视频质量分析方法、设备和可读介质与流程

1.本技术涉及计算机技术领域，特别是涉及一种视频质量分析方法、一种基于视频的处理方法、一种电子设备和一种机器可读介质。


背景技术：

2.5g等数字化技术带来了超高清视频的高速发展，用户的收视体验不断提升。然而，目前依然有海量的存量优秀视频，是高清或标清的标准视频，需要将这类视频转换成成超高清视频。
3.视频清晰度转换的过程中需要进行视频增强，如人脸增强等，视频增强后也可能会带来一些问题，如增强视频化的画面合理性与帧间稳定性之间的问题等，因此如何准确评价增强效果，成为了亟待解决的问题。


技术实现要素：

4.本技术实施例提供了一种视频质量分析方法，以准确分析视频增强的质量。
5.相应的，本技术实施例还提供了一种基于视频的处理方法、一种电子设备和一种机器可读介质，用以保证上述方法的实现及应用。
6.为了解决上述问题，本技术实施例公开了一种视频质量分析方法，所述方法包括：确定原始视频数据和增强视频数据，所述增强视频数据为对原始视频数据中目标对象进行增强处理得到；将所述原始视频数据和增强视频数据中对应的图像帧构成图像对；对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息；对视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息。
7.可选的，所述对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息，包括：从所述图像对的两帧图像中分别提取至少一个目标对象的目标对象图像，构成目标对象的图像对；按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息。
8.可选的，所述按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息，包括：对所述目标对象的图像对进行虚焦检测，确定第一质量信息；对所述目标对象的图像对进行特征匹配，确定第二质量信息；对所述第一质量信息和第二质量信息进行加权，确定所述目标对象的增强质量信息。
9.可选的，所述对所述目标对象的图像对进行虚焦检测，确定第一质量信息，包括：对原始视频数据中目标对象的图像进行模糊检测，确定边缘模糊信息；依据所述边缘模糊信息确定第一质量信息。
10.可选的，对所述目标对象的图像对进行特征匹配，确定第二质量信息，包括：对所述目标对象的图像对分别进行特征检测，确定对应的原始对象特征和增强对象特征；确定所述原始对象特征和增强对象特征的特征距离；依据所述特征距离确定第二质量信息。
11.可选的，所述对所述视频中的目标对象进行追踪，确定所述目标对象的增强质量
综合信息，包括：确定目标对象所属的追踪器，其中，每个目标对象对应一个追踪器；将所述目标对象的增强质量信息输入到所述追踪器中进行平滑处理，确定所述目标对象的增强质量综合信息。
12.可选的，还包括：根据所述增强质量综合信息确定所述目标对象的增强参数；依据所述增强参数对原始视频数据中目标对象进行增强处理。
13.本技术实施例还公开了一种基于视频的处理方法，所述方法包括：对原始视频数据进行增强处理，确定增强视频数据；将所述原始视频数据和增强视频数据中对应的图像帧构成图像对；对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息；对视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息；根据所述增强质量综合信息，调整所述原始视频数据中目标对象进行增强处理操作，输出调整后的增强视频数据。
14.可选的，所述对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息，包括：从所述图像对的两帧图像中分别提取至少一个目标对象的目标对象图像，构成目标对象的图像对；按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息。
15.可选的，所述按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息，包括：对所述目标对象的图像对进行虚焦检测，确定第一质量信息；对所述目标对象的图像对进行特征匹配，确定第二质量信息；对所述第一质量信息和第二质量信息进行加权，确定所述目标对象的增强质量信息。
16.可选的，所述对所述目标对象的图像对进行虚焦检测，确定第一质量信息，包括：对原始视频数据中目标对象的图像进行模糊检测，确定边缘模糊信息；依据所述边缘模糊信息确定第一质量信息。
17.可选的，对所述目标对象的图像对进行特征匹配，确定第二质量信息，包括：对所述目标对象的图像对分别进行特征检测，确定对应的原始对象特征和增强对象特征；确定所述原始对象特征和增强对象特征的特征距离；依据所述特征距离确定第二质量信息。
18.可选的，所述对所述视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息，包括：确定目标对象所属的追踪器，其中，每个目标对象对应一个追踪器；将所述目标对象的增强质量信息输入到所述追踪器中进行平滑处理，确定所述目标对象的增强质量综合信息。
19.可选的，根据所述增强质量综合信息，调整所述原始视频数据中目标对象进行增强处理操作，包括：根据所述增强质量综合信息确定所述目标对象的增强参数；依据所述增强参数对原始视频数据中目标对象进行增强处理。
20.本技术实施例还公开了一种基于视频的处理方法，所述方法包括：通过第一接口获取原始视频数据；对所述原始视频数据进行增强处理，确定增强视频数据；将所述原始视频数据和增强视频数据中对应的图像帧构成图像对；对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息；对视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息；根据所述增强质量综合信息，调整所述原始视频数据中目标对象进行增强处理操作，确定调整后的增强视频数据；通过第二接口输出所述调整后的增强视频数据。
21.可选的，所述对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息，包括：从所述图像对的两帧图像中分别提取至少一个目标对象的目标对象图像，构成目标对象的图像对；按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息。
22.可选的，所述按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息，包括：对所述目标对象的图像对进行虚焦检测，确定第一质量信息；对所述目标对象的图像对进行特征匹配，确定第二质量信息；对所述第一质量信息和第二质量信息进行加权，确定所述目标对象的增强质量信息。
23.可选的，所述对所述目标对象的图像对进行虚焦检测，确定第一质量信息，包括：对原始视频数据中目标对象的图像进行模糊检测，确定边缘模糊信息；依据所述边缘模糊信息确定第一质量信息。
24.可选的，对所述目标对象的图像对进行特征匹配，确定第二质量信息，包括：对所述目标对象的图像对分别进行特征检测，确定对应的原始对象特征和增强对象特征；确定所述原始对象特征和增强对象特征的特征距离；依据所述特征距离确定第二质量信息。
25.可选的，所述对所述视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息，包括：确定目标对象所属的追踪器，其中，每个目标对象对应一个追踪器；将所述目标对象的增强质量信息输入到所述追踪器中进行平滑处理，确定所述目标对象的增强质量综合信息。
26.本技术实施例还公开了一种视频质量分析方法，所述方法包括：确定原始视频数据和面部增强视频数据，所述面部增强视频数据为对原始视频数据中目标面部进行增强处理得到；将所述原始视频数据和面部增强视频数据中对应的图像帧构成图像对；对所述图像对的两帧图像中按照目标面部进行比对，确定所述目标面部的增强质量信息；对视频中的目标面部进行追踪，确定所述目标面部的增强质量综合信息。
27.可选的，所述对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标面部的增强质量信息，包括：从所述图像对的两帧图像中分别提取至少一个目标面部的目标面部图像，构成目标面部的图像对；按照目标面部对所述目标面部的图像对进行对比，确定所述目标面部的增强质量信息。
28.可选的，所述按照目标面部对所述目标面部的图像对进行对比，确定所述目标面部的增强质量信息，包括：对所述目标面部的图像对进行虚焦检测，确定第一质量信息；对所述目标面部的图像对进行特征匹配，确定第二质量信息；对所述第一质量信息和第二质量信息进行加权，确定所述目标面部的增强质量信息。
29.可选的，所述对所述目标面部的图像对进行虚焦检测，确定第一质量信息，包括：对原始视频数据中目标面部的图像进行模糊检测，确定边缘模糊信息；依据所述边缘模糊信息确定第一质量信息。
30.可选的，对所述目标面部的图像对进行特征匹配，确定第二质量信息，包括：对所述目标面部的图像对分别进行面部特征检测，确定对应的原始面部特征和增强面部特征；确定所述原始面部特征和增强面部特征的特征距离；依据所述特征距离确定第二质量信息。
31.可选的，所述对所述视频中的目标面部进行追踪，确定所述目标面部的增强质量
综合信息，包括：确定目标面部所属的追踪器，其中，每个目标面部对应一个追踪器；将所述目标面部的增强质量信息输入到所述追踪器中进行平滑处理，确定所述目标面部的增强质量综合信息。
32.可选的，还包括：根据所述增强质量综合信息确定所述目标面部的增强参数；依据所述增强参数对原始视频数据中目标面部进行增强处理。
33.本技术实施例还公开了一种基于视频的处理方法，所述方法包括：通过第一接口获取原始视频数据；对所述原始视频数据进行增强处理，确定面部增强视频数据；将所述原始视频数据和面部增强视频数据中对应的图像帧构成图像对；对所述图像对的两帧图像中按照目标面部进行比对，确定所述目标面部的增强质量信息；对视频中的目标面部进行追踪，确定所述目标面部的增强质量综合信息；根据所述增强质量综合信息，调整所述原始视频数据中目标面部进行增强处理操作，确定调整后的面部增强视频数据；通过第二接口输出所述调整后的面部增强视频数据。
34.可选的，所述对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标面部的增强质量信息，包括：从所述图像对的两帧图像中分别提取至少一个目标面部的目标面部图像，构成目标面部的图像对；按照目标面部对所述目标面部的图像对进行对比，确定所述目标面部的增强质量信息。
35.可选的，所述按照目标面部对所述目标面部的图像对进行对比，确定所述目标面部的增强质量信息，包括：对所述目标面部的图像对进行虚焦检测，确定第一质量信息；对所述目标面部的图像对进行特征匹配，确定第二质量信息；对所述第一质量信息和第二质量信息进行加权，确定所述目标面部的增强质量信息。
36.可选的，所述对所述目标面部的图像对进行虚焦检测，确定第一质量信息，包括：对原始视频数据中目标面部的图像进行模糊检测，确定边缘模糊信息；依据所述边缘模糊信息确定第一质量信息。
37.可选的，对所述目标面部的图像对进行特征匹配，确定第二质量信息，包括：对所述目标面部的图像对分别进行面部特征检测，确定对应的原始面部特征和增强面部特征；确定所述原始面部特征和增强面部特征的特征距离；依据所述特征距离确定第二质量信息。
38.可选的，所述对所述视频中的目标面部进行追踪，确定所述目标面部的增强质量综合信息，包括：确定目标面部所属的追踪器，其中，每个目标面部对应一个追踪器；将所述目标面部的增强质量信息输入到所述追踪器中进行平滑处理，确定所述目标面部的增强质量综合信息。
39.本技术实施例还公开了一种电子设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如本技术实施例所述的方法。
40.本技术实施例还公开了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如本技术实施例所述的方法。
41.本技术实施例还公开了一种3d显示设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如本技术实施例所述的方法。
42.与现有技术相比，本技术实施例包括以下优点：
43.在本技术实施例中，可以将所述原始视频数据和增强视频数据中对应的图像帧构
成图像对，然后对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息，可以对增强视频中各图像的增强质量进行检测，还可对视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息，对视频中目标对象的增强质量进行追踪，从而准确分析视频的增强质量。
附图说明
44.图1是本技术实施例一种视频质量分析示例的示意图；
45.图2是本技术的一种视频质量分析方法实施例的步骤流程图；
46.图3是本技术的另一种视频质量分析方法实施例的步骤流程图；
47.图4是本技术的一种基于视频的处理方法实施例的步骤流程图；
48.图5是本技术的另一种基于视频的处理方法实施例的步骤流程图；
49.图6是本技术实施例的一种saas场景中对视频处理的交互示例的视图。
50.图7是本技术的一种面部增强视频的质量分析方法实施例的步骤流程图；
51.图8是本技术一实施例提供的装置的结构示意图。
具体实施方式
52.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。
53.本技术实施例可应用于视频处理领域。在视频处理中有些情况需要对视频进行增强处理，如人脸增强等。然而，增强后的视频数据可能会导致其他问题，因此需要对增强视频的质量进行分析，以便能够更加准确的进行视频增强处理。本技术实施例可应用于各种视频处理的领域，如在视频网站中对通过视频增强技术对视频的清晰度进行调整的场景。又如三维(3-dimension，3d)显示设备中对视频进行增强以调整显示效果等场景中。其中，3d显示设备可包括虚拟显示(virtual reality，vr)设备、增强现实 (augmented reality，ar)设备等，如vr眼镜、vr头盔等。
54.参照图1，示出了本技术实施例的一种视频质量分析方法示例的示意图。
55.原始视频数据可通过增强处理得到增强视频数据，其中可基于视频所需增强的内容确定增强方法。例如，对视频进行人脸增强，则可逐帧抽取面部图像后进行人脸增强处理，如一种示例的人脸增强流程包括：人脸检测、人脸对齐、人脸增强、人脸反对齐，通过以上四个步骤可以得到与原图像对应的增强人脸图像。对于图像的增强处理还可包括远景增强、近景增强等多种增强处理方式。针对增强处理得到的增强视频数据，可与原始视频数据进行对比，来确定增强视频数据中对目标对象的增强质量。以人脸增强为例，视频的一帧图像中可能会包含多个人脸图像，针对每个人脸可分别进行增强处理，在分析过程中也可针对每个人脸分别进行质量检测，得到每个人脸的增强质量信息。如人脸等目标对象可能在视频中多次出现，因此还可对人脸等目标对象进行追踪，确定增强质量的综合信息。还可基于综合信息调整增强参数，调整增强视频数据。
56.参照图2，示出了本技术的一种视频质量分析方法实施例的步骤流程图。
57.步骤202，确定原始视频数据和增强视频数据，所述增强视频数据为对原始视频数据中目标对象进行增强处理得到。
58.可以对原始视频数据进行增强处理，得到增强视频数据，然后可获取原始视频数据和增强视频数据。以人脸增强为例，可以对输入的原始视频数据进行逐帧抽取，之后进行人脸增强操作，如一种人脸增强处理过程包括：人脸检测、人脸对齐、人脸增强、人脸反对齐，通过以上四个步骤可以得到与原图像对应的增强人脸图像，针对每帧图像中的每一个人脸图像均可采用上述方式进行增强处理。
59.然而，在视频数据中不同人脸处于不同的位置，如远景人脸和近景人脸等，因此针对人脸进行增强处理可能效果不同，因此需要确定各个人脸的增强质量信息。
60.步骤204，将所述原始视频数据和增强视频数据中对应的图像帧构成图像对。
61.可以从原始视频数据和增强视频数据中抽取每一帧图像，将对应的图像帧构成图像对。当然在另外一些示例中也可每秒抽取指定帧如10帧。将提取的原始图像帧和增强图像帧按照时间戳构成图像对。其中，将原始视频数据提取的图像帧作为原始图像帧，将增强视频数据中提取的图像帧作为增强图像帧。
62.步骤206，对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息。
63.针对每一对图像对，可分别从图像对的两帧图像帧中提取目标对象，其中，针对增强对象的不同，每帧图像帧中可能提取到一个或多个对象，可将原始图像帧和增强图像帧中对应的对象构成对象图像对，每个对象图像对的对象图像中包含一个对象，从而逐个对象进行比对。因此可以确定比对的目标对象，将提取的目标对象的两个对象图像进行比对，确定在增强图像帧中目标对象的增强质量信息。
64.一个可选实施例中，所述对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息，包括：从所述图像对的两帧图像中分别提取至少一个目标对象的目标对象图像，构成目标对象的图像对；按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息。可以从图像对的原始图像帧和增强图像帧中分别进行对象提取，得到对象图像，其中，可提取所有对象后基于位置等信息确定对应的对象图像对，也可提取一个对象的对象图像后构成对象图像对，再进行检测、提取、构成对象图像对。以每个对象分别为目标对象，按照目标对象对所述目标对象的对象图像对进行对比，确定两个对象的特征相似度、差异性等，确定所述目标对象的增强质量信息。
65.其中，所述按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息，包括：对所述目标对象的图像对进行虚焦检测，确定第一质量信息；对所述目标对象的图像对进行特征匹配，确定第二质量信息；对所述第一质量信息和第二质量信息进行加权，确定所述目标对象的增强质量信息。本技术实施例对增强质量进行检测时，可以对原始图像帧进行虚焦校测，也可对目标对象的图像对进行特征匹配，从而从目标对象本身的图像质量和增强后的对比两个方面分析目标对象的增强质量信息。因此可对目标对象的原始对象图像进行虚焦检测，从而对虚焦人脸及运动模糊人脸做合理过滤，得到第一质量信息。对对象图像对中对象图像分别进行特征提取，然后对两个特征进行匹配，可得到第二质量信息，然后可对第一质量信息和第二质量信息进行加权计算，得到目标对象的增强质量信息。
66.其中，所述对所述目标对象的图像对进行虚焦检测，确定第一质量信息，包括：对原始视频数据中目标对象的图像进行模糊检测，确定边缘模糊信息；依据所述边缘模糊信
息确定第一质量信息。可以以原始视频数据中目标对象的图像，即原始对象图像作为输入进行模糊检测，如对原始对象图像进行拉普拉斯运算，即计算原始对象图像在x方向和y方向的二阶导数并将二者相加，然后计算其方差来表示原始对象图像的边缘模糊程度，从而对虚焦人脸及运动模糊人脸做合理过滤。又如可以通过计算原始对象图像的傅立叶变换频域信息来表示图像的边缘模糊信息。可以基于该边缘模糊信息确定第一质量信息。通过模糊检测可以避免不合理的对象增强。
67.对所述目标对象的图像对进行特征匹配，确定第二质量信息，包括：对所述目标对象的图像对分别进行特征检测，确定对应的原始对象特征和增强对象特征；确定所述原始对象特征和增强对象特征的特征距离；依据所述特征距离确定第二质量信息。可以以原始对象图像和增强对象图像均作为输入数据，分别输入到神经网络模型中进行处理，神经网络模型可依据需求选择并训练，如采用深度学习模型等，通过神经网络模型处理，得到相应的特征，其中，原始对象图像通过神经网络模型处理可得到原始对象特征，增强对象图像通过神经网络模型处理可得到增强对象特征，然后可计算原始对象特征和增强对象特征的特征距离，如余弦距离等。还可设置距离阈值来分析增强质量，如果特征距离超过了距离阈值则认为增强处理不合理，如可能产生生成式瑕疵、色偏等，如特征距离未超过距离阈值，则认为增强比较合理。可基于特征距离确定第二质量信息。
68.本技术实施例中，可对第一质量信息和第二质量信息进行归一化处理，然后按照各自的加权系数进行加权计算，得到该目标对象的增强质量信息。另一种示例中，可以对第一质量信息和第二质量信息进行矫正后再相乘来得到该目标对象的增强质量信息。如将虚焦检测结果即边缘模糊信息focus_blur作为第一质量信息，则矫正的第一质量信息 focus_alpha＝min(1,1-(1-focus_blur/2)/2)，其中，focus_blur的值域为(0，1)，将特征距离dist作为第二质量信息，矫正的第二质量信息fq＝max(0,(1-3*dist))，dist的值域为 (0，1)，相应增强质量信息为fq*focus_alpha。
69.从而针对每个图像对的每个目标对象可采用上述方式进行对比，得到各目标对象的增强质量信息。
70.步骤208，对视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息。
71.视频中同一目标对象可能会出现多次，因此还可对视频中各个目标对象进行追踪，确定该目标对象在视频中的增强质量。本技术实施例中，可针对每个目标对象设置一个追踪器，每个追踪器表示时域上的同一目标对象，以人脸为例，可以表示时域上的同一人脸。通过对目标对象进行追踪，将同一目标对象在时序上的增强质量信息进行平滑，可以保证视频中目标对象增强处理在时序上的稳定性。本技术实施例中，针对目标对象的追踪，还可基重识别等技术来实现对象追踪，如目标对象为人脸，可以使用人脸重识别相关技术来实现人脸追踪。
72.一个可选实施例中，所述对所述视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息，包括：确定目标对象所属的追踪器，其中，每个目标对象对应一个追踪器；将所述目标对象的增强质量信息输入到所述追踪器中进行平滑处理，确定所述目标对象的增强质量综合信息。可以确定目标对象所属的追踪器，可以计算目标对象的特征和追踪器对应对象的特征的距离，如果该距离满足追踪阈值，则可将该目标对象确定为该追
踪器所属的对象，还可采用该目标对象的特征更新追踪器对应对象的特征。在确定出目标对象所属的追踪器后，可以将目标对象的增强质量信息输入到所述追踪器中进行平滑处理，如同时计算该目标对象与前序的目标对象的增强质量信息进行平滑，如确定平均值等作为增强质量平均信息，还可采用增强质量平均信息与增强质量信息，或者将增强质量平均信息与第一质量信息、第二质量信息进行加权处理后得到增强质量综合评分。
73.本技术实施例中，还可根据所述增强质量综合信息确定所述目标对象的增强参数；依据所述增强参数对原始视频数据中目标对象进行增强处理。在确定出增强质量综合信息后，可基于该增强质量综合信息确定该目标对象的增强参数，然后采用该增强参数对原始视频数据中目标对象进行增强处理，得到合理且稳定的对象增强视频结果。
74.综上，可以将所述原始视频数据和增强视频数据中对应的图像帧构成图像对，然后对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息，可以对增强视频中各图像的增强质量进行检测，还可对视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息，对视频中目标对象的增强质量进行追踪，从而准确分析视频的增强质量。
75.在上述实施例的基础上，本技术实施例还提供了一种视频质量分析方法，能够对视频增强的质量进行分析。
76.参照图3，示出了本技术的另一种视频质量分析方法实施例的步骤流程图。
77.步骤302，确定原始视频数据和增强视频数据，所述增强视频数据为对原始视频数据中目标对象进行增强处理得到。
78.步骤304，从所述图像对的两帧图像中分别提取至少一个目标对象的目标对象图像，构成目标对象的图像对。
79.然后可按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息，可执行步骤306-310。
80.步骤306，对所述目标对象的图像对进行虚焦检测，确定第一质量信息。
81.其中，对原始视频数据中目标对象的图像进行模糊检测，确定边缘模糊信息；依据所述边缘模糊信息确定第一质量信息。
82.步骤308，对所述目标对象的图像对进行特征匹配，确定第二质量信息。
83.其中，对所述目标对象的图像对分别进行特征检测，确定对应的原始对象特征和增强对象特征；确定所述原始对象特征和增强对象特征的特征距离；依据所述特征距离确定第二质量信息。
84.步骤310，对所述第一质量信息和第二质量信息进行加权，确定所述目标对象的增强质量信息。
85.步骤312，确定目标对象所属的追踪器，其中，每个目标对象对应一个追踪器。
86.步骤314，将所述目标对象的增强质量信息输入到所述追踪器中进行平滑处理，确定所述目标对象的增强质量综合信息。
87.步骤316，根据所述增强质量综合信息确定所述目标对象的增强参数。
88.步骤318，依据所述增强参数对原始视频数据中目标对象进行增强处理。
89.综上，能够通过原始视频和增强视频的综合分析来评估增强视频中目标对象的质量，可根据质量分析结果来调整增强程度。并且能够在时序上对目标对象的增强的追踪和
平滑，获得合理且帧间稳定的增强视频。
90.在上述实施例的基础上，本技术实施例还提供了一种基于视频的处理方法，能够评估视频的增强质量并且调整增强视频数据。
91.参照图4，示出了本技术的一种基于视频的处理方法实施例的步骤流程图。
92.步骤402，对原始视频数据进行增强处理，确定增强视频数据。
93.步骤404，将所述原始视频数据和增强视频数据中对应的图像帧构成图像对。
94.步骤406，对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息。
95.其中，所述对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息，包括：从所述图像对的两帧图像中分别提取至少一个目标对象的目标对象图像，构成目标对象的图像对；按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息。
96.所述按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息，包括：对所述目标对象的图像对进行虚焦检测，确定第一质量信息；对所述目标对象的图像对进行特征匹配，确定第二质量信息；对所述第一质量信息和第二质量信息进行加权，确定所述目标对象的增强质量信息。
97.所述对所述目标对象的图像对进行虚焦检测，确定第一质量信息，包括：对原始视频数据中目标对象的图像进行模糊检测，确定边缘模糊信息；依据所述边缘模糊信息确定第一质量信息。
98.对所述目标对象的图像对进行特征匹配，确定第二质量信息，包括：对所述目标对象的图像对分别进行特征检测，确定对应的原始对象特征和增强对象特征；确定所述原始对象特征和增强对象特征的特征距离；依据所述特征距离确定第二质量信息。
99.步骤408，对视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息。
100.其中，所述对所述视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息，包括：确定目标对象所属的追踪器，其中，每个目标对象对应一个追踪器；将所述目标对象的增强质量信息输入到所述追踪器中进行平滑处理，确定所述目标对象的增强质量综合信息。
101.步骤410，根据所述增强质量综合信息，调整所述原始视频数据中目标对象进行增强处理操作，输出调整后的增强视频数据。
102.在上述实施例的基础上，本技术实施例还提供了一种基于视频的处理方法，能够应用于软件即服务(software-as-a-service，saas)、云端等能够提供远程服务的场景中，从而可以在网络侧、云端进行视频增强并评估视频的增强质量，及时调整增强视频数据。
103.本技术实施例可以对于虚焦对象及运动模糊对象，可使用拉普拉斯变换来表示图像的边缘模糊程度，从而对该部分对象增强结果做相应的过滤，从而避免了不合理的对象增强。对于对象与背景融合不自然的增强结果，本方案采用特征比对的方法来表示增强对象图像与原始对象图像的差异，差异过大则认为出现了生成式瑕疵、偏色等，增强对象结果不合理，并对该部分做相应过滤。对于对象增强效果帧间不连续的问题，本方案采用了对象跟踪并对质量评分在时域上做平滑的方案，有效避免了在帧间不连续的现象。
104.参照图5，示出了本技术的另一种基于视频的处理方法实施例的步骤流程图。
105.步骤502，通过第一接口获取原始视频数据。
106.一个可选实施例中，还可应用于saas场景中，可提供用户可操作的页面并提供相应的接口，如图6所示的一种交互示意图中。用户可在页面中选择需要增强的视频，如果为本地视频，则通过第一接口上传该视频数据到网络服务端侧。或者通过第一接口可以发送视频的链接地址到服务端，以便获取对应的原始视频数据。如图6中可通过页面上传本地或链接地址给服务端，使得服务端可以获取到原始视频数据。
107.步骤504，对所述原始视频数据进行增强处理，确定增强视频数据。
108.步骤506，将所述原始视频数据和增强视频数据中对应的图像帧构成图像对。
109.步骤508，对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息。
110.其中，所述对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息，包括：从所述图像对的两帧图像中分别提取至少一个目标对象的目标对象图像，构成目标对象的图像对；按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息。
111.所述按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息，包括：对所述目标对象的图像对进行虚焦检测，确定第一质量信息；对所述目标对象的图像对进行特征匹配，确定第二质量信息；对所述第一质量信息和第二质量信息进行加权，确定所述目标对象的增强质量信息。
112.所述对所述目标对象的图像对进行虚焦检测，确定第一质量信息，包括：对原始视频数据中目标对象的图像进行模糊检测，确定边缘模糊信息；依据所述边缘模糊信息确定第一质量信息。
113.对所述目标对象的图像对进行特征匹配，确定第二质量信息，包括：对所述目标对象的图像对分别进行特征检测，确定对应的原始对象特征和增强对象特征；确定所述原始对象特征和增强对象特征的特征距离；依据所述特征距离确定第二质量信息。
114.步骤510，对视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息。
115.其中，所述对所述视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息，包括：确定目标对象所属的追踪器，其中，每个目标对象对应一个追踪器；将所述目标对象的增强质量信息输入到所述追踪器中进行平滑处理，确定所述目标对象的增强质量综合信息。
116.步骤512，根据所述增强质量综合信息，调整所述原始视频数据中目标对象进行增强处理操作，确定调整后的增强视频数据。
117.其中，可根据所述增强质量综合信息确定所述目标对象的增强参数；依据所述增强参数对原始视频数据中目标对象进行增强处理。
118.还可以通过第二接口将增强参数发送给用户，以便用户查看。还可给出一段视频或几帧图像作为预览图像，以便用户了解增强效果，如图6所示，可以展示增强的效果，以及调整增强的效果。还可提供相应的调整控件，响应于对调整控件的触发，调整所述增强参数，然后通过第一接口发送增强参数给服务端，以便调整增强视频的增强程度。
119.步骤514，通过第二接口输出所述调整后的增强视频数据。
120.可通过第二接口发送增强视频数据给用户，从而用户可在页面中观看该增强视频数据。
121.在上述实施例的基础上，以人脸增强为例，在清晰度转换的场景中，如标清转高清或超高清、高清转超高清等场景中。例如影视网站等，提高视频的清晰度，从而给用户更好的体验。相应就需要对影视视频中的人脸进行增强处理，当然也需要对场景等进行增强处理，本技术实施例对此不做限制。又如在儿童走失、寻人等场景中，针对视频等也需要人脸增强处理以便更准确的确定人员。又如在vr、ar等场景中，将二维图像转换成三维图像或全景图像等，转换后人脸等对象需要进行增强处理，并且在不同的视角下增强的效果也不同。针对人脸增强，可通过如图7所示的步骤进行分析和处理。
122.步骤702，确定原始视频数据和面部增强视频数据，所述面部增强视频数据为对原始视频数据进行面部增强处理得到。
123.其中，可将原始视频数据进行逐帧抽取，然后进行面部(如人脸)增强操作，典型的面部增强流程包括：面部检测、面部对齐、面部增强、面部反对齐，通过以上四个步骤可以得到与原图像对应的面部增强图像。
124.一个可选实施例中，还可应用于saas场景中，可提供用户可操作的页面并提供相应的接口。用户可在页面中选择需要增强的视频，如果为本地视频，则通过第一接口上传该视频数据到网络服务端侧。或者通过第一接口可以发送视频的链接地址到服务端，以便获取对应的原始视频数据。
125.步骤704，将所述原始视频数据和面部增强视频数据中对应的图像帧构成图像对。
126.步骤706，对所述图像对的两帧图像中按照目标面部进行比对，确定所述目标面部的增强质量信息。
127.其中，所述对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标面部的增强质量信息，包括：从所述图像对的两帧图像中分别提取至少一个目标面部的目标面部图像，构成目标面部的图像对；按照目标面部对所述目标面部的图像对进行对比，确定所述目标面部的增强质量信息。
128.所述按照目标面部对所述目标面部的图像对进行对比，确定所述目标面部的增强质量信息，包括：对所述目标面部的图像对进行虚焦检测，确定第一质量信息；对所述目标面部的图像对进行特征匹配，确定第二质量信息；对所述第一质量信息和第二质量信息进行加权，确定所述目标面部的增强质量信息。
129.所述对所述目标面部的图像对进行虚焦检测，确定第一质量信息，包括：对原始视频数据中目标面部的图像进行模糊检测，确定边缘模糊信息；依据所述边缘模糊信息确定第一质量信息。
130.对所述目标面部的图像对进行特征匹配，确定第二质量信息，包括：对所述目标面部的图像对分别进行特征检测，确定对应的原始面部特征和增强面部特征；确定所述原始面部特征和增强面部特征的特征距离；依据所述特征距离确定第二质量信息。
131.通过对原始视频数据中原始面部图像与面部增强视频中对应的增强面部图像的对比分析，得到面部增强质量评分等面部增强质量信息作为分析结果。面部增强质量的评估包括虚焦检测与特征比对两个步骤，其中虚焦检测可只分析原始视频数据中原始面部图
像，特征比对对比分析原始视频数据中原始面部图像与面部增强视频中对应的增强面部图像。
132.在虚焦检测步骤中，以原始视频数据中原始面部图像为输入，通过对原始视频数据中原始面部图像进行拉普拉斯运算，即计算图像x方向和y方向的二阶导数并将二者相加，并计算其方差来表示原始视频数据中原始面部图像的边缘模糊程度，从而对虚焦人脸及运动模糊人脸做合理过滤。
133.在特征比对中，以原始视频数据中原始面部图像与面部增强视频中对应的增强面部图像共同作为输入，使用神经网络分别计算两者的深度特征，通过计算两者深度特征的余弦距离来表示其特征距离，对于原始面部图像与对应的增强面部图像的特征距离较大者，认为其出现了不合理的增强(如生成式瑕疵、色偏等)，对该部分结果做合理的过滤。然后可将虚焦检测结果与特征比对结果进行加权，得到该面部增强结果的质量综合得分，即为增强质量信息。
134.步骤708，对视频中的目标面部进行追踪，确定所述目标面部的增强质量综合信息。
135.其中，所述对所述视频中的目标面部进行追踪，确定所述目标面部的增强质量综合信息，包括：确定目标面部所属的追踪器，其中，每个目标面部对应一个追踪器；将所述目标面部的增强质量信息输入到所述追踪器中进行平滑处理，确定所述目标面部的增强质量综合信息。
136.其中，还可根据所述增强质量综合信息确定所述目标面部的增强参数；依据所述增强参数对原始视频数据中目标面部进行增强处理。还可以通过第二接口将增强参数发送给用户，以便用户查看。还可给出一段视频或几帧图像作为预览图像，以便用户了解增强效果。还可提供相应的调整控件，响应于对调整控件的触发，调整所述增强参数，然后通过第一接口发送增强参数给服务端，以便调整增强视频的增强程度。以及通过第二接口发送增强视频数据给用户，从而用户可在页面中观看该增强视频数据。
137.因此可通过第一接口获取原始视频数据；对所述原始视频数据进行增强处理，确定面部增强视频数据；将所述原始视频数据和面部增强视频数据中对应的图像帧构成图像对；对所述图像对的两帧图像中按照目标面部进行比对，确定所述目标面部的增强质量信息；对视频中的目标面部进行追踪，确定所述目标面部的增强质量综合信息；根据所述增强质量综合信息，调整所述原始视频数据中目标面部进行增强处理操作，确定调整后的面部增强视频数据；通过第二接口输出所述调整后的面部增强视频数据。
138.可以对视频中的面部进行追踪，并将同一面部时序上的质量得分进行平滑，以保证视频面部增强在时域上的稳定性。可维护多个追踪器，每个追踪器表示时域上的同一面部，当新的一帧面部信息输入该模块时，计算该面部位置与各追踪器的距离，并使用新的位置信息更新距离最近的面部追踪器，同时计算该面部与前序的多张的质量评分平均值来作为该面部的质量评分，通过该质量评分对原始视频数据与增强视频数据做合理的加权，最终输出该帧人脸增强结果。在整个视频上重复同一流程，就得到了面部增强的视频化结果。
139.通过上述过程，可以将输入的高清或标清视频，进行面部增强视频化生产过程，得到合理且稳定的面部增强视频结果。
140.本技术实施例可以对于虚焦人脸及运动模糊人脸，可使用拉普拉斯变换来表示图
像的边缘模糊程度，从而对该部分人脸增强结果做相应的过滤，从而避免了不合理的人脸增强。对于人脸与背景融合不自然的人脸增强结果，本方案采用特征比对的方法来表示增强人脸图像与原人脸图像的差异，差异过大则认为出现了生成式瑕疵、偏色等，增强人脸结果不合理，并对该部分做相应过滤。对于人脸增强效果帧间不连续的问题，本方案采用了人脸跟踪并对质量评分在时域上做平滑的方案，有效避免了在帧间不连续的现象。
141.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术实施例并不受所描述的动作顺序的限制，因为依据本技术实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本技术实施例所必须的。
142.在上述实施例的基础上，本实施例还提供了一种视频质量分析装置，应用于终端设备、服务端(集群)的电子设备中。终端设备可为手机、平板电脑等设备，也可为3d 显示设备如vr设备、ar设备等，vr设备如vr眼镜、vr头盔等。
143.视频获取模块，用于确定原始视频数据和增强视频数据，所述增强视频数据为对原始视频数据中目标对象进行增强处理得到。
144.图像对确定模块，用于将所述原始视频数据和增强视频数据中对应的图像帧构成图像对。
145.比对模块，用于对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息。
146.追踪分析模块，用于对视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息。
147.综上，可以将所述原始视频数据和增强视频数据中对应的图像帧构成图像对，然后对所述图像对的两帧图像中按照目标对象进行比对，确定所述目标对象的增强质量信息，可以对增强视频中各图像的增强质量进行检测，还可对视频中的目标对象进行追踪，确定所述目标对象的增强质量综合信息，对视频中目标对象的增强质量进行追踪，从而准确分析视频的增强质量。
148.可选的，所述比对模块，用于从所述图像对的两帧图像中分别提取至少一个目标对象的目标对象图像，构成目标对象的图像对；按照目标对象对所述目标对象的图像对进行对比，确定所述目标对象的增强质量信息。
149.可选的，所述比对模块，用于对所述目标对象的图像对进行虚焦检测，确定第一质量信息；对所述目标对象的图像对进行特征匹配，确定第二质量信息；对所述第一质量信息和第二质量信息进行加权，确定所述目标对象的增强质量信息。
150.可选的，所述比对模块，用于对原始视频数据中目标对象的图像进行模糊检测，确定边缘模糊信息；依据所述边缘模糊信息确定第一质量信息。
151.可选的，所述比对模块，用于对所述目标对象的图像对分别进行特征检测，确定对应的原始对象特征和增强对象特征；确定所述原始对象特征和增强对象特征的特征距离；依据所述特征距离确定第二质量信息。
152.可选的，所述追踪分析模块，用于确定目标对象所属的追踪器，其中，每个目标对象对应一个追踪器；将所述目标对象的增强质量信息输入到所述追踪器中进行平滑处理，
确定所述目标对象的增强质量综合信息。
153.可选的，还包括：调整模块，用于根据所述增强质量综合信息确定所述目标对象的增强参数；依据所述增强参数对原始视频数据中目标对象进行增强处理。
154.以应用于saas场景为例，所述视频获取模块，用于通过第一接口获取原始视频数据；对所述原始视频数据进行增强处理，确定增强视频数据。还包括：输出模块，用于通过第二接口输出所述调整后的增强视频数据。
155.本技术实施例可以对于虚焦对象及运动模糊对象，可使用拉普拉斯变换来表示图像的边缘模糊程度，从而对该部分对象增强结果做相应的过滤，从而避免了不合理的对象增强。对于对象与背景融合不自然的增强结果，本方案采用特征比对的方法来表示增强对象图像与原始对象图像的差异，差异过大则认为出现了生成式瑕疵、偏色等，增强对象结果不合理，并对该部分做相应过滤。对于对象增强效果帧间不连续的问题，本方案采用了对象跟踪并对质量评分在时域上做平滑的方案，有效避免了在帧间不连续的现象。
156.以应用于面部增强场景为例，所述视频获取模块，用于确定原始视频数据和面部增强视频数据，所述面部增强视频数据为对原始视频数据中目标面部进行增强处理得到；图像对确定模块，用于将所述原始视频数据和面部增强视频数据中对应的图像帧构成图像对；比对模块，用于对所述图像对的两帧图像中按照目标面部进行比对，确定所述目标面部的增强质量信息；追踪分析模块，用于对视频中的目标面部进行追踪，确定所述目标面部的增强质量综合信息。
157.本技术实施例可以对于虚焦人脸及运动模糊人脸，可使用拉普拉斯变换来表示图像的边缘模糊程度，从而对该部分人脸增强结果做相应的过滤，从而避免了不合理的人脸增强。对于人脸与背景融合不自然的人脸增强结果，本方案采用特征比对的方法来表示增强人脸图像与原人脸图像的差异，差异过大则认为出现了生成式瑕疵、偏色等，增强人脸结果不合理，并对该部分做相应过滤。对于人脸增强效果帧间不连续的问题，本方案采用了人脸跟踪并对质量评分在时域上做平滑的方案，有效避免了在帧间不连续的现象。
158.本技术实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本技术实施例中各方法步骤的指令(instructions)。
159.本技术实施例提供了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的方法。本技术实施例中，所述电子设备包括终端设备、服务器(集群)等各类型的设备。
160.本技术实施例还公开了一种3d显示设备，如vr设备、ar设备等，该3d显示设备包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如本技术实施例所述的方法。
161.本公开的实施例可被实现为使用任意适当的硬件，固件，软件，或及其任意组合进行想要的配置的装置，该装置可包括数据中心内的终端设备、服务器(集群)等电子设备。图8示意性地示出了可被用于实现本技术中所述的各个实施例的示例性装置800。
162.对于一个实施例，图8示出了示例性装置800，该装置具有一个或多个处理器802、被耦合到(一个或多个)处理器802中的至少一个的控制模块(芯片组)804、被耦合到控制模块804的存储器806、被耦合到控制模块804的非易失性存储器(nvm)/存储设备 808、被耦合
到控制模块804的一个或多个输入/输出设备810，以及被耦合到控制模块 804的网络接口812。
163.处理器802可包括一个或多个单核或多核处理器，处理器802可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中，装置800能够作为本技术实施例中所述终端设备、服务器(集群)等设备。
164.在一些实施例中，装置800可包括具有指令814的一个或多个计算机可读介质(例如，存储器806或nvm/存储设备808)以及与该一个或多个计算机可读介质相合并被配置为执行指令814以实现模块从而执行本公开中所述的动作的一个或多个处理器802。
165.对于一个实施例，控制模块804可包括任意适当的接口控制器，以向(一个或多个) 处理器802中的至少一个和/或与控制模块804通信的任意适当的设备或组件提供任意适当的接口。
166.控制模块804可包括存储器控制器模块，以向存储器806提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
167.存储器806可被用于例如为装置800加载和存储数据和/或指令814。对于一个实施例，存储器806可包括任意适当的易失性存储器，例如，适当的dram。在一些实施例中，存储器806可包括双倍数据速率类型四同步动态随机存取存储器(ddr4sdram)。
168.对于一个实施例，控制模块804可包括一个或多个输入/输出控制器，以向nvm/存储设备808及(一个或多个)输入/输出设备810提供接口。
169.例如，nvm/存储设备808可被用于存储数据和/或指令814。nvm/存储设备808可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(hdd)、一个或多个光盘(cd)驱动器和/或一个或多个数字通用光盘(dvd)驱动器)。
170.nvm/存储设备808可包括在物理上作为装置800被安装在其上的设备的一部分的存储资源，或者其可被该设备访问可不必作为该设备的一部分。例如，nvm/存储设备 808可通过网络经由(一个或多个)输入/输出设备810进行访问。
171.(一个或多个)输入/输出设备810可为装置800提供接口以与任意其他适当的设备通信，输入/输出设备810可以包括通信组件、音频组件、传感器组件等。网络接口812可为装置800提供接口以通过一个或多个网络通信，装置800可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入基于通信标准的无线网络，如wifi、2g、3g、4g、5g等，或它们的组合进行无线通信。
172.对于一个实施例，(一个或多个)处理器802中的至少一个可与控制模块804的一个或多个控制器(例如，存储器控制器模块)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器802中的至少一个可与控制模块804的一个或多个控制器的逻辑封装在一起以形成系统级封装(sip)。对于一个实施例，(一个或多个)处理器802中的至少一个可与控制模块804的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器802中的至少一个可与控制模块804的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(soc)。
173.在各个实施例中，装置800可以但不限于是：服务器、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例
中，装置800可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，装置800包括一个或多个摄像机、键盘、液晶显示器(lcd)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(asic)和扬声器。
174.其中，检测装置中可采用主控芯片作为处理器或控制模块，传感器数据、位置信息等存储到存储器或nvm/存储设备中，传感器组可作为输入/输出设备，通信接口可包括网络接口。
175.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
176.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
177.本技术实施例是参照根据本技术实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
178.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
179.这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
180.尽管已描述了本技术实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术实施例范围的所有变更和修改。
181.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
182.以上对本技术所提供的一种视频质量分析方法、一种基于视频的处理方法、一种终端设备和一种机器可读介质，进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上
均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。