应用程序性能测试方法、设备、存储介质及程序产品技术

本公开实施例提供一种应用程序性能测试方法、设备、存储介质及程序产品，通过采集用户对终端的目标应用程序的操作视频，包括用户操作动作及终端显示画面；提取多个关键视频帧，并根据多个关键视频帧及预设识别模型从多个关键视频帧中识别出用户操作动作起始时刻的第一类关键视频帧及目标应用程序完成响应时刻的第二类关键视频帧；根据第一类关键视频帧和第二类关键视频帧的时间信息确定目标应用程序对用户操作动作的响应时长。基于操作视频及预设识别模型识别出用户操作动作起始时刻和目标应用程序完成响应时刻的视频帧，确定目标应用程序在响应速度上的性能指标，提高性能指标评测效率，减少人力物力消耗，支持批量处理。理。理。

【技术实现步骤摘要】
应用程序性能测试方法、设备、存储介质及程序产品


[0001]本公开实施例涉及计算机与网络通信
，尤其涉及一种应用程序性能测试方法、设备、存储介质及程序产品。

技术介绍

[0002]随着移动互联网技术的发展和智能设备的普及，人们在沟通、社交、娱乐等活动中越来越依赖于智能设备的应用程序(Application，APP)，而应用程序的好坏不仅在于服务内容的优劣，还在于应用程序的各项性能的优劣，尤其是应用程序的响应速度，例如对于视频APP的好坏，不仅在于视频内容的优劣，还在于视频APP的冷启动时长、用户页延迟、评论加载延时、面板展示延时等。
[0003]现有技术在对应用程序性能指标评测时，对于应用程序的响应速度，通通常需要人工来确定用户对应用程序图标或按钮点击后手指抬起的时刻、以及应用程序加载完成的时刻，从而确定应用程序加载所用的时长，确定应用的响应速度。
[0004]现有的通过人工对应用程序性能指标评测效率低下、且存在误差，消耗大量人力物力资源，很难在存在较多应用程序的性能指标评测场景中推广使用。

技术实现思路

[0005]本公开实施例提供一种应用程序性能测试方法、设备、存储介质及程序产品，以提高应用程序性能指标评测效率。
[0006]第一方面，本公开实施例提供一种应用程序性能测试方法，包括：
[0007]获取图像采集设备采集的用户对终端的目标应用程序的操作视频，所述操作视频用于展示用户操作动作以及终端的显示画面的视频；
[0008]对所述操作视频提取多个关键视频帧；
[0009]根据所述多个关键视频帧以及预设识别模型，从所述多个关键视频帧中识别出第一类关键视频帧和第二类关键视频帧，其中所述第一类关键视频帧为所述用户操作动作起始时刻的关键视频帧，所述第二类关键视频帧为所述目标应用程序对所述用户操作动作完成响应时刻的关键视频帧；
[0010]根据所述第一类关键视频帧和所述第二类关键视频帧的时间信息，确定所述目标应用程序对用户操作动作的响应时长。
[0011]第二方面，本公开实施例提供一种识别模型的训练方法，包括：
[0012]获取图像采集设备采集的用户对终端的不同应用程序的操作视频，所述操作视频为包括用户操作动作以及终端的显示画面的视频；
[0013]对所述操作视频提取多个关键视频帧，所述多个关键视频帧中包括第一类关键视频帧和第二类关键视频帧，其中所述第一类关键视频帧为所述用户操作动作起始时刻的关键视频帧，所述第二类关键视频帧为所述应用程序对所述用户操作动作完成响应时刻的关键视频帧；
[0014]根据所述多个关键视频帧对初始识别模型进行训练，得到预设识别模型。
[0015]第三方面，本公开实施例提供一种应用程序性能测试设备，包括：
[0016]采集单元，用于获取图像采集设备采集的用户对终端的目标应用程序的操作视频，所述操作视频用于展示用户操作动作以及终端的显示画面的视频；
[0017]预处理单元，用于对所述操作视频提取多个关键视频帧；
[0018]预测单元，用于根据所述多个关键视频帧以及预设识别模型，从所述多个关键视频帧中识别出第一类关键视频帧和第二类关键视频帧，其中所述第一类关键视频帧为所述用户操作动作起始时刻的关键视频帧，所述第二类关键视频帧为所述目标应用程序对所述用户操作动作完成响应时刻的关键视频帧；
[0019]指标获取单元，用于根据所述第一类关键视频帧和所述第二类关键视频帧的时间信息，确定所述目标应用程序对用户操作动作的响应时长。
[0020]第四方面，本公开实施例提供一种识别模型的训练设备，包括：
[0021]采集单元，用于获取图像采集设备采集的用户对终端的不同应用程序的操作视频，所述操作视频为包括用户操作动作以及终端的显示画面的视频；
[0022]预处理单元，用于对所述操作视频提取多个关键视频帧，所述多个关键视频帧中包括第一类关键视频帧和第二类关键视频帧，其中所述第一类关键视频帧为所述用户操作动作起始时刻的关键视频帧，所述第二类关键视频帧为所述应用程序对所述用户操作动作完成响应时刻的关键视频帧；
[0023]训练单元，用于根据所述多个关键视频帧对初始识别模型进行训练，得到预设识别模型。
[0024]第五方面，本公开实施例提供一种电子设备，包括：至少一个处理器和存储器；
[0025]所述存储器存储计算机执行指令；
[0026]所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的应用程序性能测试方法、或第二方面以及第二方面各种可能的设计所述的识别模型的训练方法。
[0027]第六方面，本公开实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的应用程序性能测试方法、或第二方面以及第二方面各种可能的设计所述的识别模型的训练方法。
[0028]第七方面，本公开实施例提供一种计算机程序产品，包括计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的应用程序性能测试方法、或第二方面以及第二方面各种可能的设计所述的识别模型的训练方法。
[0029]本公开实施例提供的应用程序性能测试方法、设备、存储介质及程序产品，该方法通过获取图像采集设备采集的用户对终端的目标应用程序的操作视频，操作视频用于展示用户操作动作以及终端的显示画面的视频；对操作视频提取多个关键视频帧；根据多个关键视频帧以及预设识别模型，从多个关键视频帧中识别出第一类关键视频帧和第二类关键视频帧，其中第一类关键视频帧为用户操作动作起始时刻的关键视频帧，第二类关键视频帧为目标应用程序对用户操作动作完成响应时刻的关键视频帧；根据第一类关键视频帧和
第二类关键视频帧的时间信息，确定目标应用程序对用户操作动作的响应时长。本实施例通过采集操作视频，并基于操作视频以及预设识别模型，识别出用户操作动作起始时刻和目标应用程序完成响应时刻的视频帧，进而可确定目标应用程序在响应速度上的性能指标，提高了性能指标评测效率，减少人力物力消耗，支持批量处理，适用于大规模的应用程序的性能指标评测场景。
附图说明
[0030]为了更清楚地说明本公开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一简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。
[0031]图1为本公开一实施例提供的应用程序性能测试方法的应用场景示例图；
[0032]图2为本公开一实施例提供的应用程序性能测试方法流程示意图；
[0033]图3为本公开另一实施例提供的应用程序性能测试方法流程示意图；
[0034]图4为本公开另一实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用程序性能测试方法，其特征在于，包括：获取图像采集设备采集的用户对终端的目标应用程序的操作视频，所述操作视频用于展示用户操作动作以及终端的显示画面的视频；对所述操作视频提取多个关键视频帧；根据所述多个关键视频帧以及预设识别模型，从所述多个关键视频帧中识别出第一类关键视频帧和第二类关键视频帧，其中所述第一类关键视频帧为所述用户操作动作起始时刻的关键视频帧，所述第二类关键视频帧为所述目标应用程序对所述用户操作动作完成响应时刻的关键视频帧；根据所述第一类关键视频帧和所述第二类关键视频帧的时间信息，确定所述目标应用程序对用户操作动作的响应时长。2.根据权利要求1所述的方法，其特征在于，所述根据所述多个关键视频帧以及预设识别模型，从所述多个关键视频帧中识别出第一类关键视频帧和第二类关键视频帧，包括：根据所述多个关键视频帧确定多组输入数据，其中每组输入数据中包括预设数量的相邻的关键视频帧；将所述多组输入数据分别输入到所述预设识别模型中，采用所述预设识别模型识别各述数据是否为目标输入数据，所述目标输入数据中包括所述第一类关键视频帧、或所述第二类关键视频帧，并根据识别出的目标输入数据确定其所包括的所述第一类关键视频帧、或所述第二类关键视频帧。3.根据权利要求2所述的方法，其特征在于，所述根据所述多个关键视频帧确定多组输入数据，包括：通过预设滑动窗口以预设步长在所述多个关键视频帧滑动，每次滑动时将预设滑动窗口中的预设数量的相邻的关键视频帧确定为一组输入数据。4.根据权利要求2或3所述的方法，其特征在于，所述目标输入数据包括第一目标输入数据和第二目标输入数据，其中第一目标输入数据中包括所述第一类关键视频帧、且所述第一类关键视频帧处于所述第一目标输入数据各相邻的关键视频帧的中部位置，第二目标输入数据中包括所述第二类关键视频帧、且所述第二类关键视频帧处于所述第二目标输入数据各相邻的关键视频帧的中部位置。5.根据权利要求4所述的方法，其特征在于，所述采用所述预设识别模型识别各述数据是否为目标输入数据，所述目标输入数据包括所述第一类关键视频帧、或所述第二类关键视频帧，并根据识别出的目标输入数据确定其所包括的所述第一类关键视频帧、或所述第二类关键视频帧，包括：对于任一组输入数据，采用所述预设识别模型对所述输入数据进行三分类，判断所述输入数据是否为所述第一目标输入数据或所述第二目标输入数据；若所述输入数据为所述第一目标输入数据，则从所述第一目标输入数据各相邻的关键视频帧的中部位置获取所述第一类关键视频帧；或者若所述输入数据为所述第二目标输入数据，则从所述第二目标输入数据各相邻的关键视频帧的中部位置获取所述第二类关键视频帧。6.根据权利要求5所述的方法，其特征在于，所述预设识别模型包括二维卷积层、池化层、一维卷积层以及全连接层；
所述采用所述预设识别模型对所述输入数据进行三分类，包括：采用二维卷积层和池化层对所述输入数据的每一关键视频帧提取特征，并将每一关键帧的特征进行联合；采用一维卷积层对联合后的特征提取动作特征；采用全连接层根据动作特征进行三分类，得到分类结果。7.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述对所述操作视频提取多个关键视频帧，包括：按照预设间隔对所述操作视频提取备选视频帧；对于任一备选视频帧，获取其与前一相邻备选视频帧的相似度参数；若所述相似度参数大于预设阈值，则确定该备选视频帧为关键视频帧。8.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述根据所述多个关键视频帧以及预设识别模型，从所述多个关键视频帧中识别出第一类关键视频帧和第二类关键视频帧前，还包括：将每一关键视频帧的尺寸均调整到目标尺寸。9.根据权利要求1所述的方法，其特征在于，所述确定所述目标应用程序对用户操作动作的响应时长后，还包括：基于性能指标，将目标应用程序与其他同类应用程序进行比较，获取不同应用程序性能指标的比较结果。10.一种识别模型的训练方法，其特征在于，包括：获取图像采集设备采集的用户对终端的不同应用程序的操作视频，所述操作视频为包括用户操作动作以及终端的显示画面的视频；对所述操作视频提取多个关键视频帧，所述多个关键视频帧中包括第一类关键视频帧和第二类关键视频帧，其中所述第一类关键视频帧为所述用户操作动作起始时刻的关键视频帧，所述第二类关键视频帧为所述应用程序对所述用户操作动作完成响应时刻的关键视频帧；根据所述多个关键视频帧对初始识别模型进行训练，得到预设识别模型。11.根据权利要求10所述的方法，其特征在于，所述根据所述多个关键视频帧对初始识别模型进行训练，包括：根据所述多...

【专利技术属性】
技术研发人员：万明阳，马国俊，邢斌斌，
申请(专利权)人：北京字跳网络技术有限公司，
类型：发明
国别省市：