[发明专利]一种基于深度学习的超高清片源检测方法

权利要求书

1.一种基于深度学习的超高清片源检测方法，其特征在于包括以下步骤：

步骤1、对超高清片源进行技术符合性检测；

步骤2、对视频文件封装格式进行检测；

步骤3、对文件格式解封装后的码流文件进行检测；

步骤4、构造色域检测的卷积神经网络模型，对视频片源的色域进行检测；

步骤5、构造转换曲线检测的卷积神经网络模型，对视频片源的转换曲线进行检测；

所述超高清片源的技术参数需满足：分辨率为3840x2160和7680x4320，帧率为50P及以上,量化精度为10bit和12bit，色域为BT.2020，转换曲线为PQ和HLG两种；

所述步骤2的视频文件封装格式包括制播域的MXF格式和传输域的TS格式，具体检测检测方法为：

对于MXF格式，文件头中包含视频相关的元数据，包括分辨率、帧率、量化精度、编码方式信息，以及通过图像实体描述符记录与色域和HDR相关的转换曲线、颜色转换矩阵和色域；

对于TS格式，文件头中含有与编码方式相关的stream_type和相关描述符，用于确定所封装视频的编码格式;

所述步骤3的检测内容包括编码类和级、分辨率、帧率、量化精度的视频编码技术指标，以及与动态范围和色域相关的转换曲线、彩色信号转换矩阵的序列头标识信息；具体检测方法包括以下步骤：⑴对文件格式解封装后，得到编码基本流，编码基本流包含编码类和级、分辨率、帧率、量化精度的视频编码技术指标,与动态范围和色域相关的转换曲线、彩色信号转换矩阵在序列头信息中标识；⑵对于H.264/AVC编码和H.265/HEVC编码，在序列头VUI的vui_parameters()语法中对色域、转换曲线和颜色转换矩阵字段进行标识；⑶对于AVS2编码，在序列头的sequence_display_extension()语法中对色域、转换曲线和颜色转换矩阵字段进行标识：

所述步骤4的检测内容包括BT.709和BT.2020两种色域类别；具体检测方法为：首先将BT.709和BT.2020的图像划分为统一的像素尺寸，然后批量地输入卷积神经网络进行训练，经过多次迭代，得到色域分类网络模型：

所述步骤5的检测内容包括Gamma、HLG、PQ三种转换曲线类别；

所述步骤5构建转换曲线检测的卷积神经网络模型的方法为：首先将Gamma、HLG和PQ的图像划分为统一尺寸的图像块，然后批量地馈送入神经网络进行训练，经过多次迭代，得到转换曲线分类网络模型。

2.根据权利要求1所述的一种基于深度学习的超高清片源检测方法，其特征在于：所述步骤1的技术符合性检测包括文件格式检测、编码码流格式检测和内容特征检测，所述内容特征检测包括色域检测和转换曲线检测。