本发明专利技术公开了一种视频质量评估方法、设备以及介质。所述方法包括步骤:S1、读取场景视频;S2、对所述场景视频从画面质量进行画面质量分数估算;S3、对所述场景视频判断是否出现画面抖动。所述方法能自动地从主观角度上将场景视频进行打分,并且判断场景视频是否有视频抖动,避免了人工对于场景视频的主观角度的判断以及视频抖动角度的判断,省时省力。省时省力。省时省力。
【技术实现步骤摘要】
视频质量评估方法、设备以及介质
[0001]本专利技术涉及视频分析
,具体涉及一种视频质量评估方法、设备以及介质。
技术介绍
[0002]当今社会中,短视频的应用越来越多。人们在遇到好看的风景的时候,不只是局限于将美景进行拍照,而是将拍好的照片渐渐拼接为视频或者是直接拍为一小段的短视频,这些视频相对于传统的照片更加能够反映出景点的情况。
[0003]但是人工对于拍好的照片以及短视频进行主观上的评估,并对其排序耗时耗力。
技术实现思路
[0004]本专利技术要解决的技术问题是为了克服现有技术中没有基于主观上对于视频自动评估的缺陷,提供一种视频质量评估方法。
[0005]本专利技术是通过下述技术方案来解决上述技术问题:
[0006]一种视频质量评估方法,包括步骤:
[0007]S1、读取场景视频;
[0008]S2、对场景视频从画面质量进行画面质量分数估算;
[0009]对场景视频从何画面质量进行画面质量分数估算,具体为:
[0010]画面质量的评估维度包括清晰度、对比度、色彩饱和度、构图以及情感色彩中的至少一种;
[0011]将场景视频按帧输入深度学习网络,以得出画面质量分数;
[0012]深度学习网络为图片分类网络;
[0013]图片分类网络的训练数据为符合画面质量的评估维度的图片;
[0014]S3、对场景视频判断是否出现画面抖动。
[0015]优选地,步骤S3之后还包括步骤:
[0016]S4、根据画面质量分数以及场景视频是否出现画面抖动,选出目标场景视频。
[0017]优选地,步骤S1之前还包括步骤:
[0018]S11、获取视频,对视频中前后两帧间的画面进行对比计算,并对超过预设阈值的前后两帧将视频划分为两个场景视频。
[0019]优选地,对场景视频从何画面质量进行画面质量分数估算,具体为:
[0020]对场景视频判断是否出现画面抖动具体为,使用视频分类网络对场景视频按照画面抖动分类标记。
[0021]优选地,画面质量分数与场景视频的画面质量正相关或负相关,
[0022]对已经得出画面质量分数的不同场景视频进行检查,以判断图片分类模型是否准确;
[0023]和/或,
[0024]对被视频分类网络标记为画面抖动的场景视频进行检查,以判断视频分类网络是
否准确。
[0025]优选地,图片分类网络包括多个模块,提取每一个模块中的最后一层特征,并将最后一层特征融合并池化,以输出处理特征;
[0026]将处理特征输出到全连接层中进行以对分类网络进行训练;
[0027]场景视频中每间隔预设时间选取一帧画面进行画面质量分数估算。
[0028]优选地,深度学习网络还得出场景视频中各帧画面的各个分类的概率;
[0029]各帧画面的分类与各个帧画面的分数相对应;
[0030]将分数与分数所对应的概率加权平均,得出画面质量分数。
[0031]优选地,将场景视频划分为多个分块;
[0032]画面抖动判断时,对场景视频中的相同位置中的分块进行计算。
[0033]作为本专利技术的第二方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述的视频质量评估方法。
[0034]作为本专利技术的第三个方面,提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述的视频质量评估方法。
[0035]本专利技术的积极进步效果在于:自动地从主观角度上将场景视频进行打分,并且判断场景视频是否有视频抖动,避免了人工对于场景视频的主观角度的判断以及视频抖动角度的判断,省时省力。
附图说明
[0036]图1为本专利技术实施例1的视频质量评估方法的流程示意图。
[0037]图2为本专利技术实施例1的视频质量评估方法的另一种流程示意图。
[0038]图3为本专利技术实施例2的实现视频质量评估方法的字设备的结构示意图。
具体实施方式
[0039]下面通过实施例的方式进一步说明本专利技术,但并不因此将本专利技术限制在所述的实施例范围之中。
[0040]实施例1
[0041]参见图1所示,本实施例提供一种频质量评估方法,包括步骤:
[0042]S1、读取场景视频。
[0043]S2、对场景视频从画面质量进行画面质量分数估算。
[0044]对场景视频从何画面质量进行画面质量分数估算,具体为:
[0045]画面质量的评估维度包括清晰度、对比度、色彩饱和度、构图以及情感色彩中的至少一种;将场景视频按帧输入深度学习网络,以得出画面质量分数;深度学习网络为图片分类网络;图片分类网络的训练数据为符合画面质量的评估维度的图片。
[0046]S3、对场景视频判断是否出现画面抖动。
[0047]在本实施例中,图片分类网络可以使用imageNet(一种数据库)上的残差网络,比如残差网络可以使用resnet
‑
50网络。在对于图片分类网络进行训练的时候,对训练数据进行数据增强,数据增强包括缩放、翻转、归一化。数据增强能够使得增强图片分类网络的鲁
棒性,同时也能够减少对于训练数据的数据量的需求。
[0048]在本实施例中,先将训练数据进行按照画面质量的评估维度进行打分,如将一张图片按照画面质量维度进行从1~10进行打分,然后将若干已经打分的图片输入到图片分类网络中,使得图片分类网络能够深度学习,使得训练完毕后的图片分类网络在输入一张没有打分的图片的时候,能够该没有打分的图片输出该图片所对应的分数。
[0049]本实施例中,画面质量是对于视频的空间域进行的判断;而对于画面是否抖动,是从视频的时间域进行判断,分别从空间域以及时间域对于视频自动的进行判断,使得免于人工对于视频进行打分,省时省力。
[0050]具体地,参照图2,步骤S3之后还包括步骤:
[0051]S4、根据画面质量分数以及场景视频是否出现画面抖动,选出目标场景视频。
[0052]在本实施例中,目标场景视频是满足一定的画面质量分数以及场景视频是否出现画面抖动的场景视频。
[0053]在本实施例中的一个实施例,通过预设一画面质量分数的区间,当场景视频满足该画面质量分数区间且该场景视频没有画面抖动,则将该场景视频认定为精彩场景视频,可以将精彩场景视频进行剪辑。对于画面剪辑工作人员,省时省力;对于没有专业剪辑技能的人,能够减少剪辑难度。
[0054]在本实施例中的另一个实施例,预设一画面质量分数阈值,将不满足画面质量分数阈值的场景视频或者被认定有画面抖动的场景视频,标记为画面质量欠佳视频。
[0055]具体地,步骤S1之前还包括步骤:
[0056]S11、获取视频,对视频中前后两帧间的画面进行对比计算,并对超过预设阈值的前后两帧将视频划本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种视频质量评估方法,其特征在于,包括步骤:S1、读取场景视频;S2、对所述场景视频从画面质量进行画面质量分数估算;所述对所述场景视频从何画面质量进行画面质量分数估算,具体为:所述画面质量的评估维度包括清晰度、对比度、色彩饱和度、构图以及情感色彩中的至少一种;将所述场景视频按帧输入深度学习网络,以得出所述画面质量分数;所述深度学习网络为图片分类网络;所述图片分类网络的训练数据为符合所述画面质量的评估维度的图片;S3、对所述场景视频判断是否出现画面抖动。2.如权利要求1所述的一种视频质量评估方法,其特征在于,步骤S3之后还包括步骤:S4、根据所述画面质量分数以及所述场景视频是否出现画面抖动,选出目标场景视频。3.如权利要求1所述的一种视频质量评估方法,其特征在于,步骤S1之前还包括步骤:S11、获取视频,对视频中前后两帧间的画面进行对比计算,并对超过预设阈值的前后两帧将视频划分为两个场景视频。4.如权利要求1所述的一种视频质量评估方法,其特征在于,所述对所述场景视频从何画面质量进行画面质量分数估算,具体为:所述对所述场景视频判断是否出现画面抖动具体为,使用视频分类网络对所述场景视频按照画面抖动分类标记。5.如权利要求3所述视频质量评估方法,其特征在于;所述画面质量分数与所述场景视频的画面质量正相关或负相关,对已经得出所述画面质量分数...
【专利技术属性】
技术研发人员:彭佳慧,成丹妮,罗超,邹宇,李巍,
申请(专利权)人:携程旅游信息技术上海有限公司,
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。