[发明专利]视频清晰度自动识别系统及其方法

权利要求书

1.一种视频清晰度自动识别系统，其特征在于包括：

视频收集模块，用于收集多个不同清晰度的视频文件或视频片段；

人工评分模块，与所述视频收集模块相连接，用于对所述视频文件或视频片段的清晰度进行人工评分，得到清晰度分值；

清晰度特征向量计算模块，与所述人工评分模块相连接，用于分别计算每个视频或视频片段的各种清晰度特征向量，并计算未知视频或视频片段的各种清晰度特征向量；

支持向量回归模型训练模块，与所述清晰度特征向量计算模块相连接，用于通过所述各种清晰度特征向量的样本集合来训练一个支持向量回归模型；

视频清晰度识别模块，与所述清晰度特征向量计算模块和支持向量回归模型训练模块相连接，将未知视频或视频片段的各种清晰度特征向量输入所述支持向量回归模型中进行预测，将预测后的结果作为该未知视频的清晰度分值。

2.根据权利要求1所述的视频清晰度自动识别系统，其特征在于：

所述清晰度特征向量计算模块中训练得到的支持向量回归模型为：

Model＝(α₁，X₁，α₂，X₂，...，α_M，X_M，b)

参数α₁，α₂，...，α_M为对应的各种清晰度特征向量X₁，X₂，...，X_M在视频清晰度中的权重，b为修正值，X(X₁，X₂，...，X_M)是一个清晰度未知的视频的清晰度特征向量；

所述视频清晰度识别模块中预测后的清晰度y的计算公式为：

y=SVR(Model,X)=Σi=1Mαi·K(X,Xi)+b]]>

其中，K(x，y)是支持向量机的核函数。

3.根据权利要求1或2所述的视频清晰度自动识别系统，其特征在于：

所述清晰度特征向量计算模块中每个视频或视频片段的各种清晰度特征向量为对应以下清晰度特征中的一种或多种：

视频的模糊度、视频编码产生的块状特征、视频帧的色度和饱和度、色度和饱和度的比率、视频的锐化程度、模糊化程度、视频的编码比特率和视频的帧率。

4.一种视频清晰度自动识别方法，其特征在于包括以下步骤：

1)收集多个不同清晰度的视频文件或视频片段；

2)采用人工评分的方式，得到所述视频文件或视频片段的清晰度的分值；

3)分别计算每个视频或视频片段的各种清晰度特征向量；

4)用到得的所述清晰度特征向量的样本集合来训练一个支持向量回归模型；

5)在预测未知视频或视频片段的清晰度时，采用步骤3)中相同的方法计算未知视频或视频片段的清晰度特征向量，将计算得到的清晰度特征向量输入步骤4)得到的支持向量回归模型中进行预测，将预测后的结果作为该未知视频的清晰度分值。