评价方法，而不作为对本公开的限定，以下简称为“装置”。

下面结合参考附图对本公开提供的视频质量的评价方法、装置、计算机设备及存储介质进行详细描述。

图1是根据本公开一实施例的一种视频质量的评价方法的流程示意图。

如图1所示，该视频质量的评价方法可以包括以下步骤：

步骤101，获取待评价的视频及原视频，其中，待评价的视频为对原视频进行处理后得到的视频。

可选的，原视频，可以为通过录像设备或者摄像装置等设备采集的视频数据，举例来说，在线上教育场景中，原视频可以为教师端或者学生端的摄像装置采集的视频数据。待评价的视频，可以为对原视频进行处理，比如编码、压缩后的视频。

可选的，本公开中，待评价的视频可以为基于任一编码标准，生成的编码文件。比如，可以为基于H.264编码标准对原视频进行编码后生成的视频流，或者，也可以为基于H.265、AV1、AVS等任一编码标准对原视频进行编码后生成的视频流，在此不进行限定。也即，待评价的视频，可以为基于预设的编码标准，将采集的原始视频数据进行编码后生成的待传输的视频流数据。

或者，对原视频的处理方式可以包括压缩、格式转换和模糊处理中的至少一种，该装置可以根据需要选择对应的处理方式，在此不进行限定。需要说明的是，原视频在经过处理后可能会存在数据损失。

步骤102，确定待评价的视频中的第一图像帧中每个位置像素点的空域权重及时域权重。

其中，空域，也即空间域，或者也可以称为像素域。其中，空域的处理也即像素级的处理，也即可以在视频序列中对单帧图像中的像素进行处理。其中，每个像素点的空域权重可以表征当前像素点对其所在图像帧的质量评价的影响程度。

其中，时域，也即时间域，在视频序列中指代的是多张连续图像的关系。其中，每个像素点的时域权重，可以表征每个像素点在待评价的视频中的多个连续图像中，对待评价的视频的质量的影响程度。

具体的，可以有多种方式确定第一图像帧中每个位置像素点的空域权重及时域权重，比如可以通过第一图像帧的空间感知信息和时间感知信息确定每个位置像素点的空域权重及时域权重。比如还可以根据第一图像帧中每个位置像素点像素的亮度或灰度的标准差，确定每个位置像素点的空域权重及时域权重。由于标准差能反映一个数据集的离散程度，通过计算各个第一图像帧中的每个位置像素点的亮度或灰度的标准差，可以有效体现各个视频帧中的空间和时间的细节复杂程度。

需要说明的是，空间感知信息(Spatialperceptual Information，SI)可以表征图像的空间细节量，图像的空间细节越复杂，图像的SI值越高。其中，时间感知信息(Temporalperceptual Information，TI)可以表征图像的时间变化量，图像的运动程度较高，图像的TI值越高。

或者，还可以根据第一图像帧中的感兴趣区域和非感兴趣区域，确定每个位置像素点的空域权重及时域权重，在此不进行限定。

步骤103，根据待评价视频对应的空域复杂度及时域复杂度，确定权重融合模式。

需要说明的是，空域复杂度(Spatial Complexity，SC)可以用于表征图像的空间复杂程度，通常，空间复杂度越高，空间感知信息的值越高，空间复杂度越低，空间感知信息的值越低。时域复杂度(Temporal Complexity，TC)可以用于表征视频序列中多帧图像的变化程度，通常，图像变化越剧烈，时间复杂度越高。

需要说明的是，通常，时域(多帧连续图像)和空域(单帧图像)信息对主观失真的影响是不同的，为了精确的计算每个位置像素点的感知权重，本公开中，可以从时域复杂度和空域复杂度的角度来确定时空信息对人眼主观失真的影响，从而使得到的权重更加符合人眼主观的评价。

比如，若当前待评价视频中空域对视频质量的影响程度较高，则可以按照以空域为主导的权重融合模式，若当前待评价视频中时域对视频质量的影响程度较高，则可以按照以时域为主导的权重融合模式。

步骤104，基于权重融合模式，将每个位置像素点的空域权重及时域权重进行融合，以确定每个位置像素点的融合权重。

可选的，若空域对于视频评价的重要程度大于或者等于时域，可以通过以下权重融合模式计算公式计算每个位置像素点的融合权重：

W(t，i，j)＝W_S(t，i，j)·W_T(t)^b/a(ifa≥b)

其中，W_S(t，i，j)为待评价的视频中第t帧图像第i行第j列像素的空域权重，W_T(t)为待评价的视频中第t帧图像对应的时域权重，W(t，i，j)为待评价的视频中第t帧第i行第j列像素的融合权重。其中，a可以为根据空域复杂度确定的参数，b可以为根据时域复杂度确定的参数。

可选的，若时域对于视频评价的重要程度大于等于空域，可以通过以下权重融合模式计算公式计算每个位置像素点的融合权重：

W(t，i，j)＝W_S(t，i，j)^a/b·W_T(t)(ifa＜b)

由此，可以有效的得到更符合人眼视觉主观的融合权重。

步骤105，基于每个位置像素点的融合权重、第一图像帧及第二图像帧中每个位置像素点的像素值，确定待评价的视频对应的质量参数，其中，第二图像帧为原视频中的图像帧。

需要说明的是，在确定了每个位置像素点的融合权重以及第一图像帧和第二图像帧中每个位置像素点的像素值之后，可以通过计算待评价的视频对应的峰值信噪比(Peaksignal noise ratio，PSNR)和/或结构相似性(Structure similarity Index，SSIM)，来确定待评价的视频对应的质量参数。

下面以PSNR为例进行说明。

为方便说明，以W_t，i，j作为第t帧图像中坐标为(i，j)的像素点对应的融合权重，以X_t，i，j作为第一图像帧中该位置像素点对应的像素值，以Y_t，i，j作为第二图像帧中该位置像素点对应的像素值，以H作为第t帧图像的高，以W作为第t帧图像的宽，则可以通过以下公式计算第二图像帧与第一图像帧间的均方误差wMSE_t：

需要说明的是，通过以上公式可以计算每个第二图像帧与对应的第一图像帧间的均方误差。其中，均方误差为第二图像帧与第一图像帧之间差异程度的一种度量。均方误差越大，表示第二图像帧与第一图像帧之间的差异越大。

进一步地，该装置可以根据各个均方误差及待评价的视频中包含的图像帧数量，确定参考均方误差。

可选的，若待评价的视频中包含的图像帧的数量为N，则根据各个图像帧的均方误差wMSEt通过以下公式计算参考均方误差

其中，参考均方误差可以为各个均方误差的平均值。

进一步地，该装置可以将参考均方误差进行归一化处理，以确定待评价的视频与原视频间的均方误差。

可选的，可以通过以下公式对参考均方误差进行归一化，从而进一步确定待评价的视频与原视频间的均方误差wMSE_norm：

可以理解的是，通过将参考均方误差进行归一化，可以将均方误差的表达式进行变换，从而转化为一种无量纲的表达式，也即标量。从而不同的视频流之间，即可基于该标量进行横向质量比较。

进一步地，根据待评价的视频与原视频间的均方误差，可以确定待评价的视频对应的峰值信噪比。

在确定待评价的视频与原视频之间的均方误差之后，该装置可以将该均方误差带入峰值信噪比的公式，由此可以确定待评价的视频对应的峰值信噪比。

其中，wPSNR为峰值信噪比，wMSE_norm为均方误差。

需要说明的是，本公开中，可以将上述计算得到的峰值信噪比作为待评价的视频的质量参数。峰值信号比，也即峰值信号的能量与噪声的平均能量之比，可以基于像素点间的误差对图像的质量进行评价。可以理解的是，峰值信噪比可以用于评价待评价的视频质量的好坏。峰值信噪比越大表示待评价的视频的质量越好，峰值信噪比越小表示待评价的视频的质量越差。

图2是根据本公开又一实施例的一种视频质量的评价方法的流程示意图。

如图2所示，该视频质量的评价方法可以包括以下步骤：

步骤201，获取待评价的视频及原视频，其中，待评价的视频为对原视频进行处理后得到的视频。

需要说明的是，步骤201的具体实现方式可以参照上述实施例，在此不进行赘述。

步骤202，根据每个第二图像帧中包含的内容，确定每个第二图像帧所属的类型。

可选的，可以先根据第二图像帧中包含的内容，确定第二图像帧所属的类型。其中，第二图像帧所属的类型可以包括人物、动物、风景、事物等等，本公开对此不做限定。

步骤203，根据预设的各类型图像与语义权重比的映射关系，确定每个第二图像帧中感兴趣区域与非感兴趣区域间的语义权重比。

其中，感兴趣区域(region of interest，ROI)可以为图像中人眼更感兴趣的区域。比如，对于包含人脸的图像，感兴趣区域可能为原图像及压缩图像中的人脸区域，非感兴趣区域为原图像及压缩图像中的其他区域。

本公开中，可以利用语义权重比，表征感兴趣区域与非感兴趣区域，对图像质量的影响程度。需要说明的是，感兴趣区域的语义权重更大，从而可以使压缩图像中感兴趣区域图像质量的好坏，对图像质量评价指标的影响更大，从而使得最终确定的图像质量，可以一定程度上反应用户主观感受。

具体的，本公开中，可以先获取包含预设的各类型的图像集，之后对图像集中的图像进行分类统计，以确定各类型图像中感兴趣区域与非感兴趣区域对应的语义权重比，并建立各类型图像与语义权重比之间的映射关系。进而，根据已获取的每个第二图像帧所属的类型以及各类型图像与语义权重比的映射关系，该装置可以确定每个第二图像帧中感兴趣区域与非感兴趣区域间的语义权重比。

步骤204，根据每个第二图像帧中感兴趣区域与非感兴趣区域间的语义权重比，确定每个位置像素点的空域权重。

具体的，可以将每个第二图像帧中感兴趣区域与非感兴趣区域间的语义权重比，作为每个位置像素点的空域权重。

作为一种可能实现的方式，该装置可以首先确定每个第二图像帧中感兴趣区域与非感兴趣区域分别对应的均方误差，然后基于感兴趣区域与非感兴趣区域分别对应的均方误差、及每个像素点所属的区域，对每个位置像素点的空域权重进行修正，以确定每个位置像素点修正后的空域权重。

本公开中，可以以均方误差(mean square error，MSE)作为第二图像帧中感兴趣区域与非感兴趣区域之间差异程度的一种度量，均方误差越大，表示第二图像帧中感兴趣区域与非感兴趣区域之间的差异越大。

其中，可以通过以下公式对上述均方误差进行计算：

其中，公式(1)中，MSE₁为感兴趣区域的均方误差，H₁为感兴趣区域的长，W₁为感兴趣区域的宽，X₁(i，j)为原图像的感兴趣区域中第i行，第j列的像素，Y₁(i，i)为压缩图像的感兴趣区域中第i行，第i列的像素；公式(2)中，MSE₂为非感兴趣区域的均方误差，H₂为非感兴趣区域的长，W₂为非感兴趣区域的宽，X₂(i，j)为原图像的非感兴趣区域中第i行，第j列的像素，Y₂(i，j)为压缩图像的非感兴趣区域中第i行，第i列的像素。

可选的，可以根据感兴趣区域与非感兴趣区域分别对应的均方误差，确定感兴趣区域与非感兴趣区域间的均方误差权重比，之后根据均方误差权重比对语义权重比进行修正，以获取修正后的权重比。

其中，均方误差权重比，可以表征图像中感兴趣区域与非感兴趣区域间的差异情况，其可以为第二图像帧中感兴趣区域的均方误差与非感兴趣区域的均方误差的比值。

进一步地，可以将空域权重与均方误差权重比相乘，以获取每个位置像素点修正后的空域权重。从而使得最终确定的空域权重，既可以反映图像的客观质量，又可以表征图像的主观视觉感受。

步骤205，确定每个第二图像帧对应的时域特征，其中，时域特征包括以下至少一项：绝对误差和、是否包含目标感兴趣区域及显著性强度。

需要说明的是，通过计算第二图像帧与上一帧之间的绝对误差和，可以判断第二图像帧与上一帧之间的差异大小，从而判断此时视频场景变化的复杂度以及第二图像帧是否为场景切换帧。根据人眼视觉系统的感知特性，场景变换越剧烈，人眼感知能力越低，因而，绝对误差和越大，场景变换越复杂。

其中，显著性强度(Saliency)可以表示人眼对图像不同区域的注意力程度，强度越高则人眼关注度越高。

其中，目标感兴趣区域为第二图像帧中人眼更感兴趣的区域。比如，对于包含人脸的第二图像帧，目标感兴趣区域可能为原图像及压缩图像中的人脸区域。

可选的，可以通过对第二图像帧的以下至少一项：绝对误差和、是否包含目标感兴趣区域及显著性强度，进行计算，可以获得第二图像帧对应的至少一个时域特征，或者，还可以对第二图像帧进行运动估计，以获得时域特征，还可以有很多，在此不进行限定。

步骤206，根据每个第二图像帧对应的时域特征，确定每个第二图像帧中每个位置像素点的时域权重。

具体的，对于绝对误差和来说，若绝对误差和越大，说明场景变换越复杂，因而该时域特征权重越低。对于显著性强度来说，可以根据第二图像帧生成与第二图像帧对应的显著性强度。其中，显著性强度图为一种灰度图，每个位置像素点对应有各自的值，代表各自对应的权重。比如，若显著性强度较高，则代表人眼越关注，因而此时权重越高。由于显著性强度图表示了每个位置像素点各自的显著性强度值，因而可以将该图像中所有显著性强度值池化，从而可以得到该帧的显著性强度。其中，可选的，可以通过求均值的方法对该图像中所有位置像素点的显著性强度值池化。

可选的，若当前第二图像帧中包含目标感兴趣区域，则说明当前第二图像帧的权重大于1，若当前第二图像帧中不包含目标感兴趣区域，则说明当前第二图像帧的权重小于1。

作为一种可能实现的方式，可以先确定第二图像帧中每个位置像素点的在各个时域特征上对应的权重，比如绝对误差和对应的权重A1，是否包含目标感兴趣区域对应的权重A2，以及显著性强度对应的权重A3。

进一步地，本公开中，可以根据每个位置像素点对应的时域特征对应的权重，以及第二图像帧对应的均方误差，计算每个第二图像帧中每个位置像素点的时域权重。或者，还可以根据上述方式计算每个第二图像帧对应的时域权重，在此不进行限定。

步骤207，根据待评价视频对应的空域复杂度所属的范围，确定第一参考参数。

步骤208，根据待评价视频对应的时域复杂度所属的范围，确定第二参考参数。

本公开中，可以先确定空域复杂度所属的范围，也即空域复杂度所对应的SI取值的范围。可选的，通过离线训练，可以得到常见视频类型空域复杂度和时域复杂度的分布，进而确定范围值，之后该装置可以根据待评价视频的类型，确定待评价视频的空域复杂度和时域复杂度所属的范围，在此不进行限定。

举例来说，若SI取值范围为[10，40]，TI取值范围为[5，50]。可以将SI和TI分别映射为离散的a和b，比如a和b可以均为[1，2，…，n]，然后可以根据待评价视频当前的时域复杂度和空域复杂度所对应的范围，确定对应的第一参考系数a以及第二参考系数b。

为方便说明，以下以n＝5为例，也即将SI分为5个区间分别为[10，15]、[16，21]、[22，27]、[28，33]、[34，40]。其中，若SI取值属于[10，15]，则a＝1；若SI取值属于[16，21]，则a＝2；若SI取值属于[22，27]，则a＝3，若SI取值属于[28，33]，则a＝4；若SI取值属于[34，39]，则a＝5。同理，可以将TI分为5个区间分别为[5，13]、[14，22]、[23，31]、[32，40]、[41，50]，若TI取值属于[10，15]，则a＝1......若TI取值属于[41，50]，则a＝5。

需要说明的是，上述举例仅为本公开的一种解释性说明，对本公开不构成限定。

步骤209，根据第一参考参数及第二参考参数的大小，确定权重融合模式。

可选的，在第一参考参数大于或等于第二参考参数的情况下，该装置可以确定权重融合模式为第一模式，在第一参考参数小于第二参考参数的情况下，确定权重融合模式为第二模式，其中，第一模式与第二模式不同。

其中，第一模式可以为以空域为主导的权重融合模式，第二模式可以为以时域为主导的权重融合模式。

需要说明的是，若以第一模式作为权重融合模式，则说明当前空域对于视频评价的重要程度大于时域，若以第二模式作为权重融合模式，则说明当前时域对于视频评价的重要程度大于空域。

步骤210，基于权重融合模式，将每个位置像素点的空域权重及时域权重进行融合，以确定每个位置像素点的融合权重。

W(t，i，j)＝W_S(t，i，j)·W_T(t)^b/a(if a≥b)

其中，W_S(t，i，j)为待评价的视频中第t帧图像第i行第j列像素的空域权重，W_T(t)为待评价的视频中第t帧图像对应的时域权重，W(t，i，j)为待评价的视频中第t帧第i行第j列像素的融合权重，a为第一参考参数，b为第二参考参数。

W(t，i，j)＝W_S(t，i，j)^a/b·W_T(t)(if a＜b)

由此，可以有效的得到更符合人眼视觉主观的融合权重。

步骤211，基于每个位置像素点的融合权重、第一图像帧及第二图像帧中每个位置像素点的像素值，确定待评价的视频对应的质量参数，其中，第二图像帧为原视频中的图像帧。

需要说明的是，步骤211的具体实现方式可以参照上述实施例，在此不进行赘述。

本公开实施例中，首先获取待评价的视频及原视频，然后根据每个第二图像帧中包含的内容，确定每个第二图像帧所属的类型并根据预设的各类型图像与语义权重比的映射关系，确定每个第二图像帧中感兴趣区域与非感兴趣区域间的语义权重比，之后根据每个第二图像帧中感兴趣区域与非感兴趣区域间的语义权重比，确定每个位置像素点的空域权重并确定每个第二图像帧对应的时域特征：绝对误差和、是否包含目标感兴趣区域及显著性强度；之后根据每个第二图像帧对应的时域特征，确定每个第二图像帧中每个位置像素点的时域权重，然后根据待评价视频对应的空域复杂度和时域复杂度所属的范围，确定第一参考参数和第二参考参数，进而确定权重融合模式。最后基于权重融合模式，将每个位置像素点的空域权重及时域权重进行融合，以确定每个位置像素点的融合权重，并基于每个位置像素点的融合权重、第一图像帧及第二图像帧中每个位置像素点的像素值，确定待评价的视频对应的质量参数，其中，第二图像帧为原视频中的图像帧。由此，通过感兴趣区域、非感兴趣区域的语义权重比，确定了图像的时域特征，并根据空域复杂度和时域复杂度所属的范围确定了第一参考参数和第二参考参数，进而根据第一参考参数和第二参考参数确定了权重融合模式，并且对视频序列时域和空域的感知权重进行了修正，不仅可以从时域和空域上反映待评价的视频的质量，而且可以跟人眼对待评价的视频质量的主观感受保持一致，评价结果更准确、更全面。

为了实现上述实施例，本公开实施例还提出一种视频质量的评价装置。图3为本公开实施例提供的一种视频质量的评价装置的结构框图。

如图3所示，该视频质量的评价装置300包括：获取模块,310、第一确定模块320、第二确定模块330、以及第三确定模块340、第四确定模块350。

获取模块310，用于获取待评价的视频及原视频，其中，所述待评价的视频为对所述原视频进行处理后得到的视频；

第一确定模块320，用于确定所述待评价的视频中的第一图像帧中每个位置像素点的空域权重及时域权重；

第二确定模块330，用于根据所述待评价视频对应的空域复杂度及时域复杂度，确定权重融合模式；

第三确定模块340，用于基于所述权重融合模式，将所述每个位置像素点的空域权重及时域权重进行融合，以确定所述每个位置像素点的融合权重；

第四确定模块350，用于基于所述每个位置像素点的融合权重、所述第一图像帧及第二图像帧中每个位置像素点的像素值，确定所述待评价的视频对应的质量参数，其中，所述第二图像帧为所述原视频中的图像帧。

可选的，所述第二确定模块，包括：

可选的，所述第三确定单元，具体用于：

可选的，所述第一确定模块，包括：

可选的，所述第六确定单元，还用于：

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。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/或者要求的本公开的实现。

如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如视频质量的评价方法。例如，在一些实施例中，视频质量的评价方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行上文描述的视频质量的评价方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行视频质量的评价方法。

本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

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)、互联网和区块链网络。

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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

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，本发公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims

1.一种视频质量的评价方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述根据所述待评价视频对应的空域复杂度及时域复杂度，确定权重融合模式，包括：

3.如权利要求2所述的方法，其特征在于，所述根据所述第一参考参数及所述第二参考参数的大小，确定所述权重融合模式，包括：

4.如权利要求1所述的方法，其特征在于，所述确定所述待评价的视频中的第一图像帧中每个位置像素点的空域权重及时域权重，包括：

5.如权利要求4所述的方法，其特征在于，在所述确定所述每个位置像素点的空域权重之后，还包括：

6.一种视频质量的评价装置，其特征在于，包括：

第三确定模块，用于基于所述权重融合模式，将所述每个位置像素点的空域权重及时域权重进行融合，以确定所述每个位置像素点的融合权重；

7.如权利要求6所述的装置，其特征在于，所述第二确定模块，包括：

8.一种电子设备，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的指令，所述指令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。

9.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。

10.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。