视频画质预测方法、装置、设备、存储介质和程序产品与流程

本技术涉及视频处理，特别是涉及一种视频画质预测方法、装置、设备、存储介质和程序产品。

背景技术：

1、随着互联网的迅速发展，视频内容已经成为了互联网流量的重要组成部分，尤其在社交媒体、在线视频平台和流媒体服务等领域的迅猛发展下，视频内容的消费量和影响力持续增长。因此，对于视频画质的评估尤为重要。

2、在相关技术中，通常依赖对视频内容进行抽帧提取和图像理解来进行画质评估，具体而言，从视频中获取一系列的视频帧，然后，分别对视频帧进行处理，基于处理后的视频帧进行图像理解，以确定视频的画质。这种方式需要对视频的每个视频帧进行推理和图像理解，极大地增加计算负担，降低了视频画质评估的效率。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高视频画质预测效率的视频画质预测方法、装置、设备、存储介质和程序产品。

2、第一方面，本技术提供了一种视频画质预测方法，包括：

3、获取当前视频的视频信息，所述当前视频源自原始视频，所述当前视频通过对所述原始视频进行编码、传输、再解码后得到，所述当前视频的视频信息包括所述当前视频的清晰度参数、编码参数、当前分辨率参数和画质失真指标；

4、获取所述原始视频的视频信息，所述原始视频的视频信息包括所述原始视频的码率、原始画质分数和原始分辨率参数；

5、调用训练好的视频质量评估模型，根据所述当前视频的视频信息和所述原始视频的视频信息，获得所述当前视频的视频质量特征表示，基于所述视频质量特征表示输出关于所述当前视频的当前画质分数，所述当前画质分数用于表征所述当前视频的画质折损程度。

6、第二方面，本技术还提供了一种视频画质预测装置，包括：

7、视频信息获取模块，用于获取当前视频的视频信息，所述当前视频源自原始视频，所述当前视频通过对所述原始视频进行编码、传输、再解码后得到，所述当前视频的视频信息包括所述当前视频的清晰度参数、编码参数、当前分辨率参数和画质失真指标；

8、所述视频信息获取模块，还用于获取所述原始视频的视频信息，所述原始视频的视频信息包括所述原始视频的码率、原始画质分数和原始分辨率参数；

9、画质分数获取模块，用于调用训练好的视频质量评估模型，根据所述当前视频的视频信息和所述原始视频的视频信息，获得所述当前视频的视频质量特征表示，基于所述视频质量特征表示输出关于所述当前视频的当前画质分数，所述当前画质分数用于表征所述当前视频的画质折损程度。

10、在一些实施例中，所述视频信息获取模块，还用于获取视频画质预测请求，并对所述视频画质预测请求进行解析，确定进行视频画质预测的当前视频的视频标识；基于所述视频标识，从本地存储中读取相应的视频描述文件，并从所述视频描述文件中获取所述当前视频的视频信息以及所述当前视频源自的原始视频的视频信息。

11、在一些实施例中，所述视频信息获取模块，还用于接收由视频发送端所发送的原始视频的视频描述文件和对原始视频进行编码得到的视频编码数据，并从所述原始视频的视频描述文件中解析出原始视频的视频信息；对所述视频编码数据进行解码得到当前视频，并统计当前视频的清晰度参数、编码参数、当前分辨率参数和画质失真指标，得到当前视频的视频信息；基于所述原始视频的视频信息和所述当前视频的视频信息，生成当前视频的视频描述文件，并将当前视频的视频描述文件与所述当前视频的视频标识对应存储。

12、在一些实施例中，所述视频信息获取模块，还用于根据所述当前视频和所述原始视频各自的像素值，计算均方误差，得到所述当前视频的画质失真指标。

13、在一些实施例中，所述视频信息获取模块，还用于将所述原始视频中的多个视频帧输入基于视频特征的画质评估模型进行特征提取，得到各个视频帧的视觉特征，根据所述各个视频帧的视觉特征确定所述原始视频的原始画质分数。

14、在一些实施例中，所述训练好的视频质量评估模型包括多个依次连接的特征提取网络，所述画质分数获取模块，用于将所述当前视频的视频信息和所述原始视频的视频信息输入所述多个依次连接的特征提取网络中的首个特征提取网络进行特征提取，得到首个中间特征；从第二个特征提取网络开始，通过当前特征提取网络，对前个特征提取网络输出的中间特征进行特征提取，得到对应的中间特征，直至末尾的特征提取网络输出所述当前视频的视频质量特征表示。

15、在一些实施例中，所述装置还包括画质分数融合模块，所述画质分数融合模块，用于获取所述原始视频对应的传输网络参数、以及关于所述当前视频的对象行为数据；基于所述当前视频的编码参数、所述传输网络参数和所述对象行为数据，对所述当前视频的视频质量进行预测，得到所述当前视频的参考画质分数；融合所述当前视频的参考画质分数和所述当前画质分数，得到所述当前视频的目标画质分数，所述目标画质分数用于表征所述当前视频的画质折损程度。

16、在一些实施例中，所述画质分数融合模块，还用于调用基于视频相关信息的画质评估模型，分别确定所述当前视频的编码参数、所述传输网络参数和所述对象行为数据各自对应的画质分数；融合所述当前视频的编码参数、所述传输网络参数和所述对象行为数据各自对应的画质分数，得到所述当前视频的参考画质分数。

17、在一些实施例中，所述装置还包括模型训练模块，所述模型训练模块，用于获取训练样本，所述训练样本包括目标样本视频的视频信息和原始样本视频的视频信息，所述目标样本视频是源自所述原始样本视频，所述目标样本视频通过对所述原始样本视频进行编码、传输、再解码后得到，所述目标样本视频的视频信息包括所述目标样本视频的清晰度参数、编码参数、所述目标样本视频的分辨率参数和画质失真指标，所述原始样本视频的视频信息包括所述原始样本视频的码率、原始画质分数和所述原始样本视频的分辨率参数；根据所述目标样本视频的视频信息和所述原始样本视频的视频信息，通过视频质量评估模型，获得所述目标样本视频的视频质量特征表示，基于所述视频质量特征表示输出关于所述目标样本视频的画质分数；基于所述训练样本的标注数据与所述关于所述目标样本视频的画质分数间的差异，对所述视频质量评估模型进行训练，得到训练好的视频质量评估模型。

18、在一些实施例中，所述模型训练模块，用于将所述目标样本视频中的多个视频帧输入基于视频特征的画质评估模型进行特征提取，得到各个视频帧的视觉特征，根据所述各个视频帧的视觉特征确定所述目标样本视频的画质分数，基于所述目标样本视频的画质分数确定所述训练样本的标注数据。

19、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述视频画质预测方法的步骤。

20、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述视频画质预测方法的步骤。

21、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述视频画质预测方法的步骤。

22、上述视频画质预测方法、装置、设备、存储介质和程序产品，通过获取当前视频的视频信息，能够知晓当前视频的清晰度参数、编码参数、当前分辨率参数和画质失真指标，该过程无需对当前视频进行视频帧抽取，也无需对多个视频帧相应处理。考虑到当前视频是通过对原始视频进行编码、传输、再解码后得到的，即，当前视频源自原始视频，因此，为对当前视频的画质进行全面有效的预估，通过获取原始视频的视频信息，以确定原始视频的码率、原始画质分数和原始分辨率参数。然后，调用训练好的视频质量评估模型，基于当前视频的视频信息和原始视频的视频信息，能够提取当前视频的视频质量特征表示，以此准确反映出当前视频相对于原始视频的画质止损情况，得到准确性高的关于当前视频的当前画质分数，当前画质分数用于表征当前视频的画质折损程度。这样，在对当前视频的画质进行预测的过程中，无需对当前视频中每个视频帧都进行图像理解，降低了计算负担，减少了计算量，也就提高了视频画质预测的效率。