[发明专利]一种用于机器学习的数据样本获取的方法及设备

说明书

本申请通过一种用于机器学习的数据样本获取的方法与设备，首先获取视频及视频的视频特征，接着获得该视频基于不同压缩码率进行编码压缩后得到的若干压缩视频，再确定所述若干压缩视频中每个压缩视频的视频质量得分，然后基于预设视觉质量等级划分及所述若干压缩视频的视频质量得分，确定同一视觉质量等级下的最小视频质量得分，最后将所述同一视觉质量等级下最小视频质量得分对应的压缩码率确定为该视频的视频特征在该视觉质量等级下的标注，并将该视频的视频特征及所述标注确定为该视觉质量等级下的数据样本。通过该方法预测满足一定视觉质量下的最佳编码参数，以获得在人眼察觉不到视频质量差异下的最小传输码率，降低了传输带宽要求。

技术领域

本申请涉及计算机视频处理技术领域，尤其涉及一种用于机器学习的数据样本获取的技术。

背景技术

随着互联网及移动互联网的发展，基于视频的各种应用已经成为人们日常生活中不可或缺的一部分。随着全民参与的视频制作以及对高分辨率、高帧率视频需求的不断增多，视频数据量获得大幅度提升，同时也加重了存储和传输带宽的压力，对视频编码和视频传输带来了需求和挑战。

当前以机器学习、深度学习为代表的人工智能技术在各领域的应用都取得了不错的成果，将人工智能技术引入到视频编码领域，也已经成为行业中乐于尝试的方法。

根据已有的实验表明，人眼在观看视频的时候，对于客观质量评价相近的两幅视频图像，并不能敏锐地到发觉到两者的质量差异，只有当两幅视频图像的客观质量评价相差达到一定的范围时，才能察觉。

现有应用人工智能技术对视频编码的尝试都将重心侧重于视频编码的客观技术指标的提升，如采用适应带宽的高质量编码方式，基于压缩噪声估计模型调整编码前的视频预处理参数，基于深度学习对视频编码参数预测等。并没有考虑人眼视觉特性对观看的视频图像的影响。

发明内容

本申请的目的是提供一种用于机器学习的数据样本获取的方法与设备，用以解决现有技术中对视频编码参数的预测未考虑人眼视觉特性的技术问题。

根据本申请的一个方面，提供了一种用于机器学习的数据样本获取的方法，其中，所述方法包括：

获取视频及所述视频的视频特征；

获得所述视频基于不同压缩码率进行编码压缩后得到的若干压缩视频；

确定所述若干压缩视频中每个压缩视频的视频质量得分，其中，每个视频质量得分对应一个压缩码率；

基于预设视觉质量等级划分以及所述若干压缩视频的视频质量得分，确定同一视觉质量等级下的最小视频质量得分；

将所述同一视觉质量等级下最小视频质量得分对应的压缩码率确定为所述视频的视频特征在该视觉质量等级下的标注，并将所述视频的视频特征及所述标注确定为所述同一视觉质量等级下的数据样本。

可选地，其中，所述视频的视频特征包括：

所述视频的空域纹理特征及时域特征。

可选地，其中，所述获得所述视频基于不同压缩码率进行编码压缩后得到的若干压缩视频包括：

基于预设固定码率系数范围及步进参数，确定若干压缩码率；

基于每个压缩码率对所述视频进行编码压缩，以获得若干压缩视频。

可选地，其中，所述确定所述若干压缩视频中每个压缩视频的视频质量得分包括：

基于预设参数的主客观质量评价工具，将所述若干压缩视频中每个基于不同压缩码率的压缩视频对照编码压缩前的视频，进行视频质量评价，以确定每个压缩视频的视频质量得分。

可选地，其中，所述基于预设视觉质量等级划分包括：