跳到主要内容

功能概述

质检管理是艾欧数据平台保障数据质量的核心防线，通过多级审核机制帮助用户精准把控原始数据准确率与规范性。平台提供灵活的质检策略和精细的评分体系，显著降低返工成本并为模型训练提供高质量基石。

主要功能​

质检模块提供视频检测功能，帮助团队高效定位视频故障，保障交付质量。

检测流程​

1. 智能检测​

内置多种检测算法，全方位扫描视频流中的异常情况：

  • 流畅度与完整性：自动识别丢帧（跳跃）、卡死（画面静止）及花屏（马赛克/撕裂/绿屏）。
  • 画面可见性：精准检测模糊（失焦）、过暗/过曝（亮度异常）等影响观看的故障。
  • 色彩与画质评估：监测色彩偏离（如整体偏红/偏绿）及基于人眼感知的无参考画质评分（BRISQUE），量化视频质量。

2. 交互式媒体回放​

提供 所见即所得 的复核体验，将抽象的错误代码转化为直观的视觉证据：

  • 异常事件可视化：在时间轴上通过高亮色块直接标记出丢帧、花屏等异常发生的时间段。
  • 精准定位与复核：支持点击异常标记直接跳转至故障发生时刻，配合逐帧进退功能，帮助用户快速确认是算法误报还是真实故障，无需从头观看整段视频。

3. 可视化数据分析​

将复杂的检测数据转化为易读的图表，辅助决策：

  • 多维数据看板：提供清晰的趋势图和分布图，直观展示画质波动、故障分布密度。
  • 标准化报告导出：支持一键生成并导出 PDF 质检报告，包含关键指标快照与故障汇总，便于团队流转、交付验收与问题存档。

4. 标准化数据契约​

  • 统一数据格式：所有检测结果均输出为标准 JSON 格式，便于系统进行跨任务的数据聚合、抽样分析及审计追踪，消除数据孤岛。

质检详情页​

质检详情页是单条视频样本的 诊断工作台，集成了播放、数据与操作功能，支持对问题进行深度排查。

主要功能区：

  • 帧级回放工作区

    • 异常一键跳转：点击底部的时间轴标记，播放器立即跳转至问题帧。

  • 多维指标同步看板

    • 检测器原始数据：显示视频的各项指标数值。
    • 可视化趋势图：通过折线图展示整段视频的质量走势，快速识别质量突变点。

  • 结果交付

    • 一键报表：将当前视频的诊断列表、数据图表整合，即时导出为 PDF 报告。

丢帧检测​

  1. 方法原理

目标：检测视频流中相邻两帧时间戳间隔是否超出预期，从而识别丢帧。

方法：

  • 程序计算相邻两帧的时间戳差值：当前帧时间戳 - 上一帧时间戳，如果这个差值远大于预期的帧间隔（例如，30FPS的视频标准时间间隔为33毫秒），则判定发生了丢帧或时间戳异常跳变。

  • 使用两步验证机制来检测是否丢帧：

    1. 解析时间戳并检测时间戳是否连续。
    2. 如果时间戳异常，提取帧内容特征并通过图像比较验证是否丢帧。

通过这种方式，可以有效识别视频中由于丢失帧导致的播放中断。

  1. 参数影响
配置参数影响如何调整
jitter_tolerance控制时间戳允许的波动范围，越大能容忍的时间差越大。增大此值可容忍更多的时间波动，避免误判丢帧。
min_drop_duration控制丢帧被判定的最小持续时间，只有丢失时间超过此值才算丢帧。调整为更小的值可以检测到短时间内的丢帧。
similarity_threshold控制帧相似度的验证阈值，值越高要求帧内容越相似才认为是重复帧。调整为较高值可避免误判帧为丢帧。
ssim_threshold_stuck卡帧检测的SSIM阈值，值越大，检测到的卡帧越严格。调整为较低值时可以容忍更大的卡帧变化。
ssim_threshold_flower花屏检测的SSIM阈值，值越低，识别花屏的灵敏度越高。调整为较低值时可以更容易识别花屏现象。

花屏检测​

  1. 方法原理

目标：评估相邻两帧是否发生了剧烈或非预期的变化，从而判断是否出现花屏现象。

方法：

  • 结构相似性指数（SSIM）：通过计算两帧图像在亮度、对比度和结构上的相似程度来评估图像内容的变化。值越接近 1 表示两帧越相似。

    • 检测类型：结构性花屏、严重结构损坏
    • 适用场景：画面撕裂、编码错误、马赛克

  • 内容特征差异度：通过多种图像特征综合判断

    1. 颜色直方图差异：检测颜色分布变化，识别颜色失真
    2. 边缘密度差异：检测结构细节变化，识别细节丢失或噪点
    3. HSV颜色空间差异：检测色调、饱和度、明度异常
    4. 亮度和对比度差异：检测曝光异常（过曝/过暗）、对比度异常

检测的花屏类型：

  • structural_glitch: 结构性花屏（中度）
  • severe_structural_corruption: 严重结构损坏（高度）
  • color_distortion: 颜色失真（中度）
  • severe_color_distortion: 严重颜色失真（高度）
  • brightness_spike: 亮度突变（中/低度）
  • contrast_anomaly: 对比度异常（低度）
  • color_space_anomaly: 色彩空间异常（中度）
  • detail_loss_or_noise: 细节丢失/噪点（低度）

通过多维度结合，可以更全面、准确地检测各种类型的花屏现象。

  1. 参数影响
配置参数影响如何调整
ssim_threshold_stuck卡帧检测的SSIM阈值，值越高表示更严格地判定卡帧。调整为更低的值可以更宽松地识别卡帧现象。
GLITCH_HISTOGRAM_THRESHOLD颜色直方图差异阈值（默认0.3），控制颜色失真检测的灵敏度。调整此值来平衡颜色异常的检测精度。
GLITCH_EDGE_THRESHOLD边缘密度差异阈值（默认0.2），控制细节变化检测的灵敏度。降低此值可以检测更细微的细节丢失。
GLITCH_HSV_THRESHOLDHSV颜色空间差异阈值（默认0.25），控制色彩异常检测。调整此值来控制色彩失真的检测范围。
GLITCH_BRIGHTNESS_THRESHOLD亮度差异阈值（默认0.3），控制曝光异常检测。调整此值来控制亮度突变的敏感度。
GLITCH_CONTRAST_THRESHOLD对比度差异阈值（默认0.25），控制对比度异常检测。调整此值来控制对比度变化的检测。

配置建议：

  • 对于高质量视频流：可适当提高各阈值，减少误报
  • 对于低质量视频流：可适当降低各阈值，提高检测率
  • 建议根据实际测试结果调整各参数，找到最佳平衡点

清晰度检测​

  1. 方法原理

目标：客观评估画面清晰度和对焦情况，检测模糊帧。

方法：

  • 拉普拉斯方差算法（Laplacian Variance）：

    • 使用拉普拉斯算子对图像进行卷积，计算结果的方差
    • 拉普拉斯算子对图像中的高频信息（如边缘、细节）非常敏感
    • 清晰图像：细节丰富，高频信息多，拉普拉斯方差大（典型值 > 100）
    • 模糊图像：细节丢失，高频信息少，拉普拉斯方差小（典型值 < 50）

  • 检测逻辑：

    • 将BGR图像转换为灰度图
    • 计算拉普拉斯方差作为清晰度分数（blur_score）
    • 如果 blur_score < blur_threshold，则判定为模糊帧
    • 创建模糊事件（BlurEvent）记录异常帧
  1. 参数影响
配置参数影响如何调整
blur_threshold模糊阈值（拉普拉斯方差，默认: 50）。低于此值视为模糊帧。降低此值可以更宽松地判定模糊，提高此值可以更严格地检测模糊。
frame_skip帧采样间隔，用于提高处理速度。增大此值可以减少处理帧数，提高处理速度，但可能遗漏部分模糊帧。

配置建议：

  • 对于高质量视频流：可适当提高 blur_threshold（如 60-80），减少误报
  • 对于低质量视频流：可适当降低 blur_threshold（如 30-40），提高检测率
  • 典型值参考：
    • 非常清晰的图像：拉普拉斯方差 > 200
    • 清晰图像：拉普拉斯方差 100-200
    • 中等清晰度：拉普拉斯方差 50-100
    • 模糊图像：拉普拉斯方差 < 50

亮度检测​

  1. 方法原理

目标：客观评估画面亮度，检测过暗（欠曝）和过亮（过曝）的异常帧。

方法：

  • 灰度图平均亮度：

    • 将BGR图像转换为灰度图
    • 计算灰度图所有像素的平均值作为亮度值（范围 0-255）
    • 值越大表示图像越亮，值越小表示图像越暗

  • 检测逻辑：

    • 计算每帧的平均亮度值（mean_brightness）
    • 如果 mean_brightness < brightness_low，判定为过暗（under_exposed）
    • 如果 mean_brightness > brightness_high，判定为过亮（over_exposed）
    • 创建曝光事件（ExposureEvent）记录异常帧

  • 亮度范围：

    • 正常亮度：通常在 80-180 之间
    • 过暗：< 40（默认阈值）
    • 过亮/过曝：> 220（默认阈值）
  1. 参数影响
配置参数影响如何调整
brightness_low低亮度阈值（默认: 40.0，范围 0-255）。低于此值视为过暗。提高此值可以更敏感地检测过暗，降低此值可以容忍更暗的画面。
brightness_high高亮度阈值（默认: 220.0，范围 0-255）。高于此值视为过亮/过曝。降低此值可以更敏感地检测过曝，提高此值可以容忍更亮的画面。
frame_skip帧采样间隔，用于提高处理速度。增大此值可以减少处理帧数，提高处理速度，但可能遗漏部分异常帧。

配置建议：

  • 对于室内场景：可适当降低 brightness_low（如 30），提高 brightness_high（如 230）
  • 对于室外场景：可适当提高 brightness_low（如 50），降低 brightness_high（如 210）
  • 对于夜间场景：应大幅降低 brightness_low（如 20-30），避免误报
  • 对于高光场景：应适当提高 brightness_high（如 240-250），避免误报
  • 典型亮度值参考：
    • 正常室内：80-150
    • 正常室外：120-200
    • 过暗场景：< 40
    • 过亮场景：> 220

色彩偏离检测​

  1. 方法原理

目标：检测画面是否发生非预期的全局色偏，识别偏红、偏绿、偏黄、偏蓝等色彩异常。

方法：

  • LAB色彩空间分析：

    • L通道：亮度（Luminosity），范围 0-255
    • A通道：绿-红轴（Green-Red axis），正值偏红，负值偏绿
    • B通道：蓝-黄轴（Blue-Yellow axis），正值偏黄，负值偏蓝

  • 检测算法：

    1. 色彩空间转换：将BGR图像转换为LAB色彩空间
    2. 像素过滤：过滤过暗/过亮像素（L通道在 15-240 之间），排除噪声和过曝区域
    3. 计算平均偏移：
      • 计算A通道的平均偏移：da = mean(A_valid) - 128
      • 计算B通道的平均偏移：db = mean(B_valid) - 128
      • 计算总偏移距离：D = sqrt(da² + db²)
    4. 计算标准差：
      • A通道标准差：Ma = std(A_valid)
      • B通道标准差：Mb = std(B_valid)
      • 总标准差：M = sqrt(Ma² + Mb²)
    5. 计算色偏强度：cast = D / M（平均偏移相对于标准差的比值）
      • 值越大表示色偏越严重
      • 值越小表示颜色越正常

  • 偏色方向判断：

    • 偏红：da > 0（A通道正向偏移）
    • 偏绿：da < 0（A通道负向偏移）
    • 偏黄：db > 0（B通道正向偏移）
    • 偏蓝：db < 0（B通道负向偏移）

  • 检测逻辑：

    • 如果 cast > color_cast_threshold，判定为色偏帧
    • 创建色偏事件（ColorCastEvent）记录异常帧
    • 统计偏色方向和频率
  1. 参数影响
配置参数影响如何调整
color_cast_threshold色偏强度阈值（默认: 1.0）。高于此值视为偏色。降低此值可以更敏感地检测色偏，提高此值可以减少误报。
frame_skip帧采样间隔，用于提高处理速度。增大此值可以减少处理帧数，提高处理速度，但可能遗漏部分色偏帧。

配置建议：

  • 对于高质量视频流：可适当提高 color_cast_threshold（如 1.5-2.0），减少误报
  • 对于低质量视频流：可适当降低 color_cast_threshold（如 0.7-0.8），提高检测率
  • 典型色偏强度值参考：
    • 正常画面：cast < 1.0
    • 轻微色偏：cast 1.0-2.0
    • 明显色偏：cast 2.0-5.0
    • 严重色偏：cast > 5.0

注意事项：

  • 算法会自动过滤过暗（L < 15）和过亮（L > 240）的像素，避免噪声干扰
  • 如果有效像素太少（< 100 或 < 总像素的10%），会跳过检测，返回正常值
  • 色偏检测适用于全局色偏，不适用于局部色彩变化（如特定物体的颜色）

图像质量评估（IQA - Image Quality Assessment）​

无参考图像质量评估​

  1. 方法原理

目标：使用 无参考图像质量评估（No-Reference IQA） 方法，模拟人眼对视频画面的感知质量，评估经过压缩、降噪、失真处理后的图像质量。

方法：

  • BRISQUE 算法（Blind/Referenceless Image Spatial Quality Evaluator）：

    • 分析图像中自然场景统计特征的偏差
    • 无需参考图像即可评估图像质量
    • 能够检测压缩伪影、模糊、噪声、失真等多种质量问题

  • 分数系统：

    • LIG 分数（Lower Is Good）：BRISQUE 算法原始输出，分数越低质量越好
    • HIG 分数（Higher Is Good）：转换后的分数，范围 0-100，分数越高质量越好
    • 转换公式：HIG = 100 * (1 - LIG / BRISQUE_MAX_SCORE)
      • 当 LIG = 0 时，HIG = 100（最高质量）
      • 当 LIG = BRISQUE_MAX_SCORE 时，HIG = 0（最低质量）

  • 检测逻辑：

    1. 将图像输入 BRISQUE 评估器
    2. 计算 BRISQUE LIG 分数
    3. 转换为 HIG 分数（0-100）
    4. 如果 HIG < normalized_threshold，判定为低质量帧
    5. 记录平均 BRISQUE HIG 分数

  • 适用场景：

    • 评估压缩后的图像质量（JPEG、H.264等）
    • 检测降噪处理后的质量损失
    • 评估传输过程中的失真
    • 比拉普拉斯算子更能全面反映画面缺陷
  1. 参数影响
配置参数影响如何调整
normalized_thresholdHIG 分数阈值（默认: 50，范围 0-100）。低于此值视为低质量图像。降低此值可以更严格地判定低质量，提高此值可以容忍更多质量损失。
frame_skip_iqa帧采样间隔（默认: 30）。BRISQUE 计算较耗时，使用较大采样间隔。增大此值可以减少处理帧数，提高处理速度，但可能遗漏部分低质量帧。

配置建议：

  • 对于高质量视频流：可适当提高 normalized_threshold（如 60-70），减少误报
  • 对于低质量视频流：可适当降低 normalized_threshold（如 40-45），提高检测率
  • 典型 HIG 分数参考：
    • 高质量图像：HIG > 70
    • 中等质量图像：HIG 50-70
    • 低质量图像：HIG 30-50
    • 极低质量图像：HIG < 30

注意事项：

  • BRISQUE 算法计算较耗时，建议使用较大的 frame_skip_iqa（如 30-60）
  • BRISQUE 评估的是整体感知质量，不针对特定类型的缺陷（如模糊、色偏等）
  • 与清晰度检测（拉普拉斯方差）和色偏检测互补，提供更全面的质量评估