[发明专利]视频质量处理方法、存储介质和终端

说明书

本发明提供一种视频质量处理方法、存储介质和终端，以解决现有技术中存在的视频质量增强效果较差的问题。所述的方法包括步骤：构建视频帧的训练样本；基于所述训练样本对卷积神经网络模型进行训练，获得视频质量增强模型，其中，所述卷积神经网络模型包含依序排列的第一卷积层集合、残差模块集合、第一像素重排模块或者第一反卷积模块、第二卷积层集合、第二像素重排模块或者第二反卷积模块、第三卷积层集合；获取质量待增强的视频帧，并输入所述视频质量增强模型，获得质量增强后的视频帧。本发明实施例能够实现较好的视频质量增强效果。

技术领域

本发明涉及互联网技术领域，具体而言，本发明涉及一种视频质量处理方法、存储介质和终端。

背景技术

由于受存储空间与网络传输带宽的限制，在对视频进行存储或传输之前通常需要采用低码率的压缩编码方式对视频进行压缩，在这一过程中视频质量大为下降，经常会出现模糊、编码块状效应等影响观众观感的不良效应。传统的视频质量增强方法包括去噪、缩放插值、去编码块状效应等方法，但是这些方法对视频质量增强的效果较差。

发明内容

本发明针对现有方式的缺点，提出一种视频质量处理方法、存储介质和终端，用以解决现有技术中存在的视频质量增强效果较差的问题，以实现较好的视频质量增强效果。

本发明的实施例根据第一个方面，提供了一种视频质量处理方法，包括步骤：

构建视频帧的训练样本；

基于所述训练样本对卷积神经网络模型进行训练，获得视频质量增强模型，其中，所述卷积神经网络模型包含依序排列的第一卷积层集合、残差模块集合、第一像素重排模块或者第一反卷积模块、第二卷积层集合、第二像素重排模块或者第二反卷积模块、第三卷积层集合；

获取质量待增强的视频帧，并输入所述视频质量增强模型，获得质量增强后的视频帧。

本实施例提供的视频质量处理方法，基于自行设计的深度学习中的卷积神经网络模型对视频质量进行增强，能够集去噪、超分辨率、去编码块状效应等多种视频质量增强效果于一体，同时实现多种增强效果，得到更为清晰、高质量的视频，效果远超传统技术中的视频质量增强方法。

在一个实施例中，所述第一卷积层集合包含两个卷积层，所述残差模块集合包含三个残差模块，所述第二卷积层集合和所述第三卷积层集合均包含一个卷积层。

本实施例所提供的卷积神经网络模型不仅能够实现较好的视频质量增强效果，而且计算量较小，能够实现对视频的实时处理。

在一个实施例中，所述获取质量待增强的视频帧，包括：

接收用户上传的编码后的视频流；

对所述视频流进行解码，获得质量待增强的视频帧。

在一个实施例中，所述获得质量增强后的视频帧之后，还包括：

对质量增强后的视频帧进行编码，获得编码后的视频流，并将编码后的视频流分发给各个客户端。

本实施例在服务器端部署本发明实施例提出的视频质量处理方法，将用户上传的低质量视频增强为高质量视频再分发给客户端进行观看，解决了由于上传端网络不佳需要使用低码率编码视频才能实时上传视频数据到服务器，使得用户最终观看到的视频质量较差的问题。

在一个实施例中，所述获取质量待增强的视频帧，包括：

接收服务器端分发的编码后的视频流；

对所述视频流进行解码，获得质量待增强的视频帧。

在一个实施例中，所述获得质量增强后的视频帧之后，还包括：

播放质量增强后的视频帧。