[发明专利]视频质量的评价方法、装置、存储介质及计算机系统

权利要求书

1.一种视频质量的评价方法，包括：

调整待评价视频的分辨率，得到多个输入视频；

利用机器学习模型，分别生成所述输入视频的质量评价结果；以及

基于多个所述质量评价结果，生成待评价视频的质量评价结果。

2.根据权利要求1所述的评价方法，还包括：

基于视频以及所述视频的质量评价结果，训练所述机器学习模型。

3.根据权利要求2所述的评价方法，其中，所述训练所述机器学习模型包括：

访问用于所述机器学习模型的训练样本集中的训练样本，其中，所述用于所述机器学习模型的训练样本包括视频以及所述视频的目标质量评价结果；

利用所述机器学习模型，生成所述视频的质量评价结果；以及

基于所述目标质量评价结果和所述质量评价结果之间的比较，更新所述机器学习模型。

4.根据权利要求1所述的评价方法，其中，所述机器学习模型包括视频帧提取模块，所述视频帧提取模块用于提取所述视频的片段以及提取所述视频的片段中的帧。

5.根据权利要求4所述的评价方法，其中，所述机器学习模型包括特征提取模型，所述特征提取模型包括用于提取所述视频的片段中的帧的空域特征的第一卷积神经网络，所述特征提取模型包括用于提取所述视频的片段的时域特征的第二卷积神经网络，其中，所述第一卷积神经网络采用端到端的方式进行训练。

6.根据权利要求4所述的评价方法，其中，所述机器学习模型包括回归模块，所述回归模块包括用于将所述视频帧提取模块提取的视频帧的特征回归成质量评价结果的人工神经网络。

7.根据权利要求6所述的评价方法，其中，所述机器学习模型包括池化模块，所述池化模块包括用于将多个所述质量评价结果池化为待评价视频的质量评价结果的池化层。

8.根据权利要求5所述的评价方法，其中，所述第一卷积神经网络为二维卷积神经网络，所述第二卷积神经网络为三维卷积神经网络。

9.根据权利要求8所述的评价方法，其中，所述第二卷积神经网络为采用已知的动作识别数据集预训练的三维卷积神经网络。

10.根据权利要求1所述的评价方法，其中，所述基于多个所述质量评价结果，生成待评价视频的质量评价结果包括：

对多个所述质量评价结果进行加权平均，得到待评价视频的质量评价结果。

11.根据权利要求1-10任一项所述的评价方法，其中，所述质量评价结果为质量分数。

12.根据权利要求11所述的评价方法，还包括：

响应于待评价视频的质量分数大于或等于预设阈值，确定待评价视频满足预设标准。

13.一种视频质量的评价装置，包括：

调整模块，其配置为调整待评价视频的分辨率，得到多个输入视频；

第一生成模块，其配置为利用机器学习模型，分别生成所述输入视频的质量评价结果；以及

第二生成模块，其配置为基于多个所述质量评价结果，生成待评价视频的质量评价结果。

14.一种计算机程序产品，包括程序代码指令，当所述程序产品由计算机执行时，所述程序代码指令使所述计算机执行权利要求1至12中的至少一项所述的方法。

15.一种存储有计算机指令的非暂时性计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1至12中的至少一项所述的方法。

16.一种计算机系统，包括：

处理器，

与所述处理器进行电子通信的存储器；以及

指令，所述指令存储在所述存储器中并且可由所述处理器执行以使所述计算机系统执行根据权利要求1至12中的至少一项所述的方法。