视频识别方法、装置、存储介质及终端制造方法及图纸

本申请实施例公开了一种视频识别方法、装置、存储介质及终端，其中，方法包括：获取待处理的视频，确定所述视频中的至少一帧图像；确定每帧所述图像的清晰度得分，根据各所述清晰度得分计算所述视频的目标清晰度得分；根据所述目标清晰度得分与预设清晰度阈值的比较结果，对所述视频进行清晰识别。采用本申请实施例，可以通过计算清晰度得分进行客观评判，而不需要依赖人工判断，为教学视频的观感质量评估，提出了一种全新的客观评估标准，同时，可以节省时间成本，提高审查效率。提高审查效率。提高审查效率。

【技术实现步骤摘要】
视频识别方法、装置、存储介质及终端


[0001]本申请涉及计算机
，尤其涉及一种视频识别方法、装置、存储介质及终端。

技术介绍

[0002]在教育信息化的今天，教师通过将课程内容录制成视频形式，传输供学生学习使用越发的普遍；网络直播课、录播课的教学形式也愈发普遍，高质量的视频画面质量尤其重要。视频画面观感质量的高低直接影响教学质量，优质的画面有助于学生更有效的从视频课程中汲取知识。
[0003]此前线上学习平台(如希沃学院)的教学视频画面清晰度高低都是依赖人工去主观判断的，这一判断依赖审核员的背景经验，不同个人对画质清晰度的把握有差异，主观审核的结果可能导致不同人评估的视频画质观感无法放在统一标准下评判，同时，依赖人工审查也会增加时间成本，审查效率低。

技术实现思路

[0004]本申请实施例提供了一种视频识别方法、装置、存储介质及终端，可以通过计算清晰度得分进行客观评判，而不需要依赖人工判断，为教学视频的观感质量评估，提出了一种全新的客观评估标准并可以提高审查效率。技术方案如下：
[0005]第一方面，本申请实施例提供了一种视频识别方法，所述方法包括：
[0006]获取待处理的视频，确定所述视频中的至少一帧图像；
[0007]确定每帧所述图像的清晰度得分，根据各所述清晰度得分计算所述视频的目标清晰度得分；
[0008]根据所述目标清晰度得分与预设清晰度阈值的比较结果，对所述视频进行清晰识别。
[0009]第二方面，本申请实施例提供了一种视频识别装置，所述装置包括：
[0010]图像确定模块，用于获取待处理的视频，确定所述视频中的至少一帧图像；
[0011]得分计算模块，用于确定每帧所述图像的清晰度得分，根据各所述清晰度得分计算所述视频的目标清晰度得分；
[0012]视频识别模块，用于根据所述目标清晰度得分与预设清晰度阈值的比较结果，对所述视频进行清晰识别。
[0013]第三方面，本申请实施例提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。
[0014]第四方面，本申请实施例提供一种终端，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
[0015]本申请一些实施例提供的技术方案带来的有益效果至少包括：
[0016]获取待处理的视频，确定所述视频中的至少一帧图像，并确定每帧所述图像的清
晰度得分，根据各所述清晰度得分计算所述视频的目标清晰度得分，再根据所述目标清晰度得分与预设清晰度阈值的比较结果，对所述视频进行清晰识别。可以通过计算清晰度得分进行客观评判，而不需要依赖人工判断，为教学视频的观感质量评估，提出了一种全新的客观评估标准，同时，可以节省时间成本，提高审查效率。
附图说明
[0017]为了更清楚地说明本申请实施例或现有技术中的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本申请实施例提供的终端的结构示意图；
[0019]图2是本申请实施例提供的操作系统和用户空间的结构示意图；
[0020]图3是图1中安卓操作系统的架构图；
[0021]图4是本申请实施例提供的一种视频识别方法的流程示意图；
[0022]图5是本申请实施例提供的一种清晰度阈值设置方式的举例示意图；
[0023]图6是本申请实施例提供的另一种视频识别方法的流程示意图；
[0024]图7是本申请实施例提供的另一种视频识别方法的流程示意图；
[0025]图8是本申请实施例提供的一种视频识别装置的结构示意图；
[0026]图9是本申请实施例提供的一种得分计算模块的结构示意图；
[0027]图10是本申请实施例提供的一种信息计算单元的结构示意图；
[0028]图11是本申请实施例提供的一种视频识别装置的结构示意图。
具体实施方式
[0029]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0030]在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本申请的描述中，需要说明的是，除非另有明确的规定和限定，“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在 B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0031]请参考图1，其示出了本申请一个示例性实施例提供的终端的结构方框图。所述终端可以为交互智能平板、手机、电脑、平板等终端设备。本申请中的终端可以包括一个或多
个如下部件：处理器110、存储器120、输入装置130、输出装置140和总线150。处理器110、存储器120、输入装置130和输出装置140 之间可以通过总线150连接。
[0032]处理器110可以包括一个或者多个处理核心。处理器110利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储器120内的指令、程序、代码集或指令集，以及调用存储在存储器120内的数据，执行终端100 的各种功能和处理数据。可选地，处理器110可以采用数字信号处理(digital signalprocessing，DSP)、现场可编程门阵列(field－programmable gate array，FPGA)、可编程逻辑阵列(programmable logic Array，PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(central processing unit，CPU)、图像处理器(graphics processing unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户页面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器110中，单独通过一块通信芯片进行实现。...

【技术保护点】

【技术特征摘要】
1.一种视频识别方法，其特征在于，所述方法包括：获取待处理的视频，确定所述视频中的至少一帧图像；确定每帧所述图像的清晰度得分，根据各所述清晰度得分计算所述视频的目标清晰度得分；根据所述目标清晰度得分与预设清晰度阈值的比较结果，对所述视频进行清晰识别。2.根据权利要求1所述的方法，其特征在于，所述确定所述视频中的至少一帧图像，包括：根据设定帧数对所述视频进行抽帧处理，得到至少一帧图像。3.根据权利要求1所述的方法，其特征在于，所述确定每帧所述图像的清晰度得分，包括：获取所述图像中的目标图像，计算所述目标图像的像素梯度以及高斯噪声；根据所述像素梯度以及所述高斯噪声计算所述目标图像的清晰度得分。4.根据权利要求3所述的方法，其特征在于，所述目标图像的像素梯度G
x
为水平方向梯度，G
x
＝水平像素检测算子矩阵*目标图像，G
y
为垂直方向梯度，G
y
＝垂直像素检测算子矩阵*目标图像。5.根据权利要求3所述的方法，其特征在于，所述目标图像的高斯噪声A
’
Filter*A，其中，A代表模糊前的目标图像，A
’
代表模糊后的目标图像，Filter为所选取的窗口对应的高斯模糊权重矩阵；所述Filter基于二维高斯函数计算得到，其中，x和y为所选取的窗口的各个像素点的坐标，σ为标准差。6.根据权利要求3所述的方法，其特征在于，所述计算所述目标图像的像素梯度以及高斯噪声，包括：将所述目标图像分割为至少一个图像块；计算所述图像块中各图像块的交叉熵；根据各所述交叉熵计算所述目标图像的像素梯度以及高斯噪声。7.根据权利要求6所述的方法，其特征在于，所述图像块的交叉熵其中，a
x
为图像块中的像素点值，x标识不同的像素点。8.根据权利要求6所述的方法，其特征在于，所述根据各所述交叉熵计算所述目标图像的像素梯度以及高斯噪声，包括：按照所述交叉熵的高低顺序进行排列，获取所述交叉熵中排列在前的预设个数的目标交叉熵；确定各所述目标交叉熵分别对应的目标图像块；计算各所述目标图像块分别对应的像素梯度以及高斯噪声。9.根据权利要求8所述的方法，其特征在于，所述根据所述像素梯度以及所述...

【专利技术属性】
技术研发人员：朱帅，
申请(专利权)人：广州视源电子科技股份有限公司，
类型：发明
国别省市：