基于逆向重建和运动轨迹偏移的视频重定向质量评价

随着视频重定向方法的日渐发展,对视频重定向质量客观评价算法的要求愈高。现存的视频重定向质量客观评价算法均以Scale Invariant Feature Transform flow(SIFT-flow)稠密匹配为基础。当原始帧与重定向帧尺寸不一致时,SIFT-flow稠密匹配会产生错误,客观评价算法性能下降。在匹配过程中,逆向重建网格存在未匹配区域。基于上述情况,提出一种基于逆向重建和运动轨迹偏移的视频重定向质量客观评价算法。该算法通过减小目标函数平滑项的权重和删除黑边减少了错误匹配的情况,并提出网格损失率(Grid Loss Ratio,GLR)衡量未匹配区域的空间失真,且使用网格运动轨迹偏移量减少对SIFT-flow稠密匹配的依赖。与Multimedia Lab(ML)主观数据库的肯德尔相关系数达到0.593,其标准差为0.295。与其他算法相比,该算法能更好地评估重定向过程的失真,更符合人们的主观评价结果。