本公开涉及计算机技术领域，提供了一种检测视频卡顿的方法及装置、计算机可读存储介质和电子设备。其中，上述方法包括：获取待检测视频序列，在所述待检测视频序列中确定出目标物体；预测所述目标物体在所述待检测视频序列的视频帧中的状态；根据所述目标物体在相邻视频帧中的状态，确定出所述目标物体在相邻视频帧中的位移；基于所述位移，确定出所述待检测视频序列的卡顿情况。本公开中基于对待检测视频序列中的目标物体的状态进行预测，可以得到待检测物体在相邻视频帧中的位移，从而基于该位移可以自动的分析视频的卡顿情况，提高视频卡顿检测的效率。顿检测的效率。顿检测的效率。
【技术实现步骤摘要】
检测视频卡顿的方法及装置、存储介质及电子设备
[0001]本公开涉及计算机
，具体而言，涉及一种检测视频卡顿的方法、检测视频卡顿的装置、计算机可读存储介质及电子设备。
技术介绍
[0002]视频卡顿影响用户的体验，对视频卡顿进行检测，可以根据检测结果对视频进行优化，以提升用户的体验。
[0003]以游戏视频卡顿检测为例，相关技术中，是测试人员从游戏录像数据中人工用肉眼判断是否出现卡顿情况，同时会记录出现卡顿的时刻以及持续时间。
[0004]然而，这种方式浪费了大量的人力物力，效率低下且准确性不足。
[0005]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0006]本公开的目的在于提供一种检测视频卡顿的方法及装置、计算机可读存储介质及电子设备，进而至少在一定程度上改善视频卡顿检测效率低，且准确性不足的问题。
[0007]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0008]根据本公开的第一方面，提供了一种检测视频卡顿的方法，包括：获取待检测视频序列，在所述待检测视频序列中确定出目标物体；预测所述目标物体在所述待检测视频序列的视频帧中的状态；根据所述目标物体在相邻视频帧中的状态，确定出所述目标物体在相邻视频帧中的位移；基于所述位移，确定出所述待检测视频序列的卡顿情况。
[0009]在本公开的一种示例性实施例中，基于前述方案，所述视频序列包括游戏视频序列，所述目标物体包括所述游戏视频序列中的匀速运动物体。
[0010]在本公开的一种示例性实施例中，基于前述方案，其特征在于，所述预测所述目标物体在所述待检测视频序列的视频帧中的状态，包括：确定所述目标物体在所述待检测视频序列的初始视频帧中的初始状态；基于所述初始状态，在所述待检测视频序列中对所述目标物体进行视频目标跟踪，以预测所述目标物体在所述待检测视频序列的视频帧中的状态。
[0011]在本公开的一种示例性实施例中，基于前述方案，所述在所述待检测视频序列中对所述目标物体进行视频目标跟踪，包括：根据深度学习目标跟踪算法和卡尔曼滤波算法对所述目标物体进行视频目标跟踪。
[0012]在本公开的一种示例性实施例中，基于前述方案，所述基于所述位移，确定出所述待检测视频序列的卡顿情况，包括：基于所述位移，确定出当前视频帧的实时卡顿分值，所述当前视频帧为所述相邻视频帧中时序靠后的视频帧；对所述待检测视频序列中的各视频帧的实时卡顿分值进行归一化处理，以得到所述待检测视频序列的全局卡顿分值；根据所
述全局卡顿分值，确定出所述待检测视频序列的卡顿情况。
[0013]在本公开的一种示例性实施例中，基于前述方案，所述基于所述位移，确定出所述待检测视频序列的卡顿情况，包括：基于所述位移和相邻视频帧的时间间隔，确定出所述目标物体的实时运动速度；根据所述实时运动速度，确定出当前视频帧的实时卡顿分值，所述当前视频帧为所述相邻视频帧中时序靠后的视频帧；对所述待检测视频序列中的各视频帧的实时卡顿分值进行归一化处理，以得到所述待检测视频序列的全局卡顿分值；根据全局卡顿分值，确定出所述待检测视频序列的卡顿情况。
[0014]在本公开的一种示例性实施例中，基于前述方案，所述根据所述全局卡顿分值，确定出所述待检测视频序列的卡顿情况，包括：在所述全局卡顿分值大于预设值的情况下，确定待检测视频序列为卡顿视频序列。
[0015]根据本公开的第二方面，提供了一种检测视频卡顿的装置，包括：目标物体确定模块，被配置为获取待检测视频序列，在所述待检测视频序列中确定出目标物体；状态预测模块，被配置为预测所述目标物体在所述待检测视频序列的视频帧中的状态；位移确定模块，被配置为根据所述目标物体在相邻视频帧中的状态，确定出所述目标物体在相邻视频帧中的位移；卡顿分析模块，被配置为基于所述位移，确定出所述待检测视频序列的卡顿情况。
[0016]根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中第一方面所述的检测视频卡顿的方法。
[0017]根据本公开实施例的第四方面，提供了一种电子设备，包括：处理器；以及，存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中第一方面所述的检测视频卡顿的方法。
[0018]由上述技术方案可知，本公开示例性实施例中的检测视频卡顿的方法、检测视频卡顿的装置，以及实现所述检测视频卡顿的方法的计算机可读存储介质及电子设备，至少具备以下优点和积极效果：
[0019]在本公开的一些实施例所提供的技术方案中，通过预测待检测视频序列中的目标物体在待检测视频序列的视频帧中的状态，可以得到目标物体在相邻视频帧中的位移，从而基于位移，可以直接确定出待检测视频序列卡顿情况。与相关技术相比，一方面，本公开通过对待检测视频序列中的目标物体进行状态预测，从而基于目标物体在相邻视频帧中的位移，可以自动的确定出待检测视频序列的卡顿情况，从而可以提高视频卡顿的检测效率；另一方面，本公开是基于目标物体在相邻视频帧中的位移，可以对视频序列的卡顿情况进行量化，从而可以提高卡顿检测的准确性。
[0020]本公开应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0021]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。
[0022]图1示出本公开一示例性实施例中的检测视频卡顿的方法的流程示意图；
[0023]图2示出本公开一示例性实施例中的预测目标物体的状态的方法的流程示意图；
[0024]图3示出本公开一示例性实施例中的确定待检测视频序列卡顿情况的方法的流程示意图；
[0025]图4示出本公开一示例性实施例中的另一种确定待检测视频序列卡顿情况的方法的流程示意图；
[0026]图5示出本公开一示例性实施例中的一种确定视频序列的全局卡顿分值的方法的流程示意图；
[0027]图6示出本公开一示例性实施例中的另一种检测视频卡顿的方法的流程示意图；
[0028]图7示出本公开一示例性实施例中检测视频卡顿的装置的结构示意图；
[0029]图8示出本公开示例性实施例中电子设备的结构示意图。
具体实施方式
[0030]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种检测视频卡顿的方法，其特征在于，包括：获取待检测视频序列，在所述待检测视频序列中确定出目标物体；预测所述目标物体在所述待检测视频序列的视频帧中的状态；根据所述目标物体在相邻视频帧中的状态，确定出所述目标物体在相邻视频帧中的位移；基于所述位移，确定出所述待检测视频序列的卡顿情况。2.根据权利要求1所述的检测视频卡顿的方法，其特征在于，所述视频序列包括游戏视频序列，所述目标物体包括所述游戏视频序列中的匀速运动物体。3.根据权利要求1所述的检测视频卡顿的方法，其特征在于，所述预测所述目标物体在所述待检测视频序列的视频帧中的状态，包括：确定所述目标物体在所述待检测视频序列的初始视频帧中的初始状态；基于所述初始状态，在所述待检测视频序列中对所述目标物体进行视频目标跟踪，以预测所述目标物体在所述待检测视频序列的视频帧中的状态。4.根据权利要求3所述的检测视频卡顿的方法，其特征在于，所述在所述待检测视频序列中对所述目标物体进行视频目标跟踪，包括:根据深度学习目标跟踪算法和卡尔曼滤波算法对所述目标物体进行视频目标跟踪。5.根据权利要求1所述的检测视频卡顿的方法，其特征在于，所述基于所述位移，确定出所述待检测视频序列的卡顿情况，包括：基于所述位移，确定出当前视频帧的实时卡顿分值，所述当前视频帧为所述相邻视频帧中时序靠后的视频帧；对所述待检测视频序列中的各视频帧的实时卡顿分值进行归一化处理，以得到所述待检测视频序列的全局卡顿分值；根据所述全局卡顿分值，确定出所述待检测视频序列的卡顿情况。6.根据权利要求1所述的检测视频卡顿的方法，...
【专利技术属性】
技术研发人员：丁超凡，徐博磊，叶均杰，
申请(专利权)人：网易杭州网络有限公司，
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。