无码&流畅的视频直播监控体系

正文

请到「今天看啥」查看全文

主观评价就是由评价人员按照一定打分标准，对目标视频进行打分。

无论是哪一种方式，在大规模全民互动直播场景下，都显得捉襟见肘。这里我们建立了一个通过主观评价方式对一个相对小的视频集合进行分类标注，然后用机器学习的办法提取出模型，再扩展到对所有视频对象进行自动评价打分的方案，相应的建立了一个采样和分析的服务器集群，对花椒全网的频道进行自动画质监控。

架构

1

逻辑结构

采样层：

视频本质上是由一帧一帧的连续图片组成的，所以通过提取场景关键帧的方式来代表某个时间段内的视频是一种普适的视频分析方法。我们也采用定期的方式（2~4s）从视频流里获取关键帧截图。然后将其交给分析层做进一步处理。

分析层：

预先通过机器学习的办法，得到一个训练过的模型，针对每一个输入的图片，套用模型分析处理，可以得到分类结果，这就是我们的自动评分。将评分结果交给业务处理层做进一步处理。

业务处理层：

由于分析层给出的只是某一小段时间的静止的场景判断结果，而实际情况下，视频又是一个由连续和不断变化的场景组成的集合，所以只靠一两次的识别结果进行判断，会有较大的误差。通过在业务层为每个视频流增加一个历次结果cache滑动窗口，缓存最近一段时间的结果，然后每收到一个新的分析结果，就按照预设算法，重新计算一次整个视频的质量判别结果，得到一个新的基于本视频流的评分。从而平滑了机器学习算法的误差，得到一个更为稳定的输出。

请到「今天看啥」查看全文