[發明專利]一種基于深度學習的視頻質量診斷方法

在審

• 申請號: 202010195114.1
• 申請日: 2020-03-19
• 公開（公告）號: CN111369555A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 趙志鵬;李玉惠
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;H04N17/00;G06N3/04;G06N3/08
• 代理公司: 昆明人從眾知識產權代理有限公司 53204
• 代理人: 李曉亞

1.一種基于深度學習的視頻質量診斷方法，其特征在于：所述方法步驟如下：

步驟一，收集全面的視頻質量異常數據，接著對視頻質量異常數據進行預處理，將預處理得到的圖像打上異常類型的標簽，再給打上標簽的每張預處理得到的圖像進行質量打分，對每張預處理得到的圖像取多人的質量打分的平均值作為對應預處理得到的圖像的質量分數；將帶有質量分數的預處理得到的圖像與TID2013數據庫中圖像組建視頻質量診斷深度學習數據集，視頻質量診斷深度學習數據集分為三部分:訓練集、驗證集、測試集；其中，全面的視頻質量異常數據包括9種類型的異常視頻圖像：信號缺失圖像、清晰度異常圖像、亮度異常圖像、偏色圖像、噪聲圖像、滾屏圖像，條紋干擾圖像、畫面凍結圖像、PTZ故障圖像；標簽包括：信號缺失、清晰度異常、亮度異常、偏色、圖像噪聲、滾屏、條紋干擾、畫面凍結、PTZ故障；

步驟二，搭建深度學習模型框架，讀取訓練集圖像，通過深度學習模型進行網絡訓練，得到訓練后深度學習模型；

步驟三，把驗證集作為訓練后深度學習模型的輸入，將輸出的結果與驗證集中的主觀評價作比較，根據比較結果調整深度學習模型參數，得到調整后的深度學習模型；

步驟四，讀取調整后的深度學習模型，輸入測試集圖像，得到視頻圖像質量分數，根據質量分數得到視頻故障類型。

2.根據權利要求1所述的基于深度學習的視頻質量診斷方法，其特征在于：所述預處理依次為：統一成png格式、統一大小。

3.根據權利要求1所述的基于深度學習的視頻質量診斷方法，其特征在于：所述訓練集、驗證集、測試集比例設置為70％訓練集，10％驗證集，20％測試集。

4.根據權利要求1所述的基于深度學習的視頻質量診斷方法，其特征在于：所述深度學習模型采用的vgg16，激活函數ReLU。