本发明专利技术公开了一种基于情绪识别和机器学习的视频质量评估方法及装置，所述方法包括：构建情绪识别模块，采集并预处理训练样本数据，建立视频质量评估模型，其中，所述训练样本数据包括用户观看视频产生的情绪数值和用户评价值；将所述训练样本数据分割为训练数据集和测试数据集，输入所述训练数据集和测试数据集至所述视频质量评估模型中进行评估，形成评估结果；根据评估结果对所述视频质量评估模型的参数调优，利用调优后的所述视频质量评估模型对视频质量评估；本发明专利技术可以准确评估视频质量，从而提高教学效率。从而提高教学效率。从而提高教学效率。
【技术实现步骤摘要】
一种基于情绪识别和机器学习的视频质量评估方法及装置
[0001]本专利技术涉及情绪识别、机器学习
，特别是涉及一种基于情绪识别和机器学习的视频质量评估方法及装置。
技术介绍
[0002]传统教务评估视频质量，基本是以被动的方式进行的，通常在学员看完全部课程后使用调查问卷询问学员对视频课程的评价，学员需要回忆上课过程并逐项填写问卷，为了使问卷更准确反应课程质量，问卷项目的数量一般较多，问卷项目的内容也较为细致，此种方式成本较高，且很难获得客观准确的评价。另外，一节视频课程往往几十分钟，学员在视频观看完毕对视频整体质量进行评价时，很难对课程中真正有亮点或者有问题的时间段进行有效评估。
[0003]因此，亟需一种更科学、更客观、更高效的方法来评估视频的质量，以便提升视频质量，从而提升教学效率。
技术实现思路
[0004]为克服上述现有技术存在的不足，本专利技术之目的在于提供一种基于情绪识别和机器学习的视频质量评估方法及装置，通过捕捉用户情绪变化，建立视频质量评估模型，利用机器学习算法训练模型，最终得到一种更客观更高效的评估模型，以便于更好地提升视频质量，从而提升教学效率。
[0005]为达上述目的，本专利技术提出一种基于情绪识别和机器学习的视频质量评估方法，包括如下步骤：
[0006]构建情绪识别模块，采集并预处理训练样本数据，建立视频质量评估模型，其中，所述训练样本数据包括用户观看视频产生的情绪数值和用户评价值；
[0007]将所述训练样本数据分割为训练数据集和测试数据集，输入所述训练数据集和测试数据集至所述视频质量评估模型中进行评估，形成评估结果；
[0008]根据评估结果对所述视频质量评估模型的参数调优，利用调优后的所述视频质量评估模型对视频质量评估。
[0009]在本专利技术的一个实施例中，所述构建情绪识别模块，采集并预处理训练样本数据，包括：
[0010]于用户观看视频时，通过视频输入装置在指定时间间隔采集一次用户的头像，请求情绪识别接口，获取用户的情绪数值；
[0011]采集指定次数的所述情绪数值进行归一化处理，按频次获取每一次采集的所述情绪数值的平均情绪值；
[0012]对被采集所述情绪数据的用户进行所述指定次数的调查问卷，得到用户评价值。
[0013]在本专利技术的一个实施例中，所述采集指定次数的所述情绪数值进行归一化处理，还包括：
[0014]将采集的所述情绪数值映射到0～1范围内，将映射后的所述情绪数值进行归一化处理。
[0015]在本专利技术的一个实施例中，所述构建情绪识别模块，采集并预处理训练样本数据，还包括：
[0016]所述情绪数值包括但不限于悲伤情绪、平静情绪、厌恶情绪、生气情绪、惊讶情绪、恐惧情绪和高兴情绪的数值。
[0017]在本专利技术的一个实施例中，所述建立视频质量评估模型，包括：
[0018]利用多元线性回归算法，将所述平均情绪值作为输入量，将用户评价值作为输出量，将不同的情绪作为参数，构建质量评估模型。
[0019]在本专利技术的一个实施例中，所述将所述训练样本数据分割为训练数据集和测试数据集，包括：
[0020]利用N倍交叉验证，将所述训练样本数据割成N个折，选择其中一个折作为测试数据集，其余折作为建立所述视频质量评估模型的训练数据集。
[0021]在本专利技术的一个实施例中，所述输入所述训练数据集和测试数据集至所述视频质量评估模型中进行评估，形成评估结果，包括：
[0022]将训练数据集输入至所述视频质量评估模型进行训练，得到训练后的视频质量评估模型；
[0023]将测试数据集输入至所述训练后的视频质量评估模型进行评估，得到模型评估值；
[0024]将所述用户评价值与所述模型评估值进行对比，形成评估结果。
[0025]在本专利技术的一个实施例中，所述根据评估结果对所述视频质量评估模型的参数调优，利用调优后的所述视频质量评估模型对视频质量评估，包括：
[0026]固定所述视频质量评估模型的其他参数，分析某一个参数对所述视频质量评估模型整体性能的影响，使所述视频质量评估模型调节至最优；
[0027]利用待评估视频的情绪数值输入至调优后的所述视频质量评估模型，得到所述视频的质量评估值。
[0028]为达到上述目的，本专利技术还提供一种基于情绪识别和机器学习的视频质量评估装置，包括：
[0029]视频质量评估模型构建模块，用于构建情绪识别模块，采集并预处理训练样本数据，建立视频质量评估模型，其中，所述训练样本数据包括用户观看视频产生的情绪数值和用户评价值；
[0030]视频质量评估模型拟合模块，用于将所述训练样本数据分割为训练数据集和测试数据集，输入所述训练数据集和测试数据集至所述视频质量评估模型中进行评估，形成评估结果；
[0031]视频质量评估模型评估模块，用于根据评估结果对所述视频质量评估模型的参数调优，利用调优后的所述视频质量评估模型对视频质量评估。
[0032]在本专利技术的一个实施例中，所述视频质量评估模型构建模块还用于：
[0033]于用户观看视频时，通过视频输入装置在指定时间间隔采集一次用户的头像，请求情绪识别接口，获取用户的情绪数值；
[0034]采集指定次数的所述情绪数值进行归一化处理，按频次获取每一次采集的所述情绪数值的平均情绪值；
[0035]对被采集所述情绪数据的用户进行所述指定次数的调查问卷，得到用户评价值；
[0036]其中，所述情绪数值包括但不限于悲伤情绪、平静情绪、厌恶情绪、生气情绪、惊讶情绪、恐惧情绪和高兴情绪的数值。
[0037]与现有技术相比，本专利技术公开的一个实施例具有如下有益效果：
[0038](1)利用情绪识别，在用户观看教学视频时采集用户的面部表情，结合学员本身的对视频的评价打分，构建视频质量评估模型，通过机器学习对该模型进行训练，得到更加客观、高效的评估模型，可以准确评估视频质量，从而提高教学效率。
[0039](2)面部表情识别方法是根据表情与情绪间的对应关系来识别不同的情绪，在特定情绪状态下人们会产生特定的面部肌肉运动和表情模式，采用面部表情识别方法能够精准捕捉用户观看视频的情绪变化。
[0040](3)当面对一个待评估的教学视频，仅通过获取少量用户对该视频的情绪数值作为视频质量评估模型的输入，就可以通过模型预测出该视频的质量值，从而判断视频质量。
[0041](4)通过本专利技术对视频质量评估可避免采用问卷调查的形式评估，节约了成本；同时，解决了课程观看完毕统一测评导致的难以对视频中有亮点或者有问题的时间段进行有效评估的弊端，使视频质量的评估更加真实。
附图说明
[0042]图1为本专利技术公开的一种基于情绪识别和机器学习的视频质量评估方法的步骤流程图；
[0043]图2为本专利技术公开的一个实施例之采集和预处理训练样本数据的步骤流程图；
[0044]图3为本专利技术公开的一本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于情绪识别和机器学习的视频质量评估方法，包括如下步骤：构建情绪识别模块，采集并预处理训练样本数据，建立视频质量评估模型，其中，所述训练样本数据包括用户观看视频产生的情绪数值和用户评价值；将所述训练样本数据分割为训练数据集和测试数据集，输入所述训练数据集和测试数据集至所述视频质量评估模型中进行评估，形成评估结果；根据评估结果对所述视频质量评估模型的参数调优，利用调优后的所述视频质量评估模型对视频质量评估。2.如权利要求1所述的一种基于情绪识别和机器学习的视频质量评估方法，其特征在于，所述构建情绪识别模块，采集并预处理训练样本数据，包括：于用户观看视频时，通过视频输入装置在指定时间间隔采集一次用户的头像，请求情绪识别接口，获取用户的情绪数值；采集指定次数的所述情绪数值进行归一化处理，按频次获取每一次采集的所述情绪数值的平均情绪值；对被采集所述情绪数据的用户进行所述指定次数的调查问卷，得到用户评价值。3.如权利要求2所述的一种基于情绪识别和机器学习的视频质量评估方法，其特征在于，所述采集指定次数的所述情绪数值进行归一化处理，还包括：将采集的所述情绪数值映射到0～1范围内，将映射后的所述情绪数值进行归一化处理。4.如权利要求2所述的一种基于情绪识别和机器学习的视频质量评估方法，其特征在于，所述构建情绪识别模块，采集并预处理训练样本数据，还包括：所述情绪数值包括但不限于悲伤情绪、平静情绪、厌恶情绪、生气情绪、惊讶情绪、恐惧情绪和高兴情绪的数值。5.如权利要求2所述的一种基于情绪识别和机器学习的视频质量评估方法，其特征在于，所述建立视频质量评估模型，包括：利用多元线性回归算法，将所述平均情绪值作为输入量，将用户评价值作为输出量，将不同的情绪作为参数，构建质量评估模型。6.如权利要求1所述的一种基于情绪识别和机器学习的视频质量评估方法，其特征在于，所述将所述训练样本数据分割为训练数据集和测试数据集，包括：利用N倍交叉验证，将所述训练样本数据割成N个折，选择其中一个折作为测试数据集，其余折作为建立所述视频质量评估模型的训练数据集。7.如权利要求...
【专利技术属性】
技术研发人员：熊平，王浩霖，尹家奇，
申请(专利权)人：无忧创想武汉信息技术有限公司，
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。