用于无参考视频质量预测的方法技术

本申请针对用于无参考视频质量预测的方法。一种用于无参考视频质量预测的系统包含：视频处理块，其用以接收输入位流且产生第一向量；及神经网络，其用以在使用训练数据训练后提供经预测质量向量。所述训练数据包含所述第一向量及第二向量，且所述第一向量的元素包含根据对所述输入位流的高级语法处理提取的高级特征。级特征。级特征。

【技术实现步骤摘要】
用于无参考视频质量预测的方法


[0001]本说明一般来说涉及视频处理，且特定来说，涉及用于无参考视频质量预测的方法。

技术介绍

[0002]对于客户端侧视频质量的远程监测，无参考视频质量预测变得越来越重要。利用无参考视频质量预测，可估计视频质量而不必观看所接收视频或需要原始视频内容。通过能够对终端用户报告的视频质量问题进行自动诊断，无参考视频质量预测可帮助减少客户支持成本。常见实践是在像素域中对经解码视频序列执行视频质量分析。更准确方法不仅可使用像素域信息，而且也可使用在不同解码阶段测量的位流特性。
[0003]在过去的几十年中，已开发出若干种视频压缩标准，例如，国际标准组织(ISO)/国际电工委员会(IEC)移动图片专家组(MPEG)及国际电信联合会(ITU
‑
)T联合国际标准MPEG
‑
2/H.262，高级视频译码(AVC)/H.264，高效视频译码(HEVC)/H.265及多功能视频译码(VVC)/H.266，以及工业标准VP8、VP9和开放媒体视频联盟1(AV1)。终端用户可接收以多种视频格式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于无参考视频质量预测的系统，所述系统包括：视频处理块，其经配置以接收输入位流且产生第一向量；及神经网络，其经配置以在使用训练数据训练后提供经预测质量向量，其中：所述训练数据包含所述第一向量及第二向量，且所述第一向量的元素包含根据对所述输入位流的高级语法处理提取的高级特征。2.根据权利要求1所述的系统，其中所述第一向量包括特征向量，且其中所述第一向量的所述元素进一步包含块级特征。3.根据权利要求1所述的系统，其中由视频解码块接收的所述输入位流包括编码
‑
解码链的最后编码器的输出。4.根据权利要求3所述的系统，其中所述第二向量包括使用由所述编码
‑
解码链产生的经重构序列及原始序列计算的基准真实视频质量向量。5.根据权利要求1所述的系统，其中所述第二向量包括所选择质量度量，所述所选择质量度量包含以下各项中的一者：峰值信噪比PSNR、结构类似性指标测量SSIM、多标度MS
‑
SSIM、视频多元法融合VMF或平均意见得分MOS。6.根据权利要求1所述的系统，其中所述高级特征包括以下各项中的至少一些：转码指示符、编解码器类型、图片译码类型、图片分辨率、帧速率、位深度、色度格式、经压缩图片大小、高级质量参数、平均时间距离及时间层识别ID。7.根据权利要求1所述的系统，其中所述神经网络包括能够基于仅含有高级特征的输入特征向量执行视频质量预测的非复杂神经网络。8.根据权利要求1所述的系统，其中所述神经网络经配置以允许精细化及更新所述神经网络的层或参数的子集以便减少额外负担。9.根据权利要求1所述的系统，其中所述视频处理块包括视频解码与特征提取块。10.一种无参考视频质量预测的方法，其包括：接收视频数据流；通过解码所述视频数据流且提取特征来产生特征向量；及将神经网络配置成在使用训练数据训练后提供经预测质量向量，其中：所述训练数据包含所述特征向量及基准真实视频质量向量，且产生所述特征向量包括对所述视频数据流的高级语法处理以提取高级特征元素。11.根据权利要求10所述的方法，其进一步包括由视频解码与提取块接收编...

【专利技术属性】
技术研发人员：周敏华，
申请(专利权)人：安华高科技股份有限公司，
类型：发明
国别省市：