本申请公开了一种基于深度学习的超高清视频清晰度测试方法及系统，其中，基于深度学习的超高清视频清晰度测试系统，包括：多个用户端和清晰度测试中心；其中，用户端：用于发送测试请求，并接收测试结果；发送优化请求，并接收超高清视频；清晰度测试中心：用于执行如下步骤：接收测试请求，对测试请求中的原始视频进行分类，获得待测试视频，视频类别为通信视频或拍摄视频；通过清晰度测试模型对待测试视频中的原始视频进行清晰度测试，获得测试结果，并发送；接收优化请求，根据待测试视频中的视频类别对待测试视频中的原始视频进行优化处理，获得超高清视频，并发送。本申请能提高对视频清晰度的测试精度，并能对视频进行清晰度优化。优化。优化。
【技术实现步骤摘要】
一种基于深度学习的超高清视频清晰度测试方法及系统
[0001]本申请涉及数字视频处理
，尤其涉及一种基于深度学习的超高清视频清晰度测试方法及系统。
技术介绍
[0002]经过采集、压缩、存储、传输和显示等处理环节后，超高清视频会引入不同类型和不同程度的失真，从而导致视频清晰度下降。
[0003]而目前已有的超高清视频清晰度测试方法较为单一，对超高清视频进行清晰度测试的测试精度有限，且无法在完成视频清晰度测试后，根据用户端需求对视频进行清晰度优化。
技术实现思路
[0004]本申请的目的在于提供一种基于深度学习的超高清视频清晰度测试方法及系统，能提高对视频清晰度的测试精度，并能对视频进行清晰度优化。
[0005]为达到上述目的，本申请提供一种基于深度学习的超高清视频清晰度测试系统，包括：多个用户端和清晰度测试中心；其中，用户端：用于发送测试请求，并接收测试结果；发送优化请求，并接收超高清视频；清晰度测试中心：用于执行如下步骤：接收测试请求，对测试请求中的原始视频进行分类，获得待测试视频，其中，待测试视频包括：原始视频和视频类别，视频类别为通信视频或拍摄视频；通过清晰度测试模型对待测试视频中的原始视频进行清晰度测试，获得测试结果，并发送，其中，测试结果为清晰或不清晰；接收优化请求，根据待测试视频中的视频类别对待测试视频中的原始视频进行优化处理，获得超高清视频，并发送。
[0006]如上的，其中，清晰度测试中心至少包括：通信单元、分类单元、测试单元、优化单元和存储单元；其中，通信单元：用于接收测试请求，并将测试请求发送至分类单元，接收并发送测试结果；接收优化请求，并将优化请求发送至优化单元，接收并发送超高清视频；分类单元：用于执行测试请求，对测试请求中的原始视频进行分类，获得待测试视频，并将待测试视频发送至测试单元；测试单元：用于通过清晰度测试模型对待测试视频中的原始视频进行清晰度测试，获得测试结果，并将测试结果发送至通信单元；优化单元：用于执行优化请求，根据待测试视频中的视频类别对待测试视频中的原始视频进行优化处理，获得超高清视频，并将超高清视频发送至通信单元；存储单元至少包括：测试数据库和测试模型库；测试数据库用于存储历史测试数据，其中，历史测试数据至少包括：原始视频和测试结果；测试模型库用于存储所有版本的清晰度测试模型。
[0007]如上的，其中，清晰度测试中心还包括：更新单元，用于在满足预设条件时，对测试单元的清晰度测试模型进行优化，获得优化后的清晰度测试模型，并将新版的清晰度测试模型发送至存储单元的测试模型库中存储。
[0008]本申请还提供一种基于深度学习的超高清视频清晰度测试方法，包括如下步骤：
接收测试请求，对测试请求中的原始视频进行分类，获得待测试视频，其中，待测试视频包括：原始视频和视频类别，视频类别为通信视频或拍摄视频；通过清晰度测试模型对待测试视频中的原始视频进行清晰度测试，获得测试结果，并发送，其中，测试结果为清晰或不清晰；接收优化请求，根据待测试视频中的视频类别对待测试视频中的原始视频进行优化处理，获得超高清视频，并发送。
[0009]如上的，其中，通过清晰度测试模型对待测试视频中的原始视频进行清晰度测试，获得测试结果的子步骤如下：通过清晰度测试模型中的段测试模型对待测试视频中的原始视频进行清晰度测试，获得段清晰值；通过清晰度测试模型中的帧测试模型对待测试视频中的原始视频进行清晰度测试，获得帧清晰值；对段清晰值和帧清晰值进行计算，获得综合清晰值；通过预设的超高清阈值对综合清晰值进行分析，并生成测试结果；若综合清晰值大于或等于超高清阈值，则生成的测试结果为清晰，若综合清晰值小于超高清阈值，则生成的测试结果为不清晰。
[0010]如上的，其中，通过清晰度测试模型中的帧测试模型对待测试视频中的原始视频进行清晰度测试，获得帧清晰值的子步骤如下：由帧测试模型中的图像帧提取模型按照视频播放顺序对原始视频进行图像帧提取，获得多个子图像，每个子图像均具有一个图像序列，且图像序列的值按照视频播放顺序依次递增；由帧测试模型中的图像清晰度识别模型对每一个子图像进行清晰度识别，获得子图像清晰值，并对所有的子图像清晰值进行分析，获得图像清晰值；对每一个子图像进行预处理，获得预处理图像，并对预处理图像进行质量检测，获得图像质量值；根据图像清晰值和图像质量值生成帧清晰值。
[0011]如上的，其中，帧清晰值的表达式如下：；其中，为原始视频的帧清晰值；为原始视频的图像清晰值的权重；为原始视频的图像质量值的权重。
[0012]如上的，其中，对每一个子图像进行预处理，获得预处理图像，并对预处理图像进行质量检测，获得图像质量值的子步骤如下：对每一个子图像进行下采样，得到下采样图像；按照图像序列的顺序依次对下采样图像进行失真特征提取，获得失真特征；按照图像序列的顺序依次将失真特征输入至基于深度学习预先训练好的图像质量检测网络，由图像质量检测网络对失真特征进行质量回归分析，生成图像质量值。
[0013]如上的，其中，当满足预设条件时，对清晰度测试模型进行优化，获得优化后的清晰度测试模型，其中，预设条件为达到预设时间节点或达到预设测试数量。
[0014]如上的，其中，接收优化请求，根据待测试视频中的视频类别对待测试视频中的原始视频进行优化处理，获得超高清视频的子步骤如下：S31：接收优化请求，当视频类别为通信视频，执行S32；当视频类别为拍摄视频，执行S33；S32：获取原始视频的多个通信参数，并对通信参数进行分析，获得参数结果，当每个通信参数小于该通信参数所对应的参数阈值时，生成的参数结果为质量正常，执行S33；当所有通信参数中的一个或多个大于或等于该通信参数所对应的参数阈值时，生成的参数结果为质量异常，结束流程，并发送参数结果；S33：采用图像增强的方式对原始视频中的每一个子图像进行处理，提高每一个子图像的清晰度，从而获得每一个子图像的超高清子图像，并按照图像序列的顺序依次将所有的超高清子图像重组为超高清视频。
[0015]本申请能提高对视频清晰度的测试精度，并能对视频进行清晰度优化。
附图说明
[0016]为了更清楚地说明本申请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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0017]图1为基于深度学习的超高清视频清晰度测试系统一种实施例的结构示意图；图2为基于深度学习的超高清视频清晰度测试方法一种实施例的流程图。
具体实施方式
[0018]下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]如图1所示，本申请提供一种基本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的超高清视频清晰度测试系统，其特征在于，包括：多个用户端和清晰度测试中心；其中，用户端：用于发送测试请求，并接收测试结果；发送优化请求，并接收超高清视频；清晰度测试中心：用于执行如下步骤：接收测试请求，对测试请求中的原始视频进行分类，获得待测试视频，其中，待测试视频包括：原始视频和视频类别，视频类别为通信视频或拍摄视频；通过清晰度测试模型对待测试视频中的原始视频进行清晰度测试，获得测试结果，并发送，其中，测试结果为清晰或不清晰；接收优化请求，根据待测试视频中的视频类别对待测试视频中的原始视频进行优化处理，获得超高清视频，并发送。2.根据权利要求1所述的基于深度学习的超高清视频清晰度测试系统，其特征在于，清晰度测试中心至少包括：通信单元、分类单元、测试单元、优化单元和存储单元；其中，通信单元：用于接收测试请求，并将测试请求发送至分类单元，接收并发送测试结果；接收优化请求，并将优化请求发送至优化单元，接收并发送超高清视频；分类单元：用于执行测试请求，对测试请求中的原始视频进行分类，获得待测试视频，并将待测试视频发送至测试单元；测试单元：用于通过清晰度测试模型对待测试视频中的原始视频进行清晰度测试，获得测试结果，并将测试结果发送至通信单元；优化单元：用于执行优化请求，根据待测试视频中的视频类别对待测试视频中的原始视频进行优化处理，获得超高清视频，并将超高清视频发送至通信单元；存储单元至少包括：测试数据库和测试模型库；测试数据库用于存储历史测试数据，其中，历史测试数据至少包括：原始视频和测试结果；测试模型库用于存储所有版本的清晰度测试模型。3.根据权利要求2所述的基于深度学习的超高清视频清晰度测试系统，其特征在于，清晰度测试中心还包括：更新单元，用于在满足预设条件时，对测试单元的清晰度测试模型进行优化，获得优化后的清晰度测试模型，并将新版的清晰度测试模型发送至存储单元的测试模型库中存储。4.一种基于深度学习的超高清视频清晰度测试方法，其特征在于，包括如下步骤：接收测试请求，对测试请求中的原始视频进行分类，获得待测试视频，其中，待测试视频包括：原始视频和视频类别，视频类别为通信视频或拍摄视频；通过清晰度测试模型对待测试视频中的原始视频进行清晰度测试，获得测试结果，并发送，其中，测试结果为清晰或不清晰；接收优化请求，根据待测试视频中的视频类别对待测试视频中的原始视频进行优化处理，获得超高清视频，并发送。5.根据权利要求4所述的基于深度学习的超高清视频清晰度测试方法，其特征在于，通过清晰度测试模型对待测试视频中的原始视频进行清晰度测试，获得测试结果的子步骤如下：通过清晰度测试模型中的段测试模型对待测试视频中的原始视频进行清晰度测试，获
得段清晰值；通过清晰度测试模型中的帧测试模型对待测试视频中的原始视频进行清晰度测试，获得帧清晰值；对段清晰值和帧清晰值进行...
【专利技术属性】
技术研发人员：巫家敏，李万豪，刘佳，窦军华，
申请(专利权)人：成都梵辰科技有限公司，
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。