[发明专利]视频质量检测方法、装置、设备及存储介质

说明书

本发明属于视频检测技术领域，公开了一种视频质量检测方法、装置、设备及存储介质。该方法包括：获取待检测视频；根据预设感知分类特征集对待检测视频进行特征提取，得到多个感知失真维度的多个感知维度特征；根据各感知失真维度的多个感知维度特征和目标偏好概率回归模型，确定综合质量分数；根据各感知失真维度的多个感知维度特征进行视频分数评估，输出各感知失真维度的维度质量分数；根据综合质量分数和各感知失真维度的维度质量分数完成视频质量检测。通过上述方式，实现了全面有效的视频质量检测，不仅可得到视频的综合评价结果，还可得到各感知失真维度下的单一评价结果，能够完整体现视频的质量，同时提高了视频质量的检测效率和准确率。

技术领域

本发明涉及视频检测技术领域，尤其涉及一种视频质量检测方法、装置、设备及存储介质。

背景技术

目前，数字视频已经在全社会得到广泛应用，但由于视频信号在采集、压缩、传输和显示各个阶段都存在质量损伤，视频质量的优劣直接关系到用户的观看体验以及人工智能算法对视频内容理解和分析的准确性。视频质量评价在视频压缩编码、自适应流媒体、视频传输系统、AI系统的预处理等各个相关领域均具有至关重要的作用。

自深度学习技术出现以来，当前无参考视频质量评价研究大多都基于深度神经网络搭建模型。然而，随着网络结构的复杂度和网络层数的加深，视频质量评价模型的计算复杂度随之增大且计算更加耗时。另一方面，基于深度学习的视频质量评价模型的性能十分依赖于输入的训练数据。现阶段一些基于传统的质量评价方法同样可以达到较高的精度，且较基于深度学习的方法大大节省计算力，且无需很大程度上依赖于训练数据，但目标传统的视频质量评价方法的建模大多较为单一，通常只基于具体的视觉特性设计特征，或以预测相关性为导向进行特征选择，并未从整体人类视觉系统的角度对特征进行完备整合，导致特征难以全面且有效地表示图像和视频的质量失真。

发明内容

本发明的主要目的在于提供一种视频质量检测方法、装置、设备及存储介质，旨在解决现有技术中如何全面、多方位且高效对视频的质量进行检测的技术问题。

为实现上述目的，本发明提供了一种视频质量检测方法，所述视频质量检测方法包括：

获取待检测视频；

根据预设感知分类特征集对所述待检测视频进行特征提取，得到多个感知失真维度的多个感知维度特征；

根据各感知失真维度的多个感知维度特征和目标偏好概率回归模型，确定所述待检测视频的综合质量分数；

根据各感知失真维度的多个感知维度特征进行视频分数评估，输出各感知失真维度的维度质量分数；

根据所述综合质量分数和各感知失真维度的维度质量分数完成对所述待检测视频的视频质量检测。

可选地，所述根据各感知失真维度的多个感知维度特征和目标偏好概率回归模型，确定所述待检测视频的综合质量分数之前，还包括：

获取样本训练视频集；

根据所述样本训练视频集构建多个样本训练视频对；

根据预设感知分类特征集对各样本训练视频对进行特征提取，得到各样本训练视频对中第一样本视频的第一训练特征和第二样本视频的第二训练特征；

根据所述第一训练特征和所述第二训练特征对初始偏好概率回归模型进行模型训练，得到目标偏好概率回归模型。

可选地，所述根据所述第一训练特征和所述第二训练特征对初始偏好概率回归模型进行模型训练，得到目标偏好概率回归模型，包括：

输入所述第一训练特征至暹罗结构网络的第一路子网络，得到第一预测均值和第一预测方差；

输入所述第二训练特征至所述暹罗结构网络的第二路子网络，得到第二预测均值和第二预测方差；

输入所述第一预测均值、所述第一预测方差、所述第二预测均值以及所述第二预测方差至偏好概率模型，确定各样本训练视频对的预测偏好概率；