[发明专利]直播视频质量评价方法、视频质量的调整方法及相关装置

权利要求书

1.一种直播视频质量评价方法，其特征在于，所述方法包括：

获取待评价的视频码流；其中，所述待评价的视频码流是对需要进行视频质量评估的直播源视频进行编码而形成的；

从所述待评价的视频码流中提取码流特征信息，将所述码流特征信息输入至预先建立的视频质量评价模型，以得到直播视频的质量评分；

其中，所述视频质量评价模型是以直播场景的历史视频数据中提取的码流特征信息为输入，以依据所述历史视频数据计算出的真实视频评分数据为输出，来对至少一个机器学习模型进行训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述视频质量评价模型通过以下方法获得：

获取直播场景的历史视频数据；其中，所述历史视频数据包括历史直播源视频和历史视频码流；

对所述历史视频码流进行特征提取，以得到每一帧视频画面的码流特征信息；

基于所述历史直播源视频和所述历史视频码流，计算出每一帧视频画面的真实视频评分数据；

将各所述码流特征信息和各所述真实视频评分数据按照预设比例分为训练集和测试集；

采用所述训练集中的所述码流特征信息和所述真实视频评分数据来对至少一个所述机器学习模型进行训练，更新各所述机器学习模型的参数，以形成初始视频质量评价模型；

采用所述测试集中的所述码流特征信息和所述真实视频评分数据来对所述初始视频质量评价模型进行测试，根据测试结果来确定所述视频质量评价模型。

3.根据权利要求2所述的方法，其特征在于，所述采用所述训练集中的所述码流特征信息和所述真实视频评分数据来对至少一个所述机器学习模型进行训练，更新各所述机器学习模型的参数，以形成初始视频质量评价模型包括：

将所述训练集分成若干个折叠；

对于若干个折叠，每次使用一个折叠作为验证集，其余折叠作为训练数据来训练至少一个所述机器学习模型，直至所有的折叠都被用作验证集；

计算每一次所述机器学习模型训练后的模型拟合效果指标值；

选择最小的模型拟合效果指标值对应的模型参数作为所述机器学习模型的最优参数，以形成所述初始视频质量评价模型。

4.根据权利要求2或3所述的方法，其特征在于，所述根据测试结果来确定所述视频质量评价模型，包括：

当所述机器学习模型有多个时，根据测试结果得到多个所述训练好的机器学习模型；

以多个所述训练好的机器学习模型为第一层模型，以回归模型为第二层模型，构建堆叠模型；

将所述训练集分成多个折叠；

选择一个折叠作为验证数据，并采用其余折叠来训练所述第一层模型，以得到多个相应的视频质量预测模型；

采用多个相应的视频质量预测模型分别对所述验证数据进行计算，得到多个视频质量预测值；

重复执行训练所述第一层模型，以及计算所述视频质量预测值的步骤，直至所有的折叠都被用作验证数据；

采用每一个所述视频质量预测值以及每一个所述视频质量预测值对应的所述验证数据中的真实视频评分数据来训练所述第二层模型，以得到所述视频质量评价模型。

5.根据权利要求2所述的方法，其特征在于，所述将各所述码流特征信息和各所述真实视频评分数据按照预设比例分为训练集和测试集，包括：

分析每一个所述码流特征信息与相应的真实视频评分数据的相关性；

筛选出相关性大于或等于预设值的码流特征信息和真实视频评分数据按照预设比例分为训练集和测试集。

6.一种直播视频质量的调整方法，其特征在于，所述方法包括：

获取直播视频流，从所述直播视频流中提取若干帧视频码流；

根据若干帧所述视频码流，并采用权利要求1-5任一项所述的直播视频质量评价方法来计算直播视频的质量评分；

当质量评分超过预设质量评分范围时，判定直播视频质量发生异常；

统计预设时间段内直播视频质量发生异常次数，当所述异常次数超过预设阈值时，调整直播视频的相关参数，以完成对所述直播视频质量的调整。