The invention relates to a virtual reality video quality evaluation method based on the double flow convolution neural network, including: video preprocessing: using the left view video of the VR video and the right view video to get the VR differential video, the compression of the video frames in different locations, the uniform drawing from the compressed differential video, and each of the video frames in the compressed video. A non overlapping block, the video block at the same position of each frame constitutes a VR video patch to produce enough data for the training of the convolution neural network, at the same time, to extract the optical flow for each VR video; to establish the same convolution neural network model with two configurations; the input of the VR video patch and the optical flow as input; To the final objective evaluation score: the average score of the two paths of the video patch and the optical flow is summed up, that is, the final objective quality evaluation score is obtained. The invention improves the accuracy of the objective evaluation method.
【技术实现步骤摘要】
基于双流卷积神经网络的虚拟现实视频质量评价方法
本专利技术属视频处理领域,涉及虚拟现实视频质量评价方法。
技术介绍
作为一个新的仿真与交互技术——虚拟现实(VR)技术在许多领域如建筑、游戏与军事中使用,它可以创建一个与现实世界的规则一致的虚拟环境,或者建立一个完全脱离现实的模拟环境,这会带给人们更加真实的视听感受和临场体验[1]。作为虚拟现实的重要载体,VR视频,又称全景立体视频,发挥着巨大的作用。然而,VR视频在采集、储存和传输的过程中由于设备和处理手段等原因,不可避免的会引入一些失真,进而影响VR视频的质量。因此,研究一种能有效评价虚拟现实视频质量的评价方法至关重要。但是主观评价方法易受多种因素的干扰,且费时费力,评价结果也不够稳定。相对主观评价,客观评价以软件的方式评价图像的质量,同时不需参与者和大量的主观试验,操作简单,且与主观评价高度相关,越来越受到相关研究者的关注。由于虚拟现实技术在近些年刚刚兴起,目前还没有针对VR视频规范标准与客观评价体系[2]。VR视频具有真实感,沉浸感,立体感等特性[3],在传统多媒体类型中立体视频与VR视频的特点最接近,因此,对VR视频进行评价需要参考当前立体视频质量评价的思想。当前立体视频的客观评价方法主要有三类,第一类是基于人眼视觉系统(HVS)的评价方法。第二类是基于图像特征并结合机器学习的评价方法。第三类是利用深度学习的评价方法。上述方法都对VR视频客观评价具有良好的借鉴意义。[1]MindererM,HarveyCD,DonatoF,etal.Neuroscience:Virtualrealityexplor ...
【技术保护点】
1.一种基于双流卷积神经网络的虚拟现实视频质量评价方法,包括以下步骤:1)视频预处理:利用VR视频的左视图视频与右视图视频得到VR差分视频,对不同位置的视频帧进行空间上的压缩,从压缩后的差分视频中均匀抽帧,给每一帧不重叠的切块,每一帧相同位置的视频块构成一个VR视频补丁,以产生足够多的数据用于卷积神经网络的训练,与此同时对每个VR视频提取光流;2)建立两个配置一样的卷积神经网络模型:每个模型包含两个卷积层,两个池化层与两个全连接层,激活函数采用整流线性单元,采用Dropout策略防止过拟合;随后调整网络的层内结构及训练参数以达到更好的分类效果;3)训练卷积神经网络模型:利用梯度下降法,分别以VR视频补丁和光流为输入,每个输入配上原视频质量分数作为标签,分批次将其输入网络,经过多次迭代后网络各层权重得到充分优化,最终得到可用于提取虚拟现实视频特征的双流卷积神经网络模型;4)得到最终客观评价分数:将视频补丁与光流两个通路得到的分数平均求和,即得到最终的客观质量评价分数。
【技术特征摘要】
1.一种基于双流卷积神经网络的虚拟现实视频质量评价方法,包括以下步骤:1)视频预处理:利用VR视频的左视图视频与右视图视频得到VR差分视频,对不同位置的视频帧进行空间上的压缩,从压缩后的差分视频中均匀抽帧,给每一帧不重叠的切块,每一帧相同位置的视频块构成一个VR视频补丁,以产生足够多的数据用于卷积神经网络的训练,与此同时对每个VR视频提取光流;2)建立两个配置一样的卷积神经网络模型:每个模型包含两个卷积层,两个池化层与两个全连接层,激...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。