视频主观质量评价工具:MSU Perceptual Video Quality tool

简介:

MSU Perceptual Video Quality tool是莫斯科国立大学(Moscow State University)的Graphics and Media Lab制作的一款视频主观评价工具。使用起来比較方便。近期这段时间赶上毕设须要大量的主观评价试验。使用了一阵子这个软件。感觉还是挺方便的。记录一下它的用法。

软件地址:http://www.compression.ru/video/quality_measure/perceptual_video_quality_tool_en.html 


1.       软件的特性

(1)      6种主观评价方法(当中有4种来自于ITU-R BT.500标准)。包含:

l  DSIS (Double Stimulus Impairment Scale,双激励损伤量表)

l  DSCQS (Double Stimulus Continuous Quality Scale。双激励连续质量量表) type I and type II

l  SCACJ (Stimulus Comparison Adjectival Categorical Judgement)

l  EBU SAMVIQ (Subjective Assessment Method for Video Quality evaluation)

l  MSUCQE (MSU Continuous Quality Evaluation)

注:主观评价方法具体介绍參考:视频主观质量评价方法

(1)      3种统计结果的方法

(2)      支持.avi文件和.avs文件

(3)      结果保存为csv格式文件

 

2.       用法

软件分为2个部分:

"MSU Perceptual Video Quality - task manager":任务管理器。用于实验设计人员设置实验。

"MSU Perceptual Video Quality - player":播放器。用被測人员參与试验。

普通情况下先使用task manager设置实验。然后使用player进行实验。

总体使用流程例如以下:

(a)       选择原始序列(一般为YUV,RGB或者其它非压缩格式)

(b)       选择受损序列(能够是YUV等非压缩格式,也能够是H264这种压缩码流)

(c)       选择測试使用的主观评价方法(即如何对照原始序列和受损序列)

(d)       寻找实验人员。做实验

(e)       统计实验结果

 

以下分别介绍两个软件。

(1)       MSU Perceptual Video Quality - task manager

软件执行后的截图如图所看到的。

对于新用户,首先给task取一个名称。注意,本软件对中文支持有问题。因此有些名称的task是无法保存的。

因此起名字的时候须要使用英文,而且尝试是否能保存。

后文关于此问题有具体的叙述。

然后,单击任务列表下方的“Add file”加入原始序列和參考序列。加入完毕后,全部序列会列在任务列表中。

此时须要选择一个序列作为參考序列(即原始序列)。

单击列表中序列后,再单击“Set task reference”就可以。

最后,在软件的左下方选择主观评价的实验方法。设置完毕后,单击“Save task”,保存任务文件就能够了。

 

(2)      MSU Perceptual Video Quality - player

软件执行后,首先输入測试人员的姓名。然后选择任务文件(*.tsk)进行主观评价。


以下简单展示以一下几种经常使用的主观评价方法。

(a)       DSIS(Double Stimulus Impairment Scale,双激励损伤量表)

最基础的视频主观质量评价方法。

受測者每次观看原始參考视频和受损视频组成的“视频对”,而且每次总是先观看原始參考视频。然后观看受损视频。

评分採用5分制失真測度。下图分别显示了观看參考视频和受损视频时候的截图。由图可见。软件的下方还包括了控制视频播放的各个button。



每看完一组“视频对”之后,会弹出对话框要求对受损视频进行打分。

假设没看清楚。能够单击“Watch Again”。打分採用5分制。如图所看到的。


(b)       DSCQS (Double Stimulus Continuous Quality Scale,双激励连续质量量表) type I

受測者每次观看原始參考视频和失真视频组成的“视频对”,但与DSIS不同的是,原始參考视频和失真视频的显示顺序是随机的,而且受測者对每一个“视频对”中两幅视频的质量都进行打分。须要注意的是DSCQS本身要求打分取值是连续的,可是本软件眼下实现的是5分制。

软件中DSCQS有2种。当中 type I是每次显示一个视频,測试人员能够在视频播放的随意时刻,按键盘上的“Tab”键在原始序列和受损序列之间切换。用于查看两个序列之间的差别。


播放完毕之后,须要对两个序列都进行打分。如图所看到的。


(c)       DSCQS (Double Stimulus Continuous Quality Scale,双激励连续质量量表) type II

DSCQS的type II是每次同一时候显示两个视频,其它方面和DSCQS I是一样的。

如图所看到的。

 

3.       其他须要注意的地方

(1)      实验环境

主观评价须要一定的实验环境,比如灯光这些条件。

因此做主观评价的时候。须要先选定合适的实验环境。


(2)      批量实验

当须要做多个实验的时候(即有多个tsk文件),能够在软件文件夹下新建一个批处理.bat文件,加入下面内容

"MSU perceptual video quality player.exe" "c:\tasks\task1.tsk" "c:\tasks\task2.tsk" "c:\tasks\task3.tsk"

运行该批处理文件。測试人员就可以依照task1.tsk。task2.tsk ,task3.tsk的顺序进行实验。

(3)      色盲

有色盲的測试人员可能会干扰到实验结果。本软件提供了监測色盲的功能。在软件文件夹下新建一个批处理.bat文件,加入下面内容

"MSU perceptual video quality player.exe" -c

运行该批处理文件就可以检查測试人员是否有色盲。截图例如以下所看到的。


4.       使用中可能的问题

下面是自己使用过程中出现的问题,总结一二。

(1)      task manager 中task的命名问题

本软件对中文支持有问题,因此起名字的时候须要使用英文。

可是虽然使用了英文,有的时候依旧不能保存。

这是一个比較棘手的问题,经过多次尝试,总结出了一些经验。

保存的时候,任务名称为“asd”的时候。可能弹出以下对话框:


后面的问号(有时候是乱码)是不合法的字符。可是实际上我们并没有输入这个字符。我的认为可能是保存任务名的内存没有清0导致的,因此,后面有几个乱码字符。我们就在任务名后面加入几个字符,这样就能够覆盖掉非法字符了。比如我们把“asdf”改为“asdff”。发现就能够保存了(注意:有的时候可能要反重复复好几次。可是最后肯定能保存)。

 

(2)      task manager中无法加入AVI文件。

本软件仅仅支持AVI封装格式的视频文件。

所以不管什么測试视频都要转换为AVI封装格式才干被软件识别。注意本软件的測试序列并不限于原始数据序列(YUV,RGB等),也能够使用压缩编码序列(h264,mpeg4等)。

在这里能够使用FFmpeg对測试序列进行封装。注意一定要使用“-vcodec copy”參数,这样才干保证在不改变编码方式的情况下封装视频数据。否则会导致视频又一次编码从而影响到视频的质量。以下举几个样例。

H264码流封装成AVI:

ffmpeg -i src11_480x272.264 -vcodec copy src11_480x272.avi

YUV420P数据封装成AVI:

ffmpeg -s 480x272 -i src11_480x272.yuv -vcodec copy src11_480x272.avi

(3)      player播放AVI文件失败。

本软件中的播放器是基于DirectShow的,所以须要安装对应的解码器才干保证能够播放AVI文件里的码流。在这里介绍一个最简单并且通用的方法:下载安装一个《终极解码》软件。

《终极解码》附带了大量的解码器,足够用了。

当然。安装其他解码器软件也能够解决这个问题。

 







本文转自mfrbuaa博客园博客,原文链接:http://www.cnblogs.com/mfrbuaa/p/5199310.html,如需转载请自行联系原作者

相关文章
|
7月前
|
人工智能 自然语言处理 异构计算
Stability AI发布基于稳定扩散的音频生成模型Stable Audio
近日Stability AI推出了一款名为Stable Audio的尖端生成模型,该模型可以根据用户提供的文本提示来创建音乐。
107 1
|
4月前
|
人工智能 Windows
Real-ESRGAN高清修复
Real-ESRGAN高清修复
51 0
|
11月前
|
算法 数据挖掘 计算机视觉
ECCV2022 Oral | 全新Ancho-free检测模型ObjectBox,120FPS超越OTA、TOOD等(一)
ECCV2022 Oral | 全新Ancho-free检测模型ObjectBox,120FPS超越OTA、TOOD等(一)
134 0
|
11月前
|
数据可视化 计算机视觉
ECCV2022 Oral | 全新Ancho-free检测模型ObjectBox,120FPS超越OTA、TOOD等(二)
ECCV2022 Oral | 全新Ancho-free检测模型ObjectBox,120FPS超越OTA、TOOD等(二)
72 0
|
11月前
|
存储 搜索推荐 iOS开发
iOS MachineLearning 系列(15)—— 可进行个性化更新的CoreML模型
上一篇文章,介绍了使用官方提供的CoreML模型来实现手写数字识别。其实,更多时候我们需要一个更加个性化的模型,对于手写图像来说,每个人的写法可能风格各异,如果可以在用户的使用过程中不断的更新模型,适应更加个性化的场景,就更完美了。幸运的是,CoreML正提供了这样的功能。我们可以创建一个可更新的模型来实现个性化Learning,同样,本文暂无设计模型的训练,我们通过官方的UpdatableDrawingClassifier模型来演示可更新模型的使用。
214 0
|
11月前
|
机器学习/深度学习 人工智能 API
iOS MachineLearning 系列(14)—— 使用官方模型进行预测
本系列的前面文章,详细介绍了iOS原生框架中提供的与AI相关的API的使用,使用这些API基本可以满足大多视觉,文字,语音等通用化的AI需求。但是这些API并不是万能的,对于某些定制化较强的需求,这些内置的模型可能并不能满足需求。这时就需要涉及到我们本系列文章的核心了:Core ML。Core ML是iOS种提供的Machine Learning相关框架,配套的还有训练模型的开发者工具。
8036 0
|
11月前
|
数据可视化 数据挖掘 数据格式
跟着Nature Communications学作图:synvisio在线工具展示MCScanX共线性分析的结果
跟着Nature Communications学作图:synvisio在线工具展示MCScanX共线性分析的结果
|
12月前
|
iOS开发
iOS MachineLearning 系列(7)—— 图片相似度分析
图片相似度分析是Vision框架中提供的高级功能。其本质是计算图片的特征值,通过特征值的比较来计算出图片特征差距,从而可以获取到图片的相似程度。在实际应用中,图片的相似度分析有着广泛的应用。如人脸对比识别,相似物品的搜索和识别等。
317 0
|
人工智能 算法 人机交互
基于内容的图像检索系统 课设总结分析 01 Image retrieval Pipeline
基于内容的图像检索系统 课设总结分析 01 Image retrieval Pipeline
111 0
基于内容的图像检索系统 课设总结分析 01 Image retrieval Pipeline
|
编解码 算法 ice
Google Earth Engine(GEE)——MOD10A1 V6 Snow Cover Daily Global 500m积雪、积雪反照率、部分积雪和质量评估 (QA) 数据
Google Earth Engine(GEE)——MOD10A1 V6 Snow Cover Daily Global 500m积雪、积雪反照率、部分积雪和质量评估 (QA) 数据
233 0
Google Earth Engine(GEE)——MOD10A1 V6 Snow Cover Daily Global 500m积雪、积雪反照率、部分积雪和质量评估 (QA) 数据

热门文章

最新文章