一种视频质量评估方法、装置、计算机设备和存储介质与流程

本申请涉及视频处理领域，特别是涉及一种视频质量评估方法、装置、计算机设备和存储介质。

背景技术：

现在视频质量客观评估主要分为有参考和无参考两类，其区别在于待测视频的评估是否依赖于原始视频的信息，有参考评估由于要求原始视频必须可用，在使用场景上存在一些限制，但是准确度上是比较高的。现有技术中有通过对待测试视频中设置至少一帧标定帧图像，用于后续获取对比视频中的视频段，与待测试视频同样位置的视频段进行相似度对比的方式，但是这种方式在视频序列在传输过程中通常存在丢帧、跳帧、停滞等现象，在出现以上情况时会导致无法实现以上的相似度对比或者对比不准确的操作，导致评估结果的准确度不高，结果可靠性较低的技术问题。

技术实现要素：

基于此，针对上述技术问题，本申请提供一种视频质量评估方法、装置、计算机设备及存储介质，以解决现有技术中无法实现的相似度对比或者对比不准确的操作，导致评估结果的准确度不高，结果可靠性较低的技术问题。

一种视频质量评估方法，所述方法包括：

从原视频逐帧抽取视频图像；

按照抽帧的顺序，分别为各视频图像生成测试标签，并将所述测试标签整合到对应的视频图像上，作为测试视频；

将所述测试标签与对应的视频图像的存储路径，保存在数据库中，作为图像索引；

将所述测试视频输入到音视频系统中；

当从所述音视频系统的输出端接收到输出视频，则根据所述输出视频中输出图像的输出标签，以及所述图像索引查询与所述输出图像对应的视频图像，作为对比图像；

计算所述输出图像与所述对比图像的相似度，得到质量评估结果。

进一步地，所述根据所述输出视频中输出图像的输出标签，以及所述图像索引查询与所述输出图像对应的视频图像，作为对比图像，包括：

对所述输出视频进行逐帧抽取，得到所述输出图像；

按照抽帧的顺序，识别所述输出图像上的输出标签，并将所述输出标签和所述输出图像的存储路径保存到数据库中；

从所述图像索引中查询与所述输出标签对应的测试标签，以及与测试标签对应的视频图像的存储路径；

根据所述存储路径得到与所述输出图像对应的视频图像，作为对比图像。

进一步地，所述输出图像有多个，所述计算所述输出图像与所述对比图像的相似度，得到质量评估结果，包括：

将输出图像与所述对比图像作为匹配帧；

计算各所述匹配帧的相似度；

根据所述相似度计算所述匹配帧的平均相似度，并将所述平均相似度作为所述质量评估结果。

进一步地，所述计算所述匹配帧的相似度，包括：

对所述匹配帧进行预处理，得到对应的深度图像矩阵；

计算深度图像矩阵之间的均方误差；

根据所述均方误差计算所述匹配帧的相似度。

进一步地，所述对所述匹配帧进行预处理，得到对应的深度图像矩阵，包括：

对比所述输出图像、所述对比图像的尺寸大小；

若尺寸大小相同，则将所述输出图像、所述对比图像转换为深度图像矩阵；

若尺寸大小不同，则调整所述输出图像的尺度与所述对比图像等同，再将尺度调整后的输出图像、所述对比图像转换为深度图像矩阵。

进一步地，所述根据所述均方误差，计算所述相似度，包括：

根据公式：

计算所述相似度；

其中，mse为均方误差、maxi为图像量化的灰度级数、psnr为所述输出图像与所述对比图像之间的峰值信噪比。

一种视频质量评估装置，所述装置包括：

抽取模块，从原视频逐帧抽取视频图像；

整合模块，按照抽帧的顺序，分别为各视频图像生成测试标签，并将所述测试标签整合到对应的视频图像上，作为测试视频；

封装模块，将所述测试标签与对应的视频图像的存储路径，保存在数据库中，作为图像索引；

输入模块，将所述测试视频输入到音视频系统中；

查询模块，当从所述音视频系统的输出端接收到输出视频，则根据所述输出视频的输出图像的输出标签、所述图像索引查询与所述输出图像对应的视频图像，作为对比图像；

计算模块，计算所述输出图像与所述对比图像的相似度，得到质量评估结果。

一种计算机设备，包括存储器和处理器，以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

从原视频逐帧抽取视频图像；

按照抽帧的顺序，分别为各视频图像生成测试标签，并将所述测试标签整合到对应的视频图像上，作为测试视频；

将所述测试标签与对应的视频图像的存储路径，保存在数据库中，作为图像索引；

将所述测试视频输入到音视频系统中；

当从所述音视频系统的输出端接收到输出视频，则根据所述输出视频的输出图像的输出标签、所述图像索引查询与所述输出图像对应的视频图像，作为对比图像；

计算所述输出图像与所述对比图像的相似度，得到质量评估结果。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

从原视频逐帧抽取视频图像；

按照抽帧的顺序，分别为各视频图像生成测试标签，并将所述测试标签整合到对应的视频图像上，作为测试视频；

将所述测试标签与对应的视频图像的存储路径，保存在数据库中，作为图像索引；

将所述测试视频输入到音视频系统中；

当从所述音视频系统的输出端接收到输出视频，则根据所述输出视频的输出图像的输出标签、所述图像索引查询与所述输出图像对应的视频图像，作为对比图像；

计算所述输出图像与所述对比图像的相似度，得到质量评估结果。

上述视频质量评估方法、装置、计算机设备和存储介质，通过对抽取到的所有图像帧进行编号和关联，得到输出视频后，进行逐帧识别，得到与输出视频的输出图像对应的视频图像，并将输出图像以及与其对应的视频图像作为匹配帧，计算所有匹配帧的平均相似度，不仅在评估结果的准确度和可靠性方面得到极大的提升，而且能够覆盖小丢包、中丢包、大丢包的业务场景，可以防止传输过程中丢帧，以至于无法正常进行相似度比较，导致的评估结果不准确的情况。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为视频质量评估方法的应用环境示意图；

图2为视频质量评估方法的流程示意图；

图3为视频质量评估装置的示意图；

图4为一个实施例中计算机设备的示意图。

具体实施方式

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为了使本申请的目的、技术方案及优点更加清楚明白，下面结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供的视频质量评估方法，可以应用于如图1所示的应用环境中。其中，该应用环境可以包括终端102、网络以及服务端104，网络用于在终端102和服务端104之间提供通信链路介质，网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端102通过网络与服务端104交互，以接收或发送消息等。终端102上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端102可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(movingpictureexpertsgroupaudiolayeriii，动态影像专家压缩标准音频层面3)、mp4(movingpictureexpertsgroupaudiolayeriv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务端104可以是提供各种服务的服务器，例如对终端102上显示的页面提供支持的后台服务器。

需要说明的是，本申请实施例所提供的视频质量评估方法一般由服务端/终端执行，相应地，视频质量评估装置一般设置于服务端/终端设备中。

本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

应该理解，图1中的终端、网络和服务端的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

其中，终端102通过网络与服务端104进行通信。服务端104从终端102获取原视频，然后对原视频进行逐帧抽取后，打标签，最后封装为测试视频，将所述测试视频输入到音视频系统中，获取输出视频，并对输出视频进行抽帧处理得到输出图像，识别输出图像上的输出标签，并根据输出标签查询与输出图像对应的视频图像，得到对比图像，最后计算输出图像与对比图像之间的相似度，作为质量评估结果。其中，终端102和服务端104之间通过网络进行连接，该网络可以是有线网络或者无线网络，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务端104可以用独立的服务器或者是多个组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种视频质量评估方法，以该方法应用于图1中的服务端为例进行说明，包括以下步骤：

步骤202，从原视频逐帧抽取视频图像。

逐帧抽取视频图像是采用ffmpeg对原视频进行抽取，得到视频图像，服务端可以调用ffmpeg开发接口对原视频进行处理。抽帧的目的是根据原视频得到视频图像，并对视频图像进行打标签后再合成，然后重新封装视频图像为新的视频文件。其中，ffmpeg是一套用来记录、转换数字音频、视频，并能将其转换为流的开源计算机程序。

步骤204，按照抽帧的顺序，分别为各视频图像生成测试标签，并将测试标签整合到对应的视频图像上，作为测试视频。

根据抽帧的顺序，为得到的视频图像生成唯一的测试标签，其中，生成的测试标签具有唯一性，能够和视频图像一一对应。进一步地，生成的测试标签可以是二维码，二维码中数据为视频图像的编码帧序号，其中，二维码编码格式还携带了冗余纠错信息。使用二维码可以保证视频图像就算最后有较大程度的失真，也能保持较高的识别率。

将二维码整合到视频图像上的方式是需要将二维码叠加到视频图像上的指定位置上，具体地，一般将二维码叠加在视频图像的右上角或者左上角。

步骤206，将测试标签与对应的视频图像的存储路径，保存在数据库中，作为图像索引。

将测试标签与视频图像的存储路径保存到数据库中，并在数据库中建立测试标签与视频图像的存储路径的一一对应的关系。

具体地，对测试标签进行编码处理后和视频图像的存储路径一起保存到数据库，并建立一一对应的对应关系。

其中，将标签编码和文件的位置信息保存到数据库中，是因为测试视频在传输过程中通常存在丢帧、跳帧、停滞等现象，后续采集到输出视频图像，需要从数据库中根据二维码标签编码找到原始视频图像(即保存在数据库的整合后的视频图像)进行对比。例如，数据库中建表，表字段img_cade用于保存标签二维码，例如1234ad，表字段img_path保存图像文件的路径，最终的目的都是可以在后续的处理中通过标签找到图像视频的具体的存储位置。

步骤208，将测试视频输入到音视频系统中。

得到测试视频后，将该测试视频作为音视频系统的输入，同时在音视频系统的输出端进行视频图像的采集，其中，可以通过专门的采集卡进行视频的采集。采集得到输出视频，然后计算输出视频相对于测试视频的相似度，用于评估输出视频的质量。

步骤210，当从音视频系统的输出端接收到输出视频，则根据输出视频中输出图像的输出标签，以及图像索引查询与输出图像对应的视频图像，作为对比图像。

对输出视频进行逐帧抽取，得到输出图像；按照抽帧的顺序，识别输出图像上的输出标签，其中，输出标签一般与测试标签具有一一对应的关系。

具体地，对输出视频进行逐帧抽取，得到输出图像；按照抽帧的顺序，识别输出图像上的输出标签，并将输出标签和输出图像的存储路径保存到数据库中；从图像索引中查询与输出标签对应的测试标签，以及与测试标签对应的视频图像的存储路径；根据存储路径得到与输出图像对应的视频图像，作为对比图像。

进一步地，还可以通过在得到输出图像后，根据测试视频中的视频图像、测试标签为每一输出图像匹配与之对应的对比图像。当出现漏帧、丢帧、跳帧的情况，可能有些视频图像没有对应的输出图像，用户也可以及时得知视频传输的丢帧率或者跳帧率。然后再计算对比图像与输出图像的相似度，并将相似度作为视频质量的评估结果。

这种通过逐帧计算相似度的方式，可以避免在出现跳帧、漏帧的情况下无法正常进行相似度比较，导致的评估结果不准确的情况，提高质量评估的准确性。

步骤212，计算输出图像与对比图像的相似度，得到质量评估结果。

将输出图像与对比图像作为匹配帧，计算各匹配帧的相似度，根据相似度计算匹配帧的平均相似度，并将平均相似度作为质量评估结果。

获取所有匹配帧；计算匹配帧的相似度；然后再根据相似度计算匹配帧的平均相似度，并将平均相似度作为质量评估结果。通过计算每一匹配帧的相似度，并求其平均相似度，不限定对某一帧的相似度，从而保证在出现丢帧、跳帧、漏帧等特殊情况下，依旧可以保证能够获取到准确的相似度，用于后续的质量评估，提高了质量评估的准确度以及特殊情况下的应对能力。

具体地，遍历数据库，找到所有的匹配帧。然后计算所有匹配记录中测试帧(测试视频的视频图像)和输出图像的图像相似度，并计算所有匹配帧的平均相似度。计算图像相似度常用的算法有psnr、ssim，还可以采用一些深度神经网络的开源算法，然后对视频数据进行打标，将打标后的数据用于模型训练，训练后的模型用于计算相似度能够达到较好的效果。其中，ssim算法是衡量两副图像结构相似度的指标，范围从0到1，一张为未失真的原始图像，另一张为失真后的输出图像，如果两张图像一模一样时，ssim的值为1。相似度越高，说明输出图像的失真度越低，说明视频编码、传输、解码、播放的效果越好。

具体地，对输出图像、测试图像进行预处理，得到对应的深度图像矩阵；计算输出图像与测试图像对应的深度图像矩阵之间的均方误差；根据均方误差，计算匹配帧的相似度。均方误差是原始图像和失真的图像的象素差值的均方值，通过均方值的大小来确定失真的图像的失真程度的技术比较成熟，数据处理效率高。

具体地，对图像进行预处理为：对比输出图像、对比图像的尺寸大小；若尺寸大小相同，则将输出图像、对比图像转换为32维的深度图像矩阵；若尺寸大小不同，则对输出图像做尺度调整，调整到和对比图像尺度大小相同后，再将调整后的输出图像、对比转换为32维的深度图像矩阵。

其中，调整输出图像的尺寸采用的是scale方式，scale是图像基本运算中的一种，可以对像素值或者像素的坐标做这些运算来达到特定的效果，对图像坐标做scale，相当于对图像做缩放，然后达到输出图像与对比图像尺寸大小一致的目的。将输出图像与视频图像的尺度调整为一致是为了方便相似度的计算。

此外，psnr是指峰值信噪比，通常用来评价一幅图像压缩后和原图像相比质量的好坏。psnr越高，压缩后失真越小。具体地，本实施例主要定义了两个值，一个是均方误差mse，另一个是峰值信噪比。峰值信噪比经常用作图像压缩等领域中信号重建质量的测量方法，它常简单地通过均方误差(mse)进行定义。两个m×n单色图像i和k，如果一个为另外一个的噪声近似，那么它们的均方误差定义为公式(1)：

其中，mse是输出图像与视频图像之间均方误差，m表示图像的长，n表示图像的宽，i(i,j)表示输出图像，k(i,j)表示视频图像，i表示图像像素矩阵的行索引，j表示图像像素矩阵的列索引，psnr表示峰值信噪比，max表示图像量化的灰度级数。

此外，psnr峰值信噪比的公式如(2)：

其计算流程为：对视频图像进行图像预处理，得到深度图像矩阵，再根据公式(1)计算均方误差mse。然后，根据公式(2)计算峰值信噪比，作为相似度，最终得到的相似度越高，说明图像的失真度越低，说明视频编码、传输、解码播放的效果也越好。通过psnr对图像质量评价的优点是：便于计算和理解,能大致反映图象质量，一般情况下，psnr的值高的图象质量相对较高，通常，当psnr值在28以上时，图象质量差异不太显著，当高于35～40时,则肉眼分辨不出差异。得到所有的匹配帧的相似度后，然后再计算平均相似度，以平均相似度作为一段输出视频的质量评估结果。

需要强调的是，为进一步保证上述视频处理的私密和安全性，上述原视频、测试视频、输出视频、存储路径等数据还可以存储于一区块链的节点中。

本实施例通过对原视频进行抽帧，将所有的视频帧都打标签的操作；而且还对输出视频，即待测试视频的所有视频帧进行标签识别的操作，对所有的匹配帧进行相似度计算，避免了现有技术中出现丢包时情况，无法获取所有的匹配帧，导致的质量评估失败的技术问题。而且，本提案通过对每一帧图像进行标定，可以得到准确的视频通过音视频系统输出后的丢包率。

上述视频质量评估方法中，通过对抽取到的所有图像帧进行编号和关联，得到输出视频后，进行逐帧识别，计算所有匹配帧的平均相似度，不仅在评估结果的准确度和可靠性方面得到极大的提升，而且能够覆盖小丢包、中丢包、大丢包的业务场景，可以防止传输过程中丢帧，以至于无法正常进行相似度比较，导致的评估结果不准确的情况。

应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图3所示，提供了一种视频质量评估装置，该视频质量评估装置与上述实施例中视频质量评估方法一一对应。该视频质量评估装置包括：

抽取模块302，从原视频逐帧抽取视频图像；

整合模块304，按照抽帧的顺序，分别为各视频图像生成测试标签，并将测试标签整合到对应的视频图像上，作为测试视频；

封装模块306，将测试标签与对应的视频图像的存储路径，保存在数据库中，作为图像索引；

输入模块308，将测试视频输入到音视频系统中；

查询模块310，当从音视频系统的输出端接收到输出视频，则根据输出视频中输出图像的输出标签，以及图像索引查询与输出图像对应的视频图像，作为对比图像；

计算模块312，计算输出图像与对比图像的相似度，得到质量评估结果。

需要强调的是，为进一步保证上述视频的私密和安全性，上述原视频、测试视频、输出视频还可以存储于一区块链的节点中。

进一步地，查询模块310，包括；

抽帧子模块，用于对输出视频进行逐帧抽取，得到输出图像；

识别子模块，用于按照抽帧的顺序，识别输出图像上的输出标签，并将输出和输出图像的存储路径保存到数据库中；

关系子模块，用于从图像索引中查询与输出标签对应的测试标签，以及与测试标签对应的视频图像的存储路径；

查找子模块，用于根据视频图像的存储路径得到与输出图像对应的视频图像，作为对比图像。

进一步地，计算模块312，包括：

匹配子模块，用于将输出图像与对比图像作为匹配帧；

相似子模块，用于计算各匹配帧的相似度；

结果子模块，用于根据相似度计算匹配帧的平均相似度，并将平均相似度作为质量评估结果。

进一步地，相似子模块，包括：

处理单元，用于对匹配帧进行预处理，得到对应的深度图像矩阵；

误差单元，用于计算深度图像矩阵之间的均方误差；

相似单元，用于根据均方误差计算匹配帧的相似度。

进一步地，处理单元，包括：

对比子单元，用于对比输出图像、对比图像的尺寸大小；

第一转换子单元，若尺寸大小相同，则将输出图像、对比图像转换为深度图像矩阵；

第二转换子单元，用于若尺寸大小不同，则调整输出图像的尺寸与对比图像等同后，再将输出图像、对比图像转换为深度图像矩阵。

本实施例通过对原视频进行抽帧，将所有的视频帧都打标签的操作；而且还对输出视频，即待测试视频的所有视频帧进行标签识别的操作，对所有的匹配帧进行相似度计算，避免了现有技术中出现丢包时情况，无法获取所有的匹配帧，导致的质量评估失败的技术问题。

而且，本提案通过对每一帧图像进行标定，可以得到准确的视频通过音视频系统输出后的丢包率。

上述视频质量评估装置中，通过对抽取到的所有图像帧进行编号和关联，得到输出视频后，进行逐帧识别，计算所有匹配帧的平均相似度，不仅在评估结果的准确度和可靠性方面得到极大的提升，而且能够覆盖小丢包、中丢包、大丢包的业务场景，可以防止传输过程中丢帧，以至于无法正常进行相似度比较，导致的评估结果不准确的情况。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储视频。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种视频质量评估方法。通过对抽取到的所有图像帧进行编号和关联，得到输出视频后，进行逐帧识别，计算所有匹配帧的平均相似度，不仅在评估结果的准确度和可靠性方面得到极大的提升，而且能够覆盖小丢包、中丢包、大丢包的业务场景，可以防止传输过程中丢帧，以至于无法正常进行相似度比较，导致的评估结果不准确的情况。

其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(applicationspecificintegratedcircuit，asic)、可编程门阵列(field－programmablegatearray，fpga)、数字处理器(digitalsignalprocessor，dsp)、嵌入式设备等。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中视频质量评估方法的步骤，例如图2所示的步骤202至步骤212，或者，处理器执行计算机程序时实现上述实施例中视频质量评估装置的各模块/单元的功能，例如图3所示模块302至模块312的功能。

通过对抽取到的所有图像帧进行编号和关联，得到输出视频后，进行逐帧识别，计算所有匹配帧的平均相似度，不仅在评估结果的准确度和可靠性方面得到极大的提升，而且能够覆盖小丢包、中丢包、大丢包的业务场景，可以防止传输过程中丢帧，以至于无法正常进行相似度比较，导致的评估结果不准确的情况。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形、改进或者对部分技术特征进行等同替换，而这些修改或者替换，并不使相同技术方案的本质脱离本发明个实施例技术方案地精神和范畴，都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。