【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种视频质量评价方法、装置、电子设备及存储介质。
技术介绍
1、相关技术可知，当前的视频质量评分方式往往需要将源视频与待评价视频进行比对。在视频网络传输业务的情境下，这是比较难以即时实现的，因为无论是发端还是收端都很难同时掌握源视频和待评价视频。
2、另外，在对视频质量进行评价的过程中，往往通过用户主观判断实现，这将导致在对视频质量评价结果的不准确性。
3、因此，当前寻找一种自动、即时确定视频质量的评价方法成为研究热点。
技术实现思路
1、本专利技术提供一种视频质量评价方法、装置、电子设备及存储介质，实现了能够自动、即时确定视频质量的评价方法。
2、本专利技术提供一种视频质量评价方法，所述方法包括：获取待传输视频在传输过程中的网络参数；将所述网络参数输入至预训练得到的深度神经网络模型，得到所述深度神经网络模型输出所述待传输视频的传输后的视频质量评分。
3、根据本专利技术提供的一种视频质量评价方法，所述深度神经网络模型采用以下方式训练得到：获取多组待传输视频样本，以及各所述待传输视频样本在传输过程中的网络参数样本；基于预设评价标准对各所述待传输视频样本进行视频质量评价，得到各所述待传输视频样本的视频质量评分样本；将所述网络参数样本与所述视频质量评分样本进行匹配，得到模型训练集；基于所述模型训练集对深度神经网络模型，得到训练后的深度神经网络模型。
4、根据本专利技术提供的一种视频质量评价方法，所
5、根据本专利技术提供的一种视频质量评价方法，在所述根据所述质量等级与质量评分的对应关系，确定各所述待传输视频样本的视频质量评分样本之前，所述方法还包括：选取各所述待传输视频样本在不同语义维度下的最低质量等级；所述根据所述质量等级与质量评分的对应关系，确定各所述待传输视频样本的视频质量评分样本，具体包括：根据所述质量等级与质量评分的对应关系，分别确定各所述待传输视频样本的与最低质量等级对应的质量评分；基于各所述待传输视频样本的所述与最低质量等级对应的质量评分，确定各述待传输视频样本的视频质量评分样本。
6、根据本专利技术提供的一种视频质量评价方法，在所述根据所述质量等级与质量评分的对应关系，确定各所述待传输视频样本的视频质量评分样本之前，所述方法还包括：获取各所述待传输视频样本的峰值信噪比得分样本，以及视频质量多方法评价融合得分样本；所述根据所述质量等级与质量评分的对应关系，确定各所述待传输视频样本的视频质量评分样本，具体包括：根据所述质量等级与质量评分的对应关系，确定各所述待传输视频样本的质量等级评分样本；基于所述质量等级评分样本、所述峰值信噪比得分样本，以及所述视频质量多方法评价融合得分样本，确定各所述待传输视频样本的视频质量评分样本。
7、根据本专利技术提供的一种视频质量评价方法，所述各所述待传输视频样本在传输过程中的网络参数样本采用以下方式确定：在各所述待传输视频样本处于传输仿真过程的情况下，基于网络损伤工具，确定各所述待传输视频样本在传输过程中的网络参数样本。
8、本专利技术还提供一种视频质量评价装置，所述装置包括：获取模块，用于获取待传输视频在传输过程中的网络参数；处理模块，用于将所述网络参数输入至预训练得到的深度神经网络模型，得到所述深度神经网络模型输出所述待传输视频的传输后的视频质量评分。
9、根据本专利技术提供的一种视频质量评价装置，所述处理模块采用以下方式实现训练得到所述深度神经网络模型：获取多组待传输视频样本，以及各所述待传输视频样本在传输过程中的网络参数样本；基于预设评价标准对各所述待传输视频样本进行视频质量评价，得到各所述待传输视频样本的视频质量评分样本；将所述网络参数样本与所述视频质量评分样本进行匹配，得到模型训练集；基于所述模型训练集对深度神经网络模型，得到训练后的深度神经网络模型。
10、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的视频质量评价方法。
11、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的视频质量评价方法。
12、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的视频质量评价方法。
13、本专利技术提供的视频质量评价方法、装置、电子设备及存储介质，获取待传输视频在传输过程中的网络参数；将网络参数输入至预训练得到的深度神经网络模型，可以得到深度神经网络模型输出待传输视频的传输后的视频质量评分，从而在视频传输业务发生的同时即能够对传输后的视频质量进行预测，实现对待传输视频自动、即时进行视频质量评价。
本文档来自技高网...【技术保护点】
1.一种视频质量评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的视频质量评价方法，其特征在于，所述深度神经网络模型采用以下方式训练得到：
3.根据权利要求2所述的视频质量评价方法，其特征在于，所述预设评价标准包括各语义维度下的不同质量等级与不同视频参数状态的对应关系，其中，所述视频参数状态表征呈现视频内容的清楚程度；
4.根据权利要求3所述的视频质量评价方法，其特征在于，在所述根据所述质量等级与质量评分的对应关系，确定各所述待传输视频样本的视频质量评分样本之前，所述方法还包括：
5.根据权利要求3或4所述的视频质量评价方法，其特征在于，在所述根据所述质量等级与质量评分的对应关系，确定各所述待传输视频样本的视频质量评分样本之前，所述方法还包括：
6.根据权利要求2所述的视频质量评价方法，其特征在于，所述各所述待传输视频样本在传输过程中的网络参数样本采用以下方式确定：
7.一种视频质量评价装置，其特征在于，所述装置包括：
8.根据权利要求7所述的视频质量评价装置，其特征在于，所述处理模块
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述的视频质量评价方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的视频质量评价方法。
...【技术特征摘要】
1.一种视频质量评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的视频质量评价方法，其特征在于，所述深度神经网络模型采用以下方式训练得到：
3.根据权利要求2所述的视频质量评价方法，其特征在于，所述预设评价标准包括各语义维度下的不同质量等级与不同视频参数状态的对应关系，其中，所述视频参数状态表征呈现视频内容的清楚程度；
4.根据权利要求3所述的视频质量评价方法，其特征在于，在所述根据所述质量等级与质量评分的对应关系，确定各所述待传输视频样本的视频质量评分样本之前，所述方法还包括：
5.根据权利要求3或4所述的视频质量评价方法，其特征在于，在所述根据所述质量等级与质量评分的对应关系，确定各所述待传输视频样本的视频质量评分样本之前，所...
【专利技术属性】
技术研发人员：秦志金，陶晓明，汪致庸，应憬恺，杨定熹，
申请(专利权)人：清华大学，
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。