[发明专利]视频噪点识别方法、装置、设备及计算机可读存储介质

说明书

本发明实施例公开了视频噪点识别方法，包括：从待识别视频中采样多组连续视频帧，分别计算每组连续视频帧所对应的帧差图；将计算得到的帧差图输入深度神经网络进行噪点预测，输出视频分类结果；其中，深度神经网络为利用视频的帧差图作为训练神经网络的输入而训练得到的神经网络；深度神经网络输出的不同的分类结果对应不同的视频噪点严重程度；根据所述视频分类结果输出噪点识别结果。采用本发明，通过深度神经网络自适应地学习噪点不同于其他纹理密集型区域的特征，实现了排除纹理密集区域的干扰，从而大大的提升噪点视频严重程度分类的准确性。

技术领域

本发明涉及计算机领域，尤其涉及一种视频噪点识别方法、一种视频噪点识别装置、一种视频噪点识别设备及一种计算机可读存储介质。

背景技术

近些年短视频应用逐渐兴起壮大，现有技术中的短视频平台每日会接受用户上万的视频更新量，但其中很多视频由于用户的拍摄光线、设备等缘故受到严重的视频噪点，这些视频会严重影响其他用户的观看体验。

现有技术对视频噪点的识别或检测主要分为两步，首先提取视频帧并利用人工提取特征分析视频帧的噪点，然后整合所有提取帧来估计视频的噪点水平。这种仅利用视频帧信息估计视频帧的噪点强度，再利用图像噪点检测算法来估计的方式，往往是建立在“噪点是频域的高频信息”或者“噪点区域在空域上有高方差”的假设的特性上。但是根据对大量视频数据的观测发现，纹理密集型视频帧，例如草坪、沥青路面、美食上的油盐颗粒等视频帧，同样具有以上假设的特性，因而现有技术中的检测技术无法准确分辨出纹理密集型视频帧是否存在噪点问题，准确率大大降低。

发明内容

本发明实施例所要解决的技术问题在于，提供一种视频噪点识别方法、一种视频噪点识别装置、一种视频噪点识别设备及一种计算机可读存储介质，能够区分噪点和密集纹理，解决现有技术中的检测技术准确率低的技术问题。

为了解决上述技术问题，本发明实施例一方面公开了一种视频噪点识别方法，包括

从待识别视频中采样多组连续视频帧，分别计算每组连续视频帧所对应的帧差图；

将计算得到的所述帧差图输入深度神经网络进行噪点预测，输出视频分类结果；其中，所述深度神经网络为利用视频的帧差图作为训练神经网络的输入而训练得到的神经网络；所述深度神经网络输出的不同的分类结果对应不同的视频噪点严重程度；

根据所述视频分类结果输出噪点识别结果。

结合该一方面，在其中一种可能的实现方式中，在所述分别计算每组连续视频帧所对应的帧差图的过程中，针对一组连续视频帧，包括：

确定所述一组连续视频帧中的中间视频帧，并计算所述一组连续视频帧的平均帧；

将所述中间视频帧与所述平均视频帧进行差值运算，得到所述一组连续视频帧所对应的帧差图。

结合该一方面，在其中一种可能的实现方式中，所述将所述中间视频帧与所述平均视频帧进行差值运算，得到所述一组连续视频帧所对应的帧差图，包括：

将所述中间视频帧减去所述平均视频帧后，进行截断处理；

将截断处理后的帧差像素值平移到目标像素区间，得到所述一组连续视频帧所对应的帧差图。

结合该一方面，在其中一种可能的实现方式中，所述将所述中间视频帧与所述平均视频帧进行差值运算，得到所述一组连续视频帧所对应的帧差图，包括：

将所述中间视频帧减去所述平均视频帧后取绝对值，得到所述一组连续视频帧所对应的帧差图。

结合该一方面，在其中一种可能的实现方式中，所述一组连续视频帧包括n帧；所述将所述中间视频帧减去所述平均视频帧后，进行截断处理；将截断处理后的帧差像素值平移到目标像素区间，得到所述一组连续视频帧所对应的帧差图，包括：