本申请涉及一种直播视频的质量评价方法、装置、计算机设备和存储介质。方法包括：按照预设的时间间隔，周期性地从第一直播视频中截取视频帧；对于截取到的每个视频帧，将视频帧中的亮度分量输入至图像质量分类模型中，得到图像质量分类模型输出的视频帧的质量类别，其中，图像质量分类模型是根据多个训练样本训练得到的，各训练样本包括样本失真图像的亮度分量和质量类别标签，各质量类别标签是根据对应的样本失真图像以及样本失真图像对应的标准清晰度图像进行质量评价得到的；根据各视频帧的质量类别，向服务器上报第一直播视频的质量类别。采用本方法能够提升观众终端直播视频的质量评价效率和准确性。质量评价效率和准确性。质量评价效率和准确性。
【技术实现步骤摘要】
直播视频的质量评价方法、装置、计算机设备和存储介质
[0001]本申请涉及互联网
，特别是涉及一种直播视频的质量评价方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着网路直播行业的快速发展，越来越多的用户通过观看网络直播来满足日常的娱乐需求。
[0003]在网络直播过程中，主播终端拍摄到视频后，会对视频进行预处理以及视频编码等操作，并将编码后的码流上传服务器，服务器再对该编码后的码流进行视频转码等操作后作为直播视频下发到观众终端，供用户观看。
[0004]然而，上述网络直播过程中，观众终端接收到的直播视频可能存在失真的情况，如何对观众终端接收到的直播视频进行快速准确的质量评价，成为目前亟待解决的问题。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够提升观众终端直播视频的质量评价效率和准确性的直播视频的质量评价方法、装置、计算机设备和存储介质。
[0006]第一方面，本申请实施例提供一种直播视频的质量评价方法，所述方法包括：
[0007]按照预设的时间间隔，周期性地从第一直播视频中截取视频帧；
[0008]对于截取到的每个所述视频帧，将所述视频帧中的亮度分量输入至图像质量分类模型中，得到所述图像质量分类模型输出的所述视频帧的质量类别，其中，所述图像质量分类模型是根据多个训练样本训练得到的，各所述训练样本包括样本失真图像的亮度分量和质量类别标签，各所述质量类别标签是根据对应的样本失真图像以及所述样本失真图像对应的标准清晰度图像进行质量评价得到的；
[0009]根据各所述视频帧的质量类别，向服务器上报所述第一直播视频的质量类别。
[0010]在其中一个实施例中，所述图像质量分类模型的训练过程包括：
[0011]获取多个标准清晰度图像和各所述标准清晰度图像对应的样本失真图像；
[0012]对于每个所述样本失真图像，对所述样本失真图像和对应的标准清晰度图像采用质量评价算法进行质量评价，得到所述样本失真图像对应的质量得分；
[0013]确定所述质量得分对应的得分区间，并根据所述得分区间确定所述样本失真图像的质量类别标签；
[0014]根据各所述样本失真图像的亮度分量和质量类别标签，训练初始图像质量分类模型，得到所述图像质量分类模型。
[0015]在其中一个实施例中，所述根据各所述样本失真图像的亮度分量和质量类别标签，训练初始图像质量分类模型，得到所述图像质量分类模型之前，所述方法包括：
[0016]对于每个所述样本失真图像，从所述样本失真图像中提取所述样本失真图像的亮度分量。
[0017]在其中一个实施例中，所述获取多个标准清晰度图像和各所述标准清晰度图像对应的样本失真图像，包括：
[0018]获取多个原始图像，并对各所述原始图像进行图像格式转换，得到各所述原始图像对应的标准清晰度图像；
[0019]对各所述原始图像进行失真处理，并对失真处理后的各原始图像进行图像格式转换，得到各所述原始图像对应的样本失真图像，所述失真处理包括缩放处理、滤波处理以及编码处理中的至少一种。
[0020]在其中一个实施例中，所述图像质量分类模型包括第一特征提取层、第二特征提取层、第三特征提取层、特征拼接层和图像质量分类层，所述将所述视频帧中的亮度分量输入至图像质量分类模型中，得到所述图像质量分类模型输出的所述视频帧的质量类别，包括：
[0021]将所述视频帧中的亮度分量输入至所述第一特征提取层，通过所述第一特征提取层对所述视频帧中的亮度分量进行特征提取，得到第一图像特征；
[0022]将所述第一图像特征分别输入至所述第二特征提取层和所述第三特征提取层，通过所述第二特征提取层对所述第一图像特征进行特征提取得到第二图像特征，并通过所述第三特征提取层对所述第一图像特征进行特征提取得到第三图像特征；
[0023]将所述第二图像特征和所述第三图像特征输入至所述特征拼接层中，通过所述特征拼接层对所述第二图像特征和所述第三图像特征进行特征拼接，得到拼接图像特征；
[0024]将所述拼接图像特征输入至所述图像质量分类层，得到所述视频帧的质量类别。
[0025]在其中一个实施例中，所述根据各所述视频帧的质量类别，向服务器上报所述第一直播视频的质量类别，包括：
[0026]检测各所述视频帧的质量类别是否为预设质量类别；
[0027]若存在至少一个视频帧的质量类别为所述预设质量类别，则将所述预设质量类别作为所述第一直播视频的质量类别向所述服务器上报。
[0028]在其中一个实施例中，所述方法还包括：
[0029]若所述第一直播视频的质量类别为预设质量类别，则向所述服务器上报所述第一直播视频的第一视频码率，所述第一视频码率用于指示所述服务器下发视频码率大于所述第一视频码率的第二直播视频，所述第二直播视频在时序上处于所述第一直播视频之后。
[0030]第二方面，本申请实施例提供一种直播视频的质量评价装置，所述装置包括：
[0031]截取模块，用于按照预设的时间间隔，周期性地从第一直播视频中截取视频帧；
[0032]分类模块，用于对于截取到的每个所述视频帧，将所述视频帧中的亮度分量输入至图像质量分类模型中，得到所述图像质量分类模型输出的所述视频帧的质量类别，其中，所述图像质量分类模型是根据多个训练样本训练得到的，各所述训练样本包括样本失真图像的亮度分量和质量类别标签，各所述质量类别标签是根据对应的样本失真图像以及所述样本失真图像对应的标准清晰度图像进行质量评价得到的；
[0033]上报模块，用于根据各所述视频帧的质量类别，向服务器上报所述第一直播视频的质量类别。
[0034]第三方面，本申请实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面的方法的步
骤。
[0035]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
[0036]本申请实施例提供的技术方案带来的有益效果至少包括：
[0037]通过按照预设的时间间隔，周期性地从第一直播视频中截取视频帧，对于截取到的每个视频帧，将视频帧中的亮度分量输入至图像质量分类模型中，得到图像质量分类模型输出的视频帧的质量类别，其中，该图像质量分类模型是根据多个训练样本训练得到的，各训练样本包括样本失真图像的亮度分量和质量类别标签，各质量类别标签是根据对应的样本失真图像以及样本失真图像对应的标准清晰度图像进行质量评价得到的，而后，根据各视频帧的质量类别，向服务器上报第一直播视频的质量类别；这样，相较于人工根据经验为样本失真图像进行质量打分，并将人工打分的分值作为样本失真图像的质量类别标签的方式，本申请实施例质量类别标签是根据对应的样本失真图像以及该样本失真图像对应的标准清晰度图像进行质量评本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种直播视频的质量评价方法，其特征在于，所述方法包括：按照预设的时间间隔，周期性地从第一直播视频中截取视频帧；对于截取到的每个所述视频帧，将所述视频帧中的亮度分量输入至图像质量分类模型中，得到所述图像质量分类模型输出的所述视频帧的质量类别，其中，所述图像质量分类模型是根据多个训练样本训练得到的，各所述训练样本包括样本失真图像的亮度分量和质量类别标签，各所述质量类别标签是根据对应的样本失真图像以及所述样本失真图像对应的标准清晰度图像进行质量评价得到的；根据各所述视频帧的质量类别，向服务器上报所述第一直播视频的质量类别。2.根据权利要求1所述的方法，其特征在于，所述图像质量分类模型的训练过程包括：获取多个标准清晰度图像和各所述标准清晰度图像对应的样本失真图像；对于每个所述样本失真图像，对所述样本失真图像和对应的标准清晰度图像采用质量评价算法进行质量评价，得到所述样本失真图像对应的质量得分；确定所述质量得分对应的得分区间，并根据所述得分区间确定所述样本失真图像的质量类别标签；根据各所述样本失真图像的亮度分量和质量类别标签，训练初始图像质量分类模型，得到所述图像质量分类模型。3.根据权利要求2所述的方法，其特征在于，所述根据各所述样本失真图像的亮度分量和质量类别标签，训练初始图像质量分类模型，得到所述图像质量分类模型之前，所述方法包括：对于每个所述样本失真图像，从所述样本失真图像中提取所述样本失真图像的亮度分量。4.根据权利要求2所述的方法，其特征在于，所述获取多个标准清晰度图像和各所述标准清晰度图像对应的样本失真图像，包括：获取多个原始图像，并对各所述原始图像进行图像格式转换，得到各所述原始图像对应的标准清晰度图像；对各所述原始图像进行失真处理，并对失真处理后的各原始图像进行图像格式转换，得到各所述原始图像对应的样本失真图像，所述失真处理包括缩放处理、滤波处理以及编码处理中的至少一种。5.根据权利要求1所述的方法，其特征在于，所述图像质量分类模型包括第一特征提取层、第二特征提取层、第三特征提取层、特征拼接层和图像质量分类层，所述将所述视频帧中的亮度分量输入至图像质量分类模型中，得到所述图像质量分类模型输出的所述视频帧的质量类别，包括：将所述视频帧中的亮度分量输入至所述第一特征提取层，通过所述第一特征提取层...
【专利技术属性】
技术研发人员：代苑莹，张振新，朱经腾，方周，
申请(专利权)人：广州华多网络科技有限公司，
类型：发明
国别省市：
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。