[发明专利]用于视频序列中的感知质量评估的场景变换检测

说明书

提供多种用于检测流播视频中的场景变换的方法，流播视频包括一系列图片。示例方法包括：对于多个位置，计算连续图片中的相同位置处的宏块的编码成本之间的差。方法还包括：当多个位置的差的总和满足阈值准则时，标识新场景。还提供确定分组丢失对流播视频的感知影响的方法，该方法包括：标识分组丢失；以及确定丢失的分组是否包含有关新场景开始时的图片的信息，其中利用本文公开的方法之一检测新场景。

技术领域

本申请涉及：多种检测流播的视频中的场景变换的方法；一种确定分组丢失对流播的视频的感知影响的方法；一种确定流播的视频中新场景的出现的感知影响的方法；以及一种计算机可读介质。

背景技术

可以跨IP网络将电视内容或视频内容从内容提供商传送到供最终用户使用的装置。该装置可以是个人计算机、无线通信装置、机顶盒、具有内置机顶盒功能性的电视、智能TV或智能机顶盒。电视内容或视频内容可以具有通常与其一起传送的与其相关联的音频内容。出现“实时”传送时表示，在传送完成之前就显示内容，这称为“流播（streaming）”。

跨通信网络的视频流播正变得越来越普遍。为了确保在通信网络上流播的视频的端到端质量，网络运营商和视频服务提供商可以使用视频质量模型。视频质量模型通过测量对于人类观察者来说可感知的来自编码和传送的假象或误差来生成视频质量的客观评价。这可以取代主观质量评价，在主观质量评价中，人们观看视频样本并评定其质量。

学术界对视频质量模型的认知已经有一段时间了，但是将其使用标准化也只是最近的事。在国际电信联盟（ITU）标准J.144、J.247和J.341中描述了感知视频质量模型。感知模型的优点在于，它们可以使用经过处理的视频中的像素值来确定质量分数。在全参考模型的情况下（如在上述ITU标准中），还使用参考信号来预测经过处理的视频的降级。感知模型的一个大的缺点是它们在计算上要求高，并且不适合大规模部署用于网络监视的目的。

因此，当前正在ITU-T SG12/Q14中以工作名称P.NAMS标准化一种更轻量的方法。该模型采用网络层协议报头作为其输入，并且利用它们来对所传送的视频进行质量估计。这使得该模型可以非常有效率地实现和使用，但是它独自对所传送的视频的质量估计相当粗糙。因此，ITU-T SG12/Q14还将对工作名称为P.NBAMS的视频比特流质量模型进行标准化。该模型不只使用网络层协议报头，而且还使用编码的基本流或“比特流”。利用两种输入集合的优点是，与P.NAMS模型相比，在获得视频质量的更佳估计的同时它将是相当轻量的。

基于块的编码是主要的视频编码技术，其具有编解码标准例如H.263、MPEG-4Visual、MPEG-4 AVC（H.264）以及在ITU视频编码联合协作组（JCT-VC）中开发的新兴的H.265标准。基于块的编码使用不同类型的图片（它们采用不同类型的预测）以便能够尽可能有效率地压缩视频。帧内图片（I-图片）只可以在空间上从图片本身中的区域预测。预测图片（P-图片）则在时间上从之前的一个或多个编码图片预测。但是，P-图片中的一些宏块可以是帧内编码。双向预测的图片（B-图片）从之前的图片以及随后的图片预测。具有在此之前没有图片可用于预测的限制的I-图片称为即时解码刷新（IDR）图片。与P-图片和B-图片相比，I图片和IDR图片在比特方面通常要花费多得多来编码。

为了增加易于发生误差的通信网络中的误差复原能力，定期插入I或IDR图片以刷新视频。定期插入I或IDR图片也是为了允许随机接入和信道切换。此外，当将图片编码为P-图片的成本（在诱导失真和比特分配方面）大于将它编码为I或IDR图片的成本时，插入I或IDR图片。当图片的空间冗余度大于具有其参考图片的图片的时间冗余度时，会出现这种情况。当考虑中的图片是场景变换时通常会发生这种情况，场景变换又称为场景切换，它意味着所描绘的场景与它之前的图片完全不同。是否应当及时插入强制的帧内图片不是由视频编码标准（它只定义解码过程）定义的，而是由编码器来决定。