一种实现视频质量评估的方法、装置和系统制造方法及图纸

本发明专利技术公开了一种实现视频质量评估的方法、装置和系统。在对视频质量进行评估时，不仅考虑了丢包所导致的受损数据在该受损数据所在的视频帧中所占的比重，还综合考虑了其它因素，如该受损数据在该视频帧中的位置，该视频帧所在场景对该视频帧或对该视频帧后面的视频帧的影响等，因此，质量评估的准确性更高。

A method, device and system for video quality evaluation

The invention discloses a method, a device and a system for video quality evaluation. In the evaluation of video quality, not only consider the damage caused by packet loss for video frame of the damaged data where the proportion, but also consider other factors, such as the damaged data in the video frame in the position of the video frame in the scene, the video frame or on behind the video frames of video frames so the accuracy assessment of the quality of higher.

【技术实现步骤摘要】
一种实现视频质量评估的方法、装置和系统
本专利技术涉及视频
，尤其涉及一种实现视频质量评估的方法、装置及系统。
技术介绍
随着多媒体信息时代的到来，各类视频处理和视频通信技术层出不穷，因而，视频质量评估技术显得日益重要。随着通信技术的发展，IPTV(InternetProtocolTelevision，因特网协议电视)、过顶传球(OverTheTop，OTT)等视频业务，已经进入大规模商用阶段。为了保证视频业务的质量，必须对视频质量进行评估，以便及时采取相应的措施进行调整，以保证视频业务的正常运行。因此，如何对视频质量进行准确的评估，便成为一个迫切需要解决的重要问题。在对视频质量进行评估时，丢包所产生的影响是一个关键考虑要素。在标准ITU-TP1201.2所提供的IPTV监控方案中，在对视频质量进行评估时采用的方法是，计算丢包所导致的受损数据在该受损数据所在的视频帧中所占比重，并利用该比重确定丢包所造成的影响程度，比重越大，影响程度越大。然而，上述方法仅考虑了丢包所导致的受损数据在该受损数据所在的视频帧中所占的比重，导致评估结果的准确性不高。
技术实现思路
本专利技术实施例提供一种实现视频质量评估的方法、装置和系统，用于解决现有技术中存在的视频质量评估结果不准确的问题。第一方面，提供了一种实现视频质量评估的方法，所述方法包括：确定用于封装第一视频帧的多个数据包中的第一数据包丢失；通过计算所述第一视频帧中的受损数据在所述第一视频帧中所占的比重获得所述第一视频帧的质量劣化值，所述受损数据包括所述第一视频帧中受所述第一数据包丢失影响的图像数据；确定所述第一视频帧是否为场景切换帧；在确定所述第一视频帧非场景切换帧时，根据所述第一视频帧所在场景对所述第一视频帧的质量劣化值进行修正。根据本专利技术第一方面提供的方法，在对视频质量进行评估时，不仅考虑了丢包所导致的受损数据在该受损数据所在的视频帧中所占的比重，还考虑了视频帧所在场景对该视频帧的影响等，因此，质量评估的准确性更高。在第一方面的第一种可能的实现方式中，具体可以根据公式xlec＝β*xlel对所述第一视频帧的质量劣化值进行修正，其中，xlel为根据场景修正前的质量劣化值，xlec为根据场景修正后的质量劣化值，β用于表示所述第一视频帧所在场景的场景复杂度，β的值大于0且小于1，且β的值越大表示所述场景复杂度越大,β的值越小表示所述场景复杂度越小。根据该实现方式，具体考虑了所述第一视频帧所在场景的场景复杂度对所述质量劣化值的影响，从而进一步提升了质量评估的准确性。其中β具体可以根据公式β＝g(tcomp)来计算，其中tcomp为所述第一视频帧所在场景的时间复杂度，tcomp越大，通过g函数计算出的β越大，tcomp越小，通过g函数计算出的β越小。所述场景的时间复杂度tcomp用于表征所述场景中的相邻视频帧之间的相关性大小，时间复杂度越大，表明相关性越小，时间复杂度越小，表明相关性越大。所述时间复杂度表征了所述场景中的相邻视频帧之间的相关性大小，因此，可以有效地体现出场景复杂度，从而进一步提升了质量评估的准确性。由于非I帧(如B帧、P帧)是利用视频帧之间的相关性进行压缩的，相关性越大，即时间复杂度越小，非I帧的压缩率越高，因此可以通过计算所述第一视频帧所在场景中所有非I帧的帧大小的中值或平均值与场景中所有I帧的帧大小的中值或平均值之间的比值获得该场景的时间复杂度，具体可以将该比值直接作为该场景的时间复杂度。由于考虑了视频帧之间的相关性对非I帧压缩率的影响，因此可以准确地计算出时间复杂度，从而进一步提升质量评估的准确性。第二方面，提供了一种实现视频质量评估的方法，所述方法包括：确定用于封装第一视频帧的多个数据包中的第一数据包丢失；通过计算所述第一视频帧中的受损数据在所述第一视频帧中所占的比重获得所述第一视频帧的质量劣化值，所述受损数据包括所述第一视频帧中受所述第一数据包丢失影响的图像数据；根据如下公式计算所述第一视频帧所在GOP的质量劣化值：xl＝β*xle*△t其中，xle为所述第一视频帧的质量劣化值，xl为所述第一视频帧所在GOP的质量劣化值，△t为所述第一视频帧对应的时刻和位于所述第一视频帧之后且离所述第一视频帧最近的所述GOP中的场景切换帧对应的时刻的差值，β用于表示所述第一视频帧所在场景的场景复杂度，β的值大于0且小于1，且β的值越大表示所述场景复杂度越大,β的值越小表示所述场景复杂度越小。根据本专利技术第二方面提供的方法，在对视频质量进行评估时，不仅考虑了丢包所导致的受损数据在该受损数据所在的视频帧中所占的比重，还考虑了该视频帧所在场景对该视频帧后面的视频帧的影响等，因此，质量评估的准确性更高。其中β具体可以根据公式β＝g(tcomp)来计算，其中tcomp为所述第一视频帧所在场景的时间复杂度，tcomp越大，通过g函数计算出的β越大，tcomp越小，通过g函数计算出的β越小。所述场景的时间复杂度tcomp用于表征所述场景中的相邻视频帧之间的相关性大小，时间复杂度越大，表明相关性越小，时间复杂度越小，表明相关性越大。所述时间复杂度表征了所述场景中的相邻视频帧之间的相关性大小，因此，可以有效地体现出场景复杂度，从而进一步提升了质量评估的准确性。由于非I帧(如B帧、P帧)是利用视频帧之间的相关性进行压缩的，相关性越大，即时间复杂度越小，非I帧的压缩率越高，因此可以通过计算所述第一视频帧所在场景中所有非I帧的帧大小的中值或平均值与场景中所有I帧的帧大小的中值或平均值之间的比值获得该场景的时间复杂度，具体可以将该比值直接作为该场景的时间复杂度。由于考虑了视频帧之间的相关性对非I帧压缩率的影响，因此可以准确地计算出时间复杂度，从而进一步提升质量评估的准确性。第三方面，提供了一种实现视频质量评估的方法，所述方法包括：确定用于封装第一视频帧的多个数据包中的第一数据包丢失；通过计算所述第一视频帧中的受损数据在所述第一视频帧中所占的比重获得所述第一视频帧的质量劣化值，所述受损数据包括所述第一视频帧中受所述第一数据包丢失影响的图像数据；确定所述受损数据在所述第一视频帧中的位置；根据所述受损数据在所述第一视频帧中的位置对所述第一视频帧的质量劣化值进行修正。根据本专利技术第三方面提供的方法，在对视频质量进行评估时，不仅考虑了丢包所导致的受损数据在该受损数据所在的视频帧中所占的比重，还考虑了该受损数据在该视频帧中的位置，因此，质量评估的准确性更高。在第三方面的第一种可能的实现方式中，具体可以根据公式xlel2＝α*xlel1对所述第一视频帧的质量劣化值进行修正，其中，xlel1为根据位置修正前的质量劣化值，xlel2为根据位置修正后的质量劣化值，α为修正因子，用于表示所述受损数据在所述第一视频帧中的位置对所述第一视频帧的质量的影响程度，α的值大于0且小于等于1，α的取值越小表明所述影响程度越小，α的取值越大表明所述影响程度越大。在具体实现时，可以根据如下公式计算α：α＝f(damagePosition)其中，α在damagePosition大于b(b的值大于0且小于0.5)时随着damagePosition的变化幅度比damagePosition小于b时随着damagePositi本文档来自技高网...

【技术保护点】
一种实现视频质量评估的方法，其特征在于，所述方法包括：确定用于封装第一视频帧的多个数据包中的第一数据包丢失；通过计算所述第一视频帧中的受损数据在所述第一视频帧中所占的比重获得所述第一视频帧的质量劣化值，所述受损数据包括所述第一视频帧中受所述第一数据包丢失影响的图像数据；确定所述第一视频帧是否为场景切换帧；在确定所述第一视频帧非场景切换帧时，根据所述第一视频帧所在场景对所述第一视频帧的质量劣化值进行修正。

【技术特征摘要】
1.一种实现视频质量评估的方法，其特征在于，所述方法包括：确定用于封装第一视频帧的多个数据包中的第一数据包丢失；通过计算所述第一视频帧中的受损数据在所述第一视频帧中所占的比重获得所述第一视频帧的质量劣化值，所述受损数据包括所述第一视频帧中受所述第一数据包丢失影响的图像数据；确定所述第一视频帧是否为场景切换帧；在确定所述第一视频帧非场景切换帧时，根据所述第一视频帧所在场景对所述第一视频帧的质量劣化值进行修正。2.如权利要求1所述的方法，其特征在于，所述根据所述第一视频帧所在场景对所述第一视频帧的质量劣化值进行修正具体包括：根据公式xlec＝β*xlel对所述第一视频帧的质量劣化值进行修正，其中，xlel为根据场景修正前的质量劣化值，xlec为根据场景修正后的质量劣化值，β用于表示所述第一视频帧所在场景的场景复杂度，β的值大于0且小于1，且β的值越大表示所述场景复杂度越大,β的值越小表示所述场景复杂度越小。3.如权利要求1或2所述的方法，其特征在于，在所述获得所述第一视频帧的质量劣化值之后，以及在所述根据所述第一视频帧所在场景对所述第一视频帧的质量劣化值进行修正之前，还包括：确定所述受损数据在所述第一视频帧中的位置；根据所述受损数据在所述第一视频帧中的位置对所述第一视频帧的质量劣化值进行修正。4.如权利要求3所述的方法，其特征在于，所述根据所述受损数据在所述第一视频帧中的位置进行修正具体包括：根据公式xlel2＝α*xlel1对所述第一视频帧的质量劣化值进行修正，其中，xlel1为根据位置修正前的质量劣化值，xlel2为根据位置修正后的质量劣化值，α为修正因子，用于表示所述受损数据在所述第一视频帧中的位置对所述第一视频帧的质量的影响程度，α的值大于0且小于等于1，α的取值越小表明所述影响程度越小，α的取值越大表明所述影响程度越大。5.如权利要求4所述的方法，其特征在于，根据如下公式计算α：或者其中，a的值大于0且小于等于1，b的值大于0且小于0.5，damagePosition用于表示所述受损数据的起始位置相对于所述第一视频帧的结束位置的相对位置，damagePosition的值大于0且小于等于1，且damagePosition的值越小表示所述受损数据的起始位置越靠近所述第一视频帧的底部，damagePosition的值越大表示所述受损数据的起始位置越靠近所述第一视频帧的顶部。6.如权利要求5所述的方法，其特征在于，根据如下公式计算damagePosition：其中，np为封装所述第一视频帧的所有数据包的数量，lossPosition为所述第一数据包在所述所有数据包中的位置。7.如权利要求1-6任一所述的方法，其特征在于，所述根据所述第一视频帧所在场景的场景复杂度对所述第一视频帧的质量劣化值进行修正之后，还包括：根据如下公式计算所述第一视频帧所在GOP的质量劣化值：xl＝β*xle*△t其中，xle为所述第一视频帧的质量劣化值，xl为所述第一视频帧所在GOP的质量劣化值，△t为所述第一视频帧对应的时刻和位于所述第一视频帧之后且离所述第一视频帧最近的所述GOP中的场景切换帧对应的时刻的差值，β用于表示所述第一视频帧所在场景的场景复杂度，β的值大于0且小于1，且β的值越大表示所述场景复杂度越大,β的值越小表示所述场景复杂度越小。8.一种实现视频质量评估的方法，其特征在于，所述方法包括：确定用于封装第一视频帧的多个数据包中的第一数据包丢失；通过计算所述第一视频帧中的受损数据在所述第一视频帧中所占的比重获得所述第一视频帧的质量劣化值，所述受损数据包括所述第一视频帧中受所述第一数据包丢失影响的图像数据；根据如下公式计算所述第一视频帧所在GOP的质量劣化值：xl＝β*xle*△t其中，xle为所述第一视频帧的质量劣化值，xl为所述第一视频帧所在GOP的质量劣化值，△t为所述第一视频帧对应的时刻和位于所述第一视频帧之后且离所述第一视频帧最近的所述GOP中的场景切换帧对应的时刻的差值，β用于表示所述第一视频帧所在场景的场景复杂度，β的值大于0且小于1，且β的值越大表示所述场景复杂度越大,β的值越小表示所述场景复杂度越小。9.如权利要求8所述的方法，其特征在于，所述获得所述第一视频帧的质量劣化值之后，以及所述计算所述第一视频帧所在GOP的质量劣化值之前，还包括：确定所述受损数据在所述第一视频帧中的位置；根据所述受损数据在所述第一视频帧中的位置对所述第一视频帧的质量劣化值进行修正；xle具体为根据所述位置修正后的质量劣化值。10.如权利要求9所述的方法，其特征在于，所述根据所述受损数据在所述第一视频帧中的位置进行修正具体包括：根据公式xlel2＝α*xlel1对所述第一视频帧的质量劣化值进行修正，其中，xlel1为根据位置修正前的质量劣化值，xlel2为根据位置修正后的质量劣化值，α为修正因子，用于表示所述受损数据的位置对所述第一视频帧的质量的影响程度，α的值大于0且小于等于1，α的取值越小表明所述影响程度越小，α的取值越大表明所述影响程度越大。11.如权利要求10所述的方法，其特征在于，根据如下公式计算α：或者其中，a的值大于0且小于等于1，b的值大于0且小于等于0.5，damagePosition用于表示所述受损数据的起始位置相对于所述第一视频帧的结束位置的相对位置，damagePosition的值大于0且小于等于1，且damagePosition的值越小表示所述受损数据的起始位置越靠近所述第一视频帧的底部，damagePosition的值越大表示所述受损数据的起始位置越靠近所述第一视频帧的顶部。12.如权利要求11所述的方法，其特征在于，根据如下公式计算damagePosition：其中，np为封装所述第一视频帧的所有数据包的数量，lossPosition为所述第一数据包在所述所有数据包中的位置。13.一种实现视频质量评估的方法，其特征在于，所述方法包括：确定用于封装第一视频帧的多个数据包中的第一数据包丢失；通过计算所述第一视频帧中的受损数据在所述第一视频帧中所占的比重获得所述第一视频帧的质量劣化值，所述受损数据包括所述第一视频帧中受所述第一数据包丢失影响的图像数据；确定所述受损数据在所述第一视频帧中的位置；根据所述受损数据在所述第一视频帧中的位置对所述第一视频帧的质量劣化值进行修正。14.如权利要求13所述的方法，其特征在于，所述根据所述受损数据在所述第一视频帧中的位置进行修正具体包括：根据公式xlel2＝α*xlel1对所述第一视频帧的质量劣化值进行修正，其中，xlel1为根据位置修正前的质量劣化值，xlel2为根据位置修正后的质量劣化值，α为修正因子，用于表示所述受损数据在所述第一视频帧中的位置对所述第一视频帧的质量的影响程度，α的值大于0且小于等于1，α的取值越小表明所述影响程度越小，α的取值越大表明所述影响程度越大。15.如权利要求14所述的方法，其特征在于，根据如下公式计算α：或者其中，a的值大于0且小于等于1，b的值大于0且小于等于0.5，damagePosition用于表示所述受损数据的起始位置相对于所述第一视频帧的结束位置的相对位置，damagePosition的值大于0且小于等于1，且damagePosition的值越小表示所述受损数据的起始位置越靠近所述第一视频帧的底部，damagePosition的值越大表示所述受损数据的起始位置越靠近所述第一视频帧的顶部。16.如权利要求15所述的方法，其特征在于，根据如下公式计算damagePosition：其中，np为封装所述第一视频帧的所有数据包的数量，lossPosition为所述第一数据包在所述所有数据包中的位置。17.如权利要求13至16任一所述的方法，其特征在于，所述获得所述第一视频帧的质量劣化值之后，根据所述受损数据在所述第一视频帧中的位置对所述第一视频帧的质量劣化值进行修正之前，还包括：在确定所述第一视频帧非场景切换帧时，根据所述第一视频帧所在场景对所述第一视频帧的质量劣化值进行修正；所述根据所述受损数据在所述第一视频帧中的位置对所述第一视频帧的质量劣化值进行修正具体包括：根据所述受损数据在所述第一视频帧中的位置对根据所述场景复杂度修正后的所述第一视频帧的质量劣化值进行修正。18.如权利要求17所述的方法，其特征在于，所述根据所述第一视频帧所在场景对所述第一视频帧的质量劣化值进行修正具体包括：根据公式xlec＝β*xlel对所述第一视频帧的质量劣化值进行修正，其中，xlel为根据场景修正前的质量劣化值，xlec为根据场景修正后的质量劣化值，β用于表示所述第一视频帧所在场景的场景复杂度，β的值大于0且小于1，且β的值越大表示所述场景复杂度越大,β的值越小表示所述场景复杂度越小。19.如权利要求17或18所述的方法，其特征在于，所述根据所述受损数据在所述第一视频帧中的位置对所述第一视频帧的质量劣化值进行修正之后，还包括：根据如下公式计算所述第一视频帧所在GOP的质量劣化值：xl＝β*xle*△t其中，xle为所述第一视频帧的质量劣化值，xl为所述第一视频帧所在GOP的质量劣化值，△t为所述第一视频帧对应的时刻和位于所述第一视频帧之后且离所述第一视频帧最近的所述GOP中的场景切换帧对应的时刻的差值，β用于表示所述第一视频帧所在场景的场景复杂度，β的值大于0且小于1，且β的值越大表示所述场景复杂度越大,β的值越小表示所述场景复杂度越小。20.一种评估装置，其特征在于，所述评估装置包括确定单元和计算单元；所述确定单元，用于确定用于封装第一视频帧的多个数据包中的第一数据包丢失；所述计算单元，用于通过计算所述第一视频帧中的受损数据在所述第一视频帧中所占的比重获得所述第一视频帧的质量劣化值，所述受损数据包括所述第一视频帧中受所述第一数据包丢失影响的图像数据；并用于确定所述第一视频帧是否为场景切换帧并在确定所述第一视频帧非场景切换帧时，根据所述第一视频帧所在场景对所述第一视频帧的质量劣...

【专利技术属性】
技术研发人员：熊婕，杨友庆，黄一宏，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44