基于场景分类的视频质量诊断的方法及装置制造方法及图纸

本发明专利技术适用于视频质量诊断技术领域，提供一种基于场景分类的视频质量诊断的方法及装置，所述方法包括：获取实时图像数据；利用训练好的场景分类器对实时图像数据的场景进行分类，获得与实时图像数据对应的场景类别及类别置信度；若类别置信度大于或等于预设阈值，则根据场景类别、诊断项目、及诊断项目灵敏度三者的对应关系，获取与场景类别对应的所述诊断项目及诊断项目灵敏度；调整视频质量诊断系统的所述诊断项目达到所述诊断项目灵敏度，从而进行所述实时图像数据的视频质量诊断；本发明专利技术使得所述视频质量诊断系统的所述诊断项目灵敏度可以根据实时图像数据的场景类别及类别置信度进行自动调整，解决了视频质量诊断的误报和漏报问题。

Video quality diagnosis method and device based on scene classification

The invention is applicable to the field of video quality diagnosis technology, and provides a method and device for video quality diagnosis based on scene classification. The method includes: obtaining real-time image data, classifying scene of real-time image data by a trained scene classifier, and obtaining scene category corresponding to real-time image data. And category confidence; if the category set reliability is greater than or equal to the default threshold, the sensitivity of the diagnostic project and diagnostic project corresponding to the scene category is obtained according to the corresponding relationship between the scene category, the diagnostic project and the sensitivity of the diagnostic project sensitivity, and the diagnostic project of the video quality diagnosis system is adjusted to reach the diagnosis. This invention makes the diagnostic sensitivity of the video quality diagnosis system automatically adjust according to the scene category and the category confidence of the real-time image data, and solves the problem of misinformation and false reporting of video quality diagnosis.

【技术实现步骤摘要】
基于场景分类的视频质量诊断的方法及装置
本专利技术属于视频质量诊断
，尤其涉及一种基于场景分类的视频质量诊断的方法及装置。
技术介绍
在视频质量诊断中，常常会进行一些诊断项目的诊断，例如，对视频偏色、清晰度、亮度异常、黑屏、抖动、冻结、噪声等诊断项目的诊断，进行这些诊断项目的诊断时，会涉及到报警灵敏度。所述报警灵敏度是指判定视频图像中出现偏色、清晰度、亮度异常、黑屏、抖动、冻结、噪声等异常情况的临界指标。所述报警灵敏度越高时，越容易触发报警，则对所述视频图像中出现偏色、清晰度、亮度异常、黑屏、抖动、冻结、噪声等异常情况的误报概率增大；反之，所述报警灵敏度越低时，越不容易触发报警，则对所述视频图像中出现偏色、清晰度、亮度异常、黑屏、抖动、冻结、噪声等异常情况的漏报概率增大。现有技术中，虽然将所述报警灵敏度的设置接口开放给用户，同时对每个诊断项目设置默认的报警灵敏度，但是，相同的报警灵敏度无法适用于所有现场环境，因此，仍无法解决视频质量诊断中误报和漏报的问题。
技术实现思路
有鉴于此，本专利技术实施例提供了一种基于场景分类的视频质量诊断的方法及装置，以解决现有技术中无法解决视频质量诊断的误报和漏报问题。本专利技术实施例的第一方面提供了一种基于场景分类的视频质量诊断的方法，包括：获取实时图像数据；利用训练好的场景分类器对所述实时图像数据的场景进行分类，获得与所述实时图像数据对应的场景类别及类别置信度；若所述类别置信度大于或等于预设阈值，则根据所述场景类别、诊断项目、及诊断项目灵敏度三者的对应关系，获取与所述场景类别对应的所述诊断项目及诊断项目灵敏度；调整视频质量诊断系统的所述诊断项目达到所述诊断项目灵敏度，从而进行所述实时图像数据的视频质量诊断。本专利技术实施例的第二方面提供了一种基于场景分类的视频质量诊断的装置，包括：图像获取单元，用于获取实时图像数据；分类单元，用于利用场景分类器对所述实时图像数据的场景进行分类，获得与所述实时图像数据对应的场景类别及类别置信度；灵敏度获取单元，用于若所述类别置信度大于或等于预设阈值，则根据所述场景类别、诊断项目、及诊断项目灵敏度三者的对应关系，获取与所述场景类别对应的所述诊断项目及诊断项目灵敏度；调整单元，用于调整视频质量诊断系统的所述诊断项目达到所述诊断项目灵敏度，从而进行所述实时图像数据的视频质量诊断。本专利技术实施例的第三方面提供了一种基于场景分类的视频质量诊断的装置，包括：包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。本专利技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤本专利技术实施例中，通过利用训练好的场景分类器对所述实时图像数据的场景进行分类，获得与所述实时图像数据对应的场景类别及类别置信度，以及与所述场景类别对应的所述诊断项目及诊断项目灵敏度；在所述类别置信度大于或等于预设阈值，调整视频质量诊断系统的所述诊断项目达到所述诊断项目灵敏度，使得所述视频质量诊断系统的所述诊断项目灵敏度可以根据实时图像数据的场景类别及类别置信度进行自动调整，解决了视频质量诊断的误报和漏报问题。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种基于场景分类的视频质量诊断的方法实现流程图；图2是本专利技术实施例提供的训练场景分类器的实现流程示意图；图3是本专利技术实施例提供的训练场景分类器的另一实现流程示意图；图4是本专利技术实施例提供的一种基于场景分类的视频质量诊断的方法S102的实现流程示意图；图5是本专利技术实施例提供的一种基于场景分类的视频质量诊断的装置的结构示意图；图6是本专利技术实施例提供的一种基于场景分类的视频质量诊断的装置另一结构示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。本专利技术实施例中，通过利用训练好的场景分类器对所述实时图像数据的场景进行分类，获得与所述实时图像数据对应的场景类别及类别置信度，以及与所述场景类别对应的所述诊断项目及诊断项目灵敏度；在所述类别置信度大于或等于预设阈值，调整视频质量诊断系统的所述诊断项目达到所述诊断项目灵敏度，使得所述视频质量诊断系统的所述诊断项目灵敏度可以根据实时图像数据的场景类别及类别置信度进行自动调整，解决了视频质量诊断的误报和漏报问题。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。如图1示出了本专利技术实施例提供的一种基于场景分类的视频质量诊断的方法实现流程图，该方法包括：S101至S104。在S101中，获取实时图像数据。视频质量诊断被广泛应用在多种应用领域，例如，导航图像采集、灾情巡查等应用场景，均需要对视频质量进行诊断，从而提高目标检测的精度，降低误报或漏报的概率。其中，获取实时图像数据是视频质量诊断的前提，在本专利技术的一些实施例方式中，可以通过摄像头进行实时图像数据采集，再将采集的所述实时图像数据输入训练好的场景分类器中，对其进行场景分类。可选地，所述获取实时图像数据之前，还需要训练场景分类器。在本专利技术的实施例中，所述场景分类器可以为支持向量机分类模型，或者为其他分类模型。本专利技术对分类模型的具体结构不作具体限定，现有技术下用于分类的模型均适用于本专利技术。如图2所示，所述训练场景分类器包括：S201至S203。在S201中，获取多个样本图像数据，和与每个所述样本图像数据对应的样本场景类别及样本类别置信度。具体地，所述样本图像数据包括各种场景下的图像，例如，寺庙、草坪、雪景、人行道、机动车道、街道、房屋、田野、森林、商场、学校、写字楼等场景的图像数据，将采集的所述样本图像数据进行类别标记，也就是说，对每一个样本图像数据都进行场景类别的标记以及类别置信度的标记，使得每一个样本图像数据都有与其对应的场景类别及类别置信度。其中，所述场景类别包括寺庙、草坪、雪景、人行道、机动车道、街道、房屋、田野、森林、商场、学校、写字楼等场景类别，本领域技术人员应当知道，所述场景类别可以包括几十种甚至几百种类别，可以根据样本图像数据进行确定，此处只是举例说明，不表示为对本专利技术保护范围的限制。所述类别置信度是指所述样本图像数据属于某一场景类别的概率值。例如，所述样本图像数据有可能不能百分之一百属于某一场景类别，因此，对所述样本图像数据划分场景类别时，还附加所述场景类别对应的类别置信度。又如，某一幅图像中既存在属于第一场景类别的概率，又存在属于第二场景类别的概率，甚至还存在属于第三场景类别等等场景类别的概率，且概率之和为1，则此时不能直接对该图像进行场景分类。当该图像百分之一百属于某一场景类别时，则所述图像对应的类别置信本文档来自技高网...

【技术保护点】
1.一种基于场景分类的视频质量诊断的方法，其特征在于，包括：获取实时图像数据；利用训练好的场景分类器对所述实时图像数据的场景进行分类，获得与所述实时图像数据对应的场景类别及类别置信度；若所述类别置信度大于或等于预设阈值，则根据所述场景类别、诊断项目、及诊断项目灵敏度三者的对应关系，获取与所述场景类别对应的所述诊断项目及诊断项目灵敏度；调整视频质量诊断系统的所述诊断项目达到所述诊断项目灵敏度，从而进行所述实时图像数据的视频质量诊断。

【技术特征摘要】
1.一种基于场景分类的视频质量诊断的方法，其特征在于，包括：获取实时图像数据；利用训练好的场景分类器对所述实时图像数据的场景进行分类，获得与所述实时图像数据对应的场景类别及类别置信度；若所述类别置信度大于或等于预设阈值，则根据所述场景类别、诊断项目、及诊断项目灵敏度三者的对应关系，获取与所述场景类别对应的所述诊断项目及诊断项目灵敏度；调整视频质量诊断系统的所述诊断项目达到所述诊断项目灵敏度，从而进行所述实时图像数据的视频质量诊断。2.如权利要求1所述的方法，其特征在于，所述获取实时图像数据之前，还包括：获取多个样本图像数据，和与每个所述样本图像数据对应的样本场景类别及样本类别置信度；提取所述样本图像数据的图像特征信息描述符；利用所述样本场景类别、样本类别置信度及所述图像特征信息描述符，对场景分类器进行训练，得到训练好的所述场景分类器。3.如权利要求2所述的方法，其特征在于，所述获取多个样本图像数据，和与每个所述样本图像数据对应的样本场景类别及样本类别置信度之后，还包括：将具有相同所述样本场景类别的所述样本图像数据分别作为所述视频质量诊断系统的一组诊断对象，针对每组所述诊断对象，调整所述视频质量诊断系统的与诊断项目对应的诊断项目灵敏度，得到与所述诊断项目灵敏度对应的诊断指标；针对每组所述诊断对象，将与最佳的诊断指标对应的诊断项目灵敏度作为与所述样本场景类别的诊断项目对应的诊断项目灵敏度，从而建立所述场景类别、诊断项目、及诊断项目灵敏度三者的对应关系。4.如权利要求1所述的方法，其特征在于，所述利用训练好的场景分类器对所述实时图像数据的场景进行分类，获得与所述实时图像数据对应的场景类别及类别置信度，包括：提取所述实时图像数据的图像特征信息描述符；将所述图像特征信息描述符输入训练好的所述场景分类器，输出所述实时图像数据的场景类别及其对应的类别置信度；对所述类别置信度按照大小顺序进行排序，将最大的所述类别置信度及其对应的场景类别作为所述实时图像数据的场景类别及类别置信度。5.如权利要求1所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：魏园波，刘军，
申请(专利权)人：深圳英飞拓科技股份有限公司，
类型：发明
国别省市：广东,44