(19)國家知識(shí)產(chǎn)權(quán)局施一帆蔡磊龔鑫榮林琦 有限公司35204專利代理師李艾華GO6V20/40(2022.01)基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)方法本發(fā)明公開了基于頻率特征的沉浸式視頻S2,構(gòu)建包括局部頻率特征提取模塊、全局頻率和質(zhì)量回歸模塊的沉浸式視頻質(zhì)量評(píng)價(jià)模型；S3,利用獲取的各沉浸式視頻序列對(duì)沉浸式視頻頻質(zhì)量評(píng)價(jià)模型；S4,利用訓(xùn)練好的沉浸式視頻質(zhì)量評(píng)價(jià)模型對(duì)待評(píng)價(jià)的沉浸式視頻進(jìn)行質(zhì)量分_S1_S22S1,獲取參考沉浸式視頻和失真沉浸式視頻；所述參考沉浸式視頻包括參考紋理視頻序列和參考深度視頻序列，所述失真沉浸式視頻包括失真紋理視頻序列和失真深度視頻序所述局部頻率特征提取模塊包括第一局部頻率特征提取單元和第二局部頻率特征提以參考紋理視頻序列和失真紋理視頻序列為第一組輸入；以參考深度視頻序列和失真所述特征差模塊，分別將特征增強(qiáng)模塊的各組輸出的兩個(gè)特S3,利用參考沉浸式視頻和失真沉浸式視頻對(duì)沉浸式視頻質(zhì)量評(píng)價(jià)模型進(jìn)行訓(xùn)練，得S4,將待評(píng)價(jià)的沉浸式視頻輸入訓(xùn)練好的沉浸式視頻質(zhì)量評(píng)價(jià)模型，得到沉浸式視頻第一局部頻率特征提取單元和第二局部頻率特征提取單元均采用3D-Gabor濾波器的奇部第一全局頻率特征提取單元和第二全局頻率特征提取單元均采用3D-FFT變換進(jìn)行頻域變3換得到頻譜圖，對(duì)頻譜圖進(jìn)行頻譜中心化和log壓縮處理，再使用三維帶通巴特沃斯濾波器從處理后的頻譜圖中提取全局頻率特征；所述3D-FFT變換的計(jì)算公式表示為：示時(shí)間頻率，M、N和T分別表示頻域相應(yīng)的三個(gè)維度u、V和W的長度；V(x,y,t)表示輸入所述三維帶通巴特沃斯濾波器的公式表示為：其中，M,表示三維帶通巴特沃斯濾波器；D表示三維網(wǎng)格的歐式距離，D?和D?表示截4.根據(jù)權(quán)利要求1所述的基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)方法，其特征在于，各特5.根據(jù)權(quán)利要求1所述的基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)方法，其特征在于，所述頻率特征差模塊的實(shí)現(xiàn)具體如下：將第一組質(zhì)量特征中的參考紋理視頻序列的局部頻率質(zhì)量特征和失真紋理視頻序列的局部頻率質(zhì)量特征進(jìn)行相減操作，如下式所示：其中，Tnn(x,y,t)表示參考紋理視頻序列的局部頻率質(zhì)量特征；Tcm(x,y,t)表示失真紋理視頻序列的局部頻率質(zhì)量特征；T(x,y,t)表示進(jìn)行相減操作后的紋理視頻序列的局部頻率質(zhì)量特征；||表示絕對(duì)值；(x,y,t)表示原坐標(biāo)，x和Y分別表示空間坐標(biāo)的橫坐標(biāo)和縱坐將第二組質(zhì)量特征中的參考紋理視頻序列的全局頻率質(zhì)量特征和失真紋理視頻序列的全局頻率質(zhì)量特征進(jìn)行相減操作，如下式所示：其中，Dcn(x,y,t)表示參考紋理視頻序列的全局頻率質(zhì)量特征；Dc(x,y,t)表示失真紋理視頻序列的全局頻率質(zhì)量特征；D(x,y,t)表示進(jìn)行相減操作后的紋理視頻序列的全局頻率質(zhì)量特征；將第三組質(zhì)量特征中的參考深度視頻序列的局部頻率質(zhì)量特征和失真深度視頻序列的局部頻率質(zhì)量特征進(jìn)行相減操作，如下式所示：4度視頻序列的局部頻率質(zhì)量特征；P(x,y,t)表示進(jìn)行相減操作后的深度視頻序列的局部頻將第四組質(zhì)量特征中的參考深度視頻序列的全局頻率質(zhì)量特征和失真深度視頻序列度視頻序列的全局頻率質(zhì)量特征；L(x,y,t)表示進(jìn)行相減操作后的深度視頻序I(x,y,t)=ψ{T(x,y,t),D(x,y,t),P(x,y,t視頻獲取模塊，用于獲取參考沉浸式視頻和失真沉浸式視頻；所述參考沉浸式視頻包視頻質(zhì)量評(píng)價(jià)模型構(gòu)建模塊，用于構(gòu)建包括局部頻率特征提取所述局部頻率特征提取模塊包括第一局部頻率特征提取單元和第二局部頻率特征提5提取單元；所述特征增強(qiáng)模塊包括第一特征增強(qiáng)單元、第二特征增強(qiáng)單元、第三特征增強(qiáng)單元和第四特征增強(qiáng)單元；以參考紋理視頻序列和失真紋理視頻序列為第一組輸入；以參考深度視頻序列和失真深度視頻序列為第二組輸入；第一組輸入在第一局部頻率特征提取單元進(jìn)行局部頻率特征提取后，經(jīng)過第一特征增強(qiáng)模塊單元進(jìn)行特征加強(qiáng)并輸出第一組質(zhì)量特征；第一組輸入在第一全局頻率特征提取單元進(jìn)行全局頻率特征提取后，經(jīng)過第二特征增強(qiáng)模塊單元進(jìn)行特征加強(qiáng)并輸出第二組質(zhì)量特征；第二組輸入在第二局部頻率特征提取單元進(jìn)行局部頻率特征提取后，經(jīng)過第三特征增強(qiáng)模塊單元進(jìn)行特征加強(qiáng)并輸出第三組質(zhì)量特征；第二組輸入在第二全局頻率特征提取單元進(jìn)行全局頻率特征提取后，經(jīng)過第四特征增強(qiáng)模塊單元進(jìn)行特征加強(qiáng)并輸出第四組質(zhì)量特征；所述特征差模塊，分別將特征增強(qiáng)模塊的各組輸出的兩個(gè)特征進(jìn)行相減，得到四個(gè)特征差并進(jìn)行融合，得到融合特征并輸出；所述質(zhì)量回歸模塊，對(duì)輸入的融合特征進(jìn)行質(zhì)量回歸得到質(zhì)量分?jǐn)?shù)并輸出；模型訓(xùn)練模塊，用于利用參考沉浸式視頻和失真沉浸式視頻對(duì)沉浸式視頻質(zhì)量評(píng)價(jià)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的沉浸式視頻質(zhì)量評(píng)價(jià)模型；視頻質(zhì)量評(píng)價(jià)模塊，用于將待評(píng)價(jià)的沉浸式視頻輸入訓(xùn)練好的沉浸式視頻質(zhì)量評(píng)價(jià)模型，得到沉浸式視頻質(zhì)量評(píng)分。一個(gè)或多個(gè)處理器；存儲(chǔ)裝置，用于存儲(chǔ)一個(gè)或多個(gè)程序，當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)如權(quán)利要求1-6中任一所述的方法。9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-6中任一所述的方法。10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-6中任一所述的方法。6技術(shù)領(lǐng)域[0001]本發(fā)明涉及視頻評(píng)價(jià)領(lǐng)域，尤其涉及基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)方法及裝置。背景技術(shù)[0002]隨著虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)和全景視頻技術(shù)的發(fā)展，沉浸式視頻已成為影視、游戲、遠(yuǎn)程教育、醫(yī)療和遠(yuǎn)程協(xié)作等多個(gè)領(lǐng)域的重要應(yīng)用形式。與傳統(tǒng)的2D視頻相比，沉浸式視頻能夠提供更強(qiáng)的沉浸感和交互體驗(yàn)，使用戶能夠從多個(gè)視角自由探索三維場(chǎng)景，獲得更加真實(shí)和動(dòng)態(tài)的視覺體驗(yàn)。[0003]在沉浸式視頻的采集、編碼、傳輸、渲染和顯示等不同處理階段，不可避免地會(huì)受會(huì)顯著降低用戶的觀看體驗(yàn)。因此，開發(fā)一種有效、準(zhǔn)確的沉浸式視頻質(zhì)量評(píng)估方法，以優(yōu)化沉浸式視頻的視覺質(zhì)量，并提高相關(guān)應(yīng)用的性能具有重要的理論研究意義和實(shí)際應(yīng)用價(jià)值。發(fā)明內(nèi)容[0004]針對(duì)以上問題，本發(fā)明提出了基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)方法及裝置，使用3D-Gabor濾波器進(jìn)行局部頻率特征提取，使用三維帶通巴特沃斯濾波器進(jìn)行全局頻率特征提取，利用基于3D-CNN的特征增強(qiáng)模塊進(jìn)行特征增強(qiáng)，采用局部頻率特征和全局頻率特征相融合的策略，有效利用沉浸式視頻中空間紋理和深度信息，能準(zhǔn)確地進(jìn)行沉浸式視頻質(zhì)量評(píng)估。[0005]第一方面，基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)方法，具體步驟如下：[0006]S1,獲取參考沉浸式視頻和失真沉浸式視頻；所述參考沉浸式視頻包括參考紋理視頻序列和參考深度視頻序列，所述失真沉浸式視頻包括失真紋理視頻序列和失真深度視頻序列；[0007]S2,構(gòu)建包括局部頻率特征提取模塊、全局頻率特征提取模塊、特征增強(qiáng)模塊、頻率特征差模塊和質(zhì)量回歸模塊的沉浸式視頻質(zhì)量評(píng)價(jià)模型；[0008]所述局部頻率特征提取模塊包括第一局部頻率特征提取單元和第二局部頻率特征提取單元；所述全局頻率特征提取模塊包括第一全局頻率特征提取單元和第二全局頻率特征提取單元；所述特征增強(qiáng)模塊包括第一特征增強(qiáng)單元、第二特征增強(qiáng)單元、第三特征增強(qiáng)單元和第四特征增強(qiáng)單元；[0009]以參考紋理視頻序列和失真紋理視頻序列為第一組輸入；以參考深度視頻序列和失真深度視頻序列為第二組輸入；第一組輸入在第一局部頻率特征提取單元進(jìn)行局部頻率特征提取后，經(jīng)過第一特征增強(qiáng)模塊單元進(jìn)行特征加強(qiáng)并輸出第一組質(zhì)量特征；第一組輸入在第一全局頻率特征提取單元進(jìn)行全局頻率特征提取后，經(jīng)過第二特征增強(qiáng)模塊單元進(jìn)行特征加強(qiáng)并輸出第二組質(zhì)量特征；第二組輸入在第二局部頻率特征提取單元進(jìn)行局部頻7[0012]S3,利用參考沉浸式視頻和失真沉浸式視頻對(duì)沉浸式視頻質(zhì)量評(píng)價(jià)模型進(jìn)行訓(xùn)[0013]S4,將待評(píng)價(jià)的沉浸式視頻輸入訓(xùn)練好的沉浸式視頻質(zhì)量評(píng)價(jià)模型，得到沉浸式[0014]優(yōu)選的，所述第一局部頻率特征提取單元和第二局部頻率特征提取單元均采用[0017]優(yōu)選的，所述第一全局頻率特征提取單元和第二全局頻率特征提取單元均采用8[0025]將第一組質(zhì)量特征中的參考紋理視頻序列的局部頻率質(zhì)量特征和失真紋理視頻真紋理視頻序列的局部頻率質(zhì)量特征；T(x,y,t)表示進(jìn)行相減操作后的紋理視頻序列的局[0028]將第二組質(zhì)量特征中的參考紋理視頻序列的全局頻率質(zhì)量特征和失真紋理視頻失真紋理視頻序列的全局頻率質(zhì)量特征；D(x,y,[0031]將第三組質(zhì)量特征中的參考深度視頻序列的局部頻率質(zhì)量特征和失真深度視頻[0034]將第四組質(zhì)量特征中的參考深度視頻序列的全局頻率質(zhì)量特征和失真深度視頻真深度視頻序列的全局頻率質(zhì)量特征；L(x,y,t)表示進(jìn)行相減操作后的深度視頻序列的全[0038]I(x,y,t)=4{T(x,y,t),D(x,y,t)9[0043]其中，Q表示第i個(gè)沉浸式視頻序列的質(zhì)量得分，I(x,y,t)表示第i個(gè)沉浸式視頻[0044]對(duì)所有N個(gè)沉浸式視頻序列的質(zhì)量得分進(jìn)行平均，得到整個(gè)沉浸式視頻的總體得[0050]所述局部頻率特征提取模塊包括第一局部頻率特征提取單元和第二局部頻率特行特征加強(qiáng)并輸出第二組質(zhì)量特征；第二組輸入在第二局部頻率特征提取單元[0057]第四方面，一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面中任一實(shí)現(xiàn)方式描述的方法。[0058]第五方面，本發(fā)明提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面中任一實(shí)現(xiàn)方式描述的方法。[0060](1)本發(fā)明提出的基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)方法采用局部頻率特征和全局頻率特征相融合的策略，該策略有效利用沉浸式視頻中空間紋理和深度信息，建模了人眼視覺系統(tǒng)在不同屬性區(qū)域的感知差異，提高客觀質(zhì)量評(píng)價(jià)與主觀感知的一致性。[0061](2)本發(fā)明提出的基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)方法中的基于3D-CNN的特征增強(qiáng)模塊，通過三維卷積神經(jīng)網(wǎng)絡(luò)的自適應(yīng)優(yōu)化處理沉浸式視頻的局部頻率特征和全局頻率特征，對(duì)有效頻率特征信息進(jìn)行特征增強(qiáng)，提高視頻分析的精度。附圖說明[0062]下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)說明；[0063]圖1為本發(fā)明實(shí)施例的基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)方法的流程圖；[0064]圖2為本發(fā)明實(shí)施例的基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)方法的沉浸式視頻質(zhì)量評(píng)價(jià)模型的結(jié)構(gòu)示意圖；[0065]圖3為本發(fā)明實(shí)施例的基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)裝置的結(jié)構(gòu)框圖；[0066]圖4為本發(fā)明實(shí)施例提供的電子設(shè)備的硬件結(jié)構(gòu)示意圖。具體實(shí)施方式[0067]以下通過具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步的描述。[0069]S1,獲取參考沉浸式視頻和失真沉浸式視頻；所述參考沉浸式視頻包括參考紋理視頻序列和參考深度視頻序列，所述失真沉浸式視頻包括失真紋理視頻序列和失真深度視頻序列。[0070]參考紋理視頻序列為原始未失真的彩色視頻幀按時(shí)間順序排列的集合，參考深度視頻序列為與參考紋理視頻時(shí)間對(duì)齊的深度幀序列，失真紋理視頻序列為經(jīng)過壓縮、傳輸或處理后質(zhì)量下降的紋理幀序列，與參考紋理視頻序列時(shí)間對(duì)齊，失真深度視頻序列為經(jīng)過壓縮、傳輸或處理后質(zhì)量下降的深度幀序列，與參考深度視頻序列時(shí)間對(duì)齊。[0071]S2,構(gòu)建包括局部頻率特征提取模塊、全局頻率特征提取模塊、特征增強(qiáng)模塊、頻率特征差模塊和質(zhì)量回歸模塊的沉浸式視頻質(zhì)量評(píng)價(jià)模型。[0072]參見圖2所示，本實(shí)施例提出的沉浸式視頻質(zhì)量評(píng)價(jià)模型包括局部頻率特征提取和全局頻率特征提取，分別用于獲得紋理視頻和深度視頻的局部頻率特征和全局頻率特征；首先，利用不同的濾波器分別對(duì)參考和失真紋理視頻序列、參考和失真的深度視頻序列提取局部頻率特征和全局頻率特征，再利用特征增強(qiáng)模塊對(duì)濾波器輸出的頻率特征進(jìn)行自適應(yīng)特征增強(qiáng)，得到紋理視頻序列的局部和全局頻率質(zhì)量特征和深度視頻序列的局部和全局頻率質(zhì)量特征；再對(duì)增強(qiáng)后的頻率特征進(jìn)行特征相減操作，將局部和全局頻率特征進(jìn)行特征融合，結(jié)合多層感知(MLP,Multi-layerPerception)進(jìn)行質(zhì)量回歸，得到沉浸式視頻[0073]本實(shí)施例的局部頻率特征提取模塊采用3D-Gabor濾波器的奇部分，或稱為3D-[0077]將參考紋理視頻序列和失真紋理視頻序列分別輸入3D-Gabor奇部濾波器進(jìn)行卷[0080]其中，V(x,y,t)和Vis(x,y,t)分別表示輸入3D-Gabor奇部濾波器的參考紋理視頻序列和失真紋理視頻序列，G°(x,y,t)和GS(x,y,t)分別表示通過3D-Gabor奇部濾波器提取到的參考紋理視頻序列的局部頻率特征和失真紋理視頻序列的局部頻失真紋理視頻序列進(jìn)行三維快速傅里葉變換(3D-FFT,Three-DimensionalFastFourier頻序列，F(xiàn)°(u,v,w)和F(u,v,w)分別表示通過3D-FFT變換得到的參考紋理視頻序列和[0092]分別將頻譜圖F°(u,v,w)和FiS(u,v,w)中低頻分量移動(dòng)到頻譜中間之后，應(yīng)用別表示通過三維帶通巴特沃斯(Butterworth)濾波器濾波后的參考紋理視頻序列的全局頻中心，將頻譜圖F°(u,v,w)和FS(u,v,wW)中低頻分量移動(dòng)到頻譜中間之后的目的是使頻局部頻率特征輸入基于3D-CNN的頻率特征增強(qiáng)模塊，得到與質(zhì)量相關(guān)的局部頻率質(zhì)量特頻率特征，表示與質(zhì)量相關(guān)的參考紋理視頻序列的局部頻率質(zhì)量特征， [0112]GdS(x,y,t)=G(x,y,t)?VaiS(x,y,t);提取到的參考深度視頻序列的局部頻率特征和失真深度視頻序列的局部頻頻序列，F(xiàn)2°(u,v,w)和F(u,v,w)分別表示通過3D-FFT變換得到的參考深度視頻序列和[0125]分別將頻譜圖F(u,v,w)和FS(u,v,w)中低頻分量移動(dòng)到頻譜中間之后，應(yīng)用[0128]其中，||表示絕對(duì)值符號(hào)，分別表示通過所述3D-FFT變換得到的參考深度視頻序列和失真深度視頻序列的頻域表別表示通過三維帶通巴特沃斯(Butterworth)濾波器濾波后的參考深度視頻序列的全局頻局部頻率特征輸入基于3D-CNN的頻率特征增強(qiáng)模塊，得到與質(zhì)量相關(guān)的局部頻率質(zhì)量特[0130]將參考深度視頻序列的局部頻率特征和失真深度視頻序列的局部頻率特征輸入;Gabor奇部濾波器提取到的參考深度視頻序列的局部頻率特征和失真深度視頻序列的局部頻率特征，表示與質(zhì)量相關(guān)的參考深度視頻序列的局部頻率質(zhì)量特征，表示與質(zhì)量相關(guān)的失真深度視頻序列的局部頻率質(zhì)量特征。[0134]將參考深度視頻序列的全局頻率特征和失真深度視頻序列的全局頻率特征輸入;頻序列的全局頻率特征和失真深度視頻序列的全局頻率特征，表示與質(zhì)量相關(guān)頻率質(zhì)量特征，表示與質(zhì)量相關(guān)的失真紋理視頻序列的局部頻率質(zhì)量特征，[0144]其中，|表示絕對(duì)值符號(hào)，表示與質(zhì)量相關(guān)的參考紋理視頻序列的全局頻率質(zhì)量特征，表示與質(zhì)量相關(guān)的失真紋理視頻序列的全局頻率質(zhì)量特征，[0147]其中，|表示絕對(duì)值符號(hào)，表示與質(zhì)量相關(guān)的參考深度視頻序列的局部頻率質(zhì)量特征，表示與質(zhì)量相關(guān)的失真深度視頻序列的局部頻率質(zhì)量特征，頻率質(zhì)量特征，表示與質(zhì)量相關(guān)的失真深度視頻序列的全局頻率質(zhì)量特征，[0160]S3,利用參考沉浸式視頻和失真沉浸式視頻對(duì)沉浸式視頻質(zhì)量評(píng)價(jià)模型進(jìn)行訓(xùn)[0161]S4,將待評(píng)價(jià)的沉浸式視頻輸入訓(xùn)練好的沉浸式視頻質(zhì)量評(píng)價(jià)模型，得到沉浸式[0163]本實(shí)施例提出的基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)方法充分利用視頻多層級(jí)征的沉浸式視頻質(zhì)量評(píng)價(jià)裝置的一個(gè)實(shí)施例，該裝置實(shí)施例與圖1所示的方法實(shí)施例相對(duì)[0167]視頻質(zhì)量評(píng)價(jià)模型構(gòu)建模塊302,用于構(gòu)建包括局部頻率特征提取模塊、全局頻率特征提取模塊、特征增強(qiáng)模塊、頻率特征差模塊和質(zhì)量回歸模塊的沉浸式視頻質(zhì)量評(píng)價(jià)模[0168]所述局部頻率特征提取模塊包括第一局部頻率特征提取單元和第二局部頻率特行特征加強(qiáng)并輸出第二組質(zhì)量特征；第二組輸入在第二[0172]模型訓(xùn)練模塊303,用于利用參考沉浸式視頻和失真沉浸式視頻對(duì)沉浸式視頻質(zhì)量評(píng)價(jià)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的沉浸式視頻質(zhì)量評(píng)價(jià)模型。[0173]視頻質(zhì)量評(píng)價(jià)模塊304,用于將待評(píng)價(jià)的沉浸式視頻輸入訓(xùn)練好的沉浸式視頻質(zhì)量評(píng)價(jià)模型，得到沉浸式視頻質(zhì)量評(píng)分。[0174]所提出的基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)模型是在在裝有Inteli7-14700K[0175]所提出的基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)模型采用現(xiàn)有IMVD數(shù)據(jù)庫來驗(yàn)證所提模型的性能，其中80%的視頻序列用于訓(xùn)練，剩余20%用于測(cè)試。[0176]基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)裝置的具體實(shí)現(xiàn)同基于頻率特征的沉浸式視頻質(zhì)量評(píng)價(jià)方法，本實(shí)施例不再重復(fù)說明。[0177]圖4為本發(fā)明實(shí)施例提供的電子設(shè)備的硬件結(jié)構(gòu)示意圖。如圖4所示，本實(shí)施例的電子設(shè)備包括：處理器401以及存儲(chǔ)器402;其中存儲(chǔ)器402,用于存儲(chǔ)計(jì)算機(jī)執(zhí)行指令；處理器401,用于執(zhí)行存儲(chǔ)器存儲(chǔ)的計(jì)算機(jī)執(zhí)行指令，以實(shí)現(xiàn)上述實(shí)施例中電子設(shè)備所執(zhí)行的各個(gè)步驟。具體可以參見前述方法實(shí)施例中的相關(guān)描述。[0179]當(dāng)存儲(chǔ)器402獨(dú)立設(shè)置時(shí)，該電子設(shè)備還包括總線403,用于連接存儲(chǔ)器402和處理器401。[0180]本發(fā)明實(shí)施例還提供一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，計(jì)算機(jī)存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)執(zhí)行指令，當(dāng)處理器401執(zhí)行計(jì)算機(jī)執(zhí)行指令時(shí)，實(shí)現(xiàn)如上的方法。[0181]本發(fā)明實(shí)施例還提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理[0182]在本發(fā)明所提供的實(shí)施例中，應(yīng)該理解到，所揭露的設(shè)備和方法，可以通過其它的邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)模塊可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或模塊的間接耦合或通信連接，可以是[0183]作為分離部件說明的模塊可以是或者也可以不是物理上分開的，作為模塊顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部模塊來實(shí)現(xiàn)本實(shí)施例方案。[0184]另外，在本發(fā)明各個(gè)實(shí)施例中的各功能模塊可以集成在一個(gè)處理單元中，也可以是各個(gè)模塊單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上模塊集成在一個(gè)單元中。上述模塊形成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能單元的形式實(shí)現(xiàn)。[0185]上述以軟件功能模塊的形式實(shí)現(xiàn)的集成的模塊，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。上述軟件功能模塊存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)或處理器401執(zhí)行本申請(qǐng)各個(gè)實(shí)施例方法的部分步驟。[0186]應(yīng)理解，上述處理器401可以是中央處理單元(CentralProcessingUnit,簡(jiǎn)稱CPU),還可以是其他通用處理器、數(shù)字信號(hào)處理器(DigitalSignalProcessor,簡(jiǎn)稱DSP)、專用集成電路(ApplicationSpecificIntegratedCircuit,簡(jiǎn)稱ASIC)等。通用處理器可以是微處理器或者該處理器401也可以是任何