[发明专利]一种基于深度学习的超高清片源检测方法

说明书

本发明涉及一种基于深度学习的超高清片源检测方法，其主要技术特点是：对超高清片源进行技术符合性检测；对视频文件封装格式进行检测；对码流文件进行检测；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；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。本发明设计合理，其通过检测文件格式封装信息，可检测到文件头中封装的相应信息是否符合技术标准，通过检测编码后的码流信息，可检测到码流中标识的相应信息是否正确，并在片源内容特征检测上有效结合了卷积神经网络模型，可检测视频内容实际的色域类别以及测视频内容实际的转换曲线类别，获得了优良的检测结果，使得系统整体检测准确率大大提高。

技术领域

本发明属于计算机视觉图像分类领域，尤其是一种基于深度学习的超高清片源检测方法。

背景技术

4K超高清视频与高清视频相比，具有高分辨率、高帧率、宽色域、高量化精度、高动态范围等技术特征，能给观众带来身临其境的观看体验。为了规范超高清质量，我国已发布了用于超高清视频编码的GY/T 299.1-2016、用于超高清节目制作的GY/T 307-2017、用于高动态范围节目制作的GY/T 315-2018等标准。相关标准规定，超高清片源技术参数上需满足：分辨率为3840x2160(4K超高清)和7680x4320(8K超高清)，帧率为50P(更高可以到100P和120P),量化精度为10bit(更高可以到12bit)，色域为BT.2020，转换曲线为PQ和HLG两种。

然而，实际应用中，在节目制作、交换、传输等各个环节都有可能造成4K超高清节目质量不满足技术标准要求，严重损害了4K超高清市场的积极性。例如：视频封装参数不符合要求，如BT.709色域、8bit、Gamma曲线等；视频封装参数符合规定，但实际内容并不符合，如封装参数为BT.2020色域，实际内容是BT.709色域；封装参数是HDR，实际是SDR等；视频封装参数和内容本身符合标准，但质量较差，如经过高清视频上变换得到的超高清视频。

因此，如何对超高清视频片源进行解析和检测并有效保证超高清节目片源的质量把控是目前迫切需要解决的问题。

发明内容

本发明的目的在于克服上述现有技术存在的不足，提供一种基于深度学习的超高清片源检测方法，其能够从文件格式、编码码流、内容特征三个层次来对超高清视频片源进行解析和检测，逐步分析相关技术指标的符合性，达到多层次、多角度的检测目的，有效保证超高清节目片源的质量把控，确保呈现给观众真正符合标准的超高清电视节目。

本发明解决其技术问题是采取以下技术方案实现的：

一种基于深度学习的超高清片源检测方法，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。

进一步，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。

进一步，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。

进一步，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：