[发明专利]视频质量的预测方法、装置及服务器

权利要求书

1.一种视频质量的预测方法，其特征在于，包括：

获取待预测视频数据；

通过特征提取网络对所述待预测视频数据进行特征提取，得到所述待预测视频数据的多层视频特征；其中，各层所述视频特征分别用于表征所述待预测视频数据的低层特征或高层特征；

基于各层所述视频特征对所述待预测视频数据进行质量预测，得到所述待预测视频数据的视频质量结果。

2.根据权利要求1所述的方法，其特征在于，所述特征提取网络包括多个卷积层；

所述通过特征提取网络对所述待预测视频数据进行特征提取，得到所述待预测视频数据的多层视频特征的步骤，包括：

将所述待预测视频数据输入至所述特征提取网络，将所述特征提取网络中各个指定卷积层基于所述待预测视频数据输出的特征，作为所述待预测视频数据的多层视频特征。

3.根据权利要求2所述的方法，其特征在于，所述基于各层所述视频特征对所述待预测视频数据进行质量预测，得到所述待预测视频数据的视频质量结果的步骤，包括：

通过金字塔池化网络对各层所述视频特征分别进行池化处理，得到各层所述视频特征分别对应的多个金字塔池化特征；

通过视频质量评价网络基于各个所述金字塔池化特征对所述待预测视频数据进行质量预测，得到所述待预测视频数据的视频质量结果。

4.根据权利要求3所述的方法，其特征在于，所述金字塔池化网络包括均值池化子网络、最大值池化子网络和标准差池化子网络；所述金字塔池化特征包括均值池化特征、最大值池化特征和标准差池化特征；

所述通过金字塔池化网络对各层所述视频特征分别进行池化处理，得到各层所述视频特征分别对应的多个金字塔池化特征的步骤，包括：

通过所述均值池化子网络对各层所述视频特分别进行均值池化处理，得到各层所述视频特征分别对应的多个均值池化特征；

以及，通过所述最大值池化子网络对各层所述视频特征分别进行最大值池化处理，得到各层所述视频特征分别对应的多个最大值池化特征；

以及，通过所述标准差池化子网络对各层所述视频特征分别进行标准差池化处理，得到各层所述视频特征分别对应的多个标准差池化特征。

5.根据权利要求3所述的方法，其特征在于，所述视频质量评价网络包括前馈质量评价网络，所述前馈质量评价网络包括多个全连接组和一个第一全连接层，每个所述全连接组均包括相连的第二全连接层、激活层、归一化层和Dropout层；

所述通过视频质量评价网络基于各个所述金字塔池化特征对所述待预测视频数据进行质量预测，得到所述待预测视频数据的视频质量结果的步骤，包括：

将各个金字塔池化特征进行平均处理，得到平均处理后的金字塔池化特征；

将所述平均处理后的金字塔池化特征输入至所述前馈质量评价网络，以使所述前馈质量评价网络基于所述平均处理后的金字塔池化特征输出所述待预测视频数据的视频质量结果。

6.根据权利要求3所述的方法，其特征在于，所述视频质量评价网络包括长短期记忆质量评价网络，所述长短期记忆质量评价网络包括多个长短期记忆子网络和一个第三全连接层；

所述通过视频质量评价网络基于各个所述金字塔池化特征对所述待预测视频数据进行质量预测，得到所述待预测视频数据的视频质量结果的步骤，包括：

将各个所述金字塔池化特征输入至所述长短期记忆质量评价网络，以使所述长短期记忆质量评价网络基于各个所述金字塔池化特征输出所述待预测视频数据的视频质量结果。

7.根据权利要求3所述的方法，其特征在于，所述视频质量评价网络的训练步骤，包括：

获取训练视频数据；

通过特征提取网络对所述训练视频数据进行特征提取，得到所述训练视频数据的多层视频特征信息；

通过所述金字塔池化网络对各层所述视频特征信息分别进行池化处理，得到各层所述视频特征信息分别对应的多个池化特征信息；

获取各个所述池化特征信息的主观质量打分；

基于各个所述池化特征信息和各个所述池化特征信息对应的主观质量打分对视频质量评价网络进行训练。