文本录制视频清晰度检测方法、装置、计算机设备及存储介质

摘要

本申请实施例属于人工智能领域，涉及一种文本录制视频清晰度检测方法，包括获取业务录制视频；计算所述业务录制视频的模糊度曲线，根据所述模糊度曲线，截取所述业务录制视频，获得待检测的文本录制视频片段；抽取所述待检测的文本录制视频片段中的N个视频帧，其中N为大于1的正整数；将所述N个视频帧输入到基于OCR的文字识别模型中，获得所述N个视频帧中各帧的文字识别结果，根据所述文字识别结果判断所述各帧的帧清晰度；根据所述各帧的帧清晰度判断所述待检测的文本录制视频片段的清晰度。本申请还提供一种文本录制视频清晰度检测装置、计算机设备及存储介质。文本录制视频片段的清晰度无需通过人眼观看视频来检测，更省时省力，效率更高。

说明书

技术领域

本申请涉及人工智能技术领域，尤其涉及文本录制视频清晰度检测方法、装置、计算机设备及存储介质。

背景技术

保险、证券、银行等金融业务的开展过程中，对业务规范性要求高，为尽可能减少事后的纠纷，以及为事后提供监督要素，中国银保监会、证监会制定了行业规范，要求业务员在为客户提供金融服务过程中，应对关键环节同步录音录像。录音录像过程中，不仅仅需要对人脸图像进行录制，在许多关键环节需要业务员对着镜头向客户现场展示一些重要文本材料，作为事后监督的监督要素。

真实的业务场景中，业务员可能对文本材料没有很好的聚焦，造成该视频录制不符合要求，不能作为事后监督的素材，需要重新录制。目前文本材料录制是否聚焦的审核是由人工进行的，需要人工对整个视频逐步观看进行审核，费时费力。

发明内容

本申请实施例的目的在于提出一种文本录制视频清晰度检测方法、装置、计算机设备及存储介质，以解决人工审核文本录制视频费时费力的问题。

为了解决上述技术问题，本申请实施例提供一种文本录制视频清晰度检测方法，采用了如下所述的技术方案：

获取业务录制视频；

计算所述业务录制视频的模糊度曲线，根据所述模糊度曲线，截取所述业务录制视频，获得待检测的文本录制视频片段；

抽取所述待检测的文本录制视频片段中的N个视频帧，其中N为大于1的正整数；

将所述N个视频帧输入到基于OCR的文字识别模型中，获得所述N个视频帧中各帧的文字识别结果，根据所述文字识别结果判断所述各帧的帧清晰度；

根据所述各帧的帧清晰度判断所述待检测的文本录制视频片段的清晰度。

进一步的，所述获取业务录制视频的步骤之后包括：

获取与所述业务录制视频同步的音频；

将所述音频进行文字转换，获取文字转换结果，将所述文字转换结果与预设的第一关键词和第二关键词比对，获取所述第一关键词和所述第二关键词在所述音频中首次出现的第一时间点和第二时间点；

根据所述第一时间点和所述第二时间点构成的时间段截取所述业务录制视频，获得第一视频片段；

计算所述第一视频片段的模糊度曲线，根据所述模糊度曲线，截取所述第一视频片段，获得待检测的文本录制视频片段。

进一步的，所述抽取所述待检测的文本录制视频片段中的N个视频帧的步骤包括：

将所述待检测的文本录制视频片段解析为视频帧集；

按照设定的间隔从所述视频帧集中抽取L个视频帧子集，L为大于1的正整数，其中，所述视频帧子集为所述视频帧集中时间上相邻的M个视频帧构成，M为大于1的正整数。

进一步的，所述根据所述各帧的帧清晰度判断所述待检测的文本录制视频片段的清晰度的步骤包括：

根据所述各帧的帧清晰度判断所述各视频帧子集清晰度；

根据所述各视频帧子集清晰度判断所述待检测的文本录制视频片段的清晰度。

进一步的，所述根据所述各视频帧子集清晰度判断所述待检测的文本录制视频片段的清晰度的步骤包括：

根据所述各视频帧子集清晰度，计算所述各视频帧子集中清晰的视频帧子集个数占所述抽取的视频帧子集总数L的比值；

将所述比值与预设的第一阈值比较，当所述比值大于所述第一阈值时，判断所述待检测的文本录制视频片段清晰。

进一步的，所述将所述N个视频帧输入到基于OCR的文字识别模型中，获得所述N个视频帧中各帧的文字识别结果，根据所述文字识别结果判断所述各帧的帧清晰度的步骤包括：

分别计算所述各帧的文字识别结果中包含的字符数；

将所述字符数与预设的第二阈值比较，当所述字符数大于所述第二阈值时，判断对应的视频帧清晰。

为了解决上述技术问题，本申请实施例还提供一种文本录制视频清晰度检测装置，采用了如下所述的技术方案：

获取模块，用于获取业务录制视频；

截取模块，用于计算所述业务录制视频的模糊度曲线，根据所述模糊度曲线，截取所述业务录制视频，获得待检测的文本录制视频片段；

抽取模块，用于抽取所述待检测的文本录制视频片段中的N个视频帧，其中N为大于1的正整数；

处理模块，用于将所述N个视频帧输入到基于OCR的文字识别模型中，获得所述N个视频帧中各帧的文字识别结果，根据所述文字识别结果判断所述各帧的帧清晰度；

判断模块，用于根据所述各帧的帧清晰度判断所述待检测的文本录制视频片段的清晰度。

进一步的，所述文本录制视频清晰度检测装置还包括：

第一获取子模块，用于获取与所述业务录制视频同步的音频；

第一处理子模块，用于将所述音频进行文字转换，获取文字转换结果，将所述文字转换结果与预设的第一关键词和第二关键词比对，获取所述第一关键词和所述第二关键词在所述音频中首次出现的第一时间点和第二时间点；

第一截取子模块，用于根据所述第一时间点和所述第二时间点构成的时间段截取所述业务录制视频，获得第一视频片段；

第二截取子模块，用于计算所述第一视频片段的模糊度曲线，根据所述模糊度曲线，截取所述第一视频片段，获得待检测的文本录制视频片段。

进一步的，所述抽取模块包括：

第一解析子模块，用于将所述待检测的文本录制视频片段解析为视频帧集；

第一抽取子模块，用于按照设定的间隔从所述视频帧集中抽取L个视频帧子集，L为大于1的正整数，其中，所述视频帧子集为所述视频帧集中时间上相邻的M个视频帧构成，M为大于1的正整数。

进一步的，所述判断模块包括：

第二处理子模块，用于根据所述各帧的帧清晰度判断所述各视频帧子集清晰度；

第一判断子模块，用于根据所述各视频帧子集清晰度判断所述待检测的文本录制视频片段的清晰度。

进一步的，所述第一判断子模块包括：

第一计算子单元，用于根据所述各视频帧子集清晰度，计算所述各视频帧子集中清晰的视频帧子集个数占所述抽取的视频帧子集总数L的比值；

第一判断子单元，用于将所述比值与预设的第一阈值比较，当所述比值大于所述第一阈值时，判断所述待检测的文本录制视频片段清晰。

进一步的，所述处理模块包括：

第一计算子模块，用于分别计算所述各帧的文字识别结果中包含的字符数；

第二判断子模块，用于将所述字符数与预设的第二阈值比较，当所述字符数大于所述第二阈值时，判断对应的视频帧清晰。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

一种计算机设备，包括存储器和处理器，存储器中存储有计算机可读指令，处理器执行计算机可读指令时实现如上述文本录制视频清晰度检测方法的步骤。

为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

一种计算机可读存储介质，计算机可读存储介质上存储有计算机可读指令，计算机可读指令被处理器执行时实现如上述文本录制视频清晰度检测方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：通过获取业务录制视频；计算所述业务录制视频的模糊度曲线，根据所述模糊度曲线，截取所述业务录制视频，获得待检测的文本录制视频片段；抽取所述待检测的文本录制视频片段中的N个视频帧，其中N为大于1的正整数；将所述N个视频帧输入到基于OCR的文字识别模型中，获得所述N个视频帧中各帧的文字识别结果，根据所述文字识别结果判断所述各帧的帧清晰度；根据所述各帧的帧清晰度判断所述待检测的文本录制视频片段的清晰度。文本录制视频片段的清晰度无需通过人眼观看视频来检测，更省时省力，效率更高。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请可以应用于其中的示例性系统架构图；

图2根据本申请的文本录制视频清晰度检测方法的一个实施例的流程图；

图3是业务录制视频的模糊度曲线示意图；

图4是根据本申请的文本录制视频清晰度检测装置的一个实施例的结构示意图；

图5是根据本申请的计算机设备的一个实施例的结构示意图。

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。

为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103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。

终端设备101、102、103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(Moving PictureExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV，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。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103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文本录制视频清晰度检测方法一般由

应该理解，图1中的终端设备、网络和服务器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。

继续参考图2，示出了根据本申请的文本录制视频清晰度检测的方法的一个实施例的流程图。所述的文本录制视频清晰度检测方法，包括以下步骤：

步骤S201，获取业务录制视频。

在本实施例中，文本录制视频清晰度检测方法运行于其上的电子设备(例如图1所示的

通过带摄像头的电子设备拍摄业务录制视频片段。

步骤S202，计算所述业务录制视频的模糊度曲线，根据所述模糊度曲线，截取所述业务录制视频，获得待检测的文本录制视频片段。

在本实施例中，根据真实场景业务录制视频的模糊度曲线特点，确定截取的片段。真实场景业务录制视频，通常会包括以下过程：人脸图像录制->转到文本材料->文本材料录制->转到人脸->人脸图像录制，其中转到文本材料的过程和转到人脸的过程录像设备没有对焦，拍到的视频是模糊的，所以真实业务录制视频的模糊度曲线变化的特点为清晰->模糊->清晰->模糊->清晰。以模糊度曲线上第二段清晰的线段对应的时间段截取业务录制视频，即可获得待检测的文本录制视频片段。

通过使用Brenner梯度函数D(f)计算相邻的两个像素灰度差的平方，来获得业务录制视频的模糊度曲线。D(f)函数定义如下：

D(f)＝∑

中f(x,y)表示图像f所对应的像素点(x,y)的灰度值，D(f)为图像清晰度计算的结果。

根据业务录制视频的特点，其模糊度曲线大致如图3所示，其中t1-t2这一时间段的视频片段即为待检测的文本录制视频片段。

通过业务录制视频的模糊度曲线特点，可以更准确的获得截取的时间段，有效的去除了冗余部分，提高了文本录制视频片段清晰度检测的效率。

步骤S203，抽取所述待检测的文本录制视频片段中的N个视频帧，其中N为大于1的正整数。

在本实施例中，视频由一系列连续播放的图像构成，这些连续播放的图像就是视频帧。通常网络上播放的视频帧率为30帧/秒，最低可以降到25帧/秒。对视频进行视频帧抽取，即对视频进行视频帧抽样，可以减少计算量，提高处理效率。

例如检测一个5秒时长的视频，帧率为30帧/秒，该视频共150帧，每10帧抽取一个视频帧，共得到15幅图像，后续只需要对15幅图像进行处理，且15幅图像在时间轴上均匀分布，减少了计算量的同时也能真实体现视频的清晰度。

步骤S204，将所述N个视频帧输入到基于OCR的文字识别模型中，获得所述N个视频帧中各帧的文字识别结果，根据所述文字识别结果判断所述各帧的帧清晰度。

在本实施例中，将抽取的N个视频帧输入到基于OCR的文字识别模型中，获得每个视频帧的文字识别结果。OCR(Optical Character Recognition，光学字符识别)，是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。基于OCR的文字识别模型可以通过通用软件实现。

根据各个视频帧的文字识别结果分别判断各帧是否清晰。当视频帧通过基于OCR的文字识别模型可以识别出字符，则认为该视频帧清晰，否则，认为该视频帧模糊。

步骤S205，根据所述各帧的帧清晰度判断所述待检测的文本录制视频片段的清晰度。

在本实施例中，根据步骤S204中得到的各帧的帧清晰度，计算判断为清晰的视频帧的个数，并计算这个数值与抽取的视频帧总数的比值，将得到比值与预先设定的阈值比较，比值大于设定的阈值时，判断待检测的文本录制视频清晰。

本申请通过获取业务录制视频；计算所述业务录制视频的模糊度曲线，根据所述模糊度曲线，截取所述业务录制视频，获得待检测的文本录制视频片段；抽取所述待检测的文本录制视频片段中的N个视频帧，其中N为大于1的正整数；将所述N个视频帧输入到基于OCR的文字识别模型中，获得所述N个视频帧中各帧的文字识别结果，根据所述文字识别结果判断所述各帧的帧清晰度；根据所述各帧的帧清晰度判断所述待检测的文本录制视频片段的清晰度。文本录制视频片段的清晰度无需通过人眼观看视频来检测，更省时省力，效率更高。

在本实施例的一些可选的实现方式中，步骤S201之后，包括以下步骤：

获取与所述业务录制视频同步的音频；

将所述音频进行文字转换，获取文字转换结果，将所述文字转换结果与预设的第一关键词和第二关键词比对，获取所述第一关键词和所述第二关键词在所述音频中首次出现的第一时间点和第二时间点；

根据所述第一时间点和所述第二时间点构成的时间段截取所述业务录制视频，获得第一视频片段；

计算所述第一视频片段的模糊度曲线，根据所述模糊度曲线，截取所述第一视频片段，获得待检测的文本录制视频片段。

上述实施方式，真实的业务场景录制不仅包括视频录制，同步会录制音频。视频录制通常不只包含文本录制视频片段还包含人脸录制部分，为了将文本录制视频片段更准确的分离出来，通过与业务录制视频同步录制的音频文件中的关键词首次出现的时间点确定截取业务录制视频的时间段，例如，业务员在为客户服务过程中，开始展示文本材料时通常会说“请阅读”，在结束展示时，通常会说“阅读完毕”，这里，把“请阅读”和“阅读完毕”分别设为第一关键词和第二关键词，通过通用的语音转文字软件将音频转为文字，将文字转换结果与第一关键词和第二关键词比对，获得第一关键词和第二关键词在音频中首次出现的第一时间点和第二时间点，以第一时间点和第二时间点截取业务录制视频，获得第一视频片段。

在一些实施方式中，只设定第一关键词，以音频中首次出现第一关键词的时间点为开始时间，以设定时长对业务录制视频进行截取，例如设定截取时长为5秒，获得第一视频片段，也可以起到去除冗余部分，只保留文本录制视频片段的作用。

再计算第一视频片段的模糊度曲线，去除第一视频片段中模糊的部分，进一步的去除冗余，提高了文本录制视频片段清晰度检测的效率和准确性。

在本实施例的一些可选的实现方式中，步骤S203中，包括以下步骤:

将所述待检测的文本录制视频片段解析为视频帧集；

按照设定的间隔从所述视频帧集中抽取L个视频帧子集，L为大于1的正整数，其中，所述视频帧子集为所述视频帧集中时间上相邻的M个视频帧构成，M为大于1的正整数。

上述实施方式，因为待检测的文本录制视频作为事后监督的重要要素，要求对文本材料录制时对焦时间持续一定时间，方便事后人眼可以识别。为避免抽取方式可能会引入的清晰度检测与人眼识别存在偏差的问题，也就是说通过计算机检测为清晰，而人眼不容易识别的问题，采用均匀间隔每次抽取时间上相邻的多个视频帧的方式抽样，例如整个视频片段300帧，每隔固定帧数连续的抽取M帧，M为大于1的正整数,例如每隔20帧抽取5帧。

通过每次连续的抽取多个视频帧方式，模拟人眼的识别需要一定时长这一因素，使清晰度检测更准确。

在本实施例的一些可选的实现方式中，步骤S205中，包括以下步骤：

步骤S301，根据所述各帧的帧清晰度判断所述各视频帧子集清晰度；

步骤S302，根据所述各视频帧子集清晰度判断所述待检测的文本录制视频片段的清晰度。

上述实施方式，先根据各帧的帧清晰度判断抽取的各视频帧子集的清晰度，可以通过计算视频帧子集中清晰的视频帧个数占视频帧子集中视频帧总数的比来判断，将比值与设定的阈值比较，大于设定的阈值，判断该视频帧子集清晰，否则，判断该视频帧子集模糊。

在本实施例的一些可选的实现方式中，步骤S302中，包括以下步骤：

根据所述各视频帧子集清晰度，计算所述各视频帧子集中清晰的视频帧子集个数占所述抽取的视频帧子集总数L的比值；

将所述比值与预设的第一阈值比较，当所述比值大于所述第一阈值时，判断所述待检测的文本录制视频片段清晰。

上述实施方式，通过计算清晰的视频帧子集个数占抽取的视频帧子集总数的比值来判断所述待检测的文本录制视频片段的清晰度。当比值大于预设的第一阈值时，判断待检测的文本录制视频片段清晰，否则，判断待检测的文本录制视频片段模糊。

视频帧子集由时间上相邻的多个视频帧构成，模拟了人眼识别需要一定时长这一因素，可以避免计算机判断与人眼识别的偏差。

在本实施例的一些可选的实现方式中，步骤S204中，包括以下步骤：

分别计算所述各帧的文字识别结果中包含的字符数；

将所述字符数与预设的第二阈值比较，当所述字符数大于所述第二阈值时，判断对应的视频帧清晰。

上述实施方式，通过计算各帧的文字识别结果中包含的字符数来判断对应的视频帧是否清晰，例如设定的第二阈值为20，当一个视频帧通过基于OCR的文字识别模型识别出来的字符个数大于或等于20，判断该视频帧清晰，否则，判断该视频帧模糊。

本实施方式通过设定字符数阈值来判断视频帧是否清晰，判断结果更加客观、准确。

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。

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，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

应该理解的是，虽然附图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，其可以以其他的顺序执行。而且，附图的流程图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，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他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。

进一步参考图4，作为对上述图2所示方法的实现，本申请提供了一种文本录制视频清晰度检测装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例所述的文本录制视频清晰度检测装置400包括：获取模块401、抽取模块403、处理模块404以及判断模块405。其中：

获取模块401，用于获取业务录制视频；

截取模块402，用于计算所述业务录制视频的模糊度曲线，根据所述模糊度曲线，截取所述业务录制视频，获得待检测的文本录制视频片段；

抽取模块403，用于抽取所述待检测的文本录制视频片段中的N个视频帧，其中N为大于1的正整数；

处理模块404，用于将所述N个视频帧输入到基于OCR的文字识别模型中，获得所述N个视频帧中各帧的文字识别结果，根据所述文字识别结果判断所述各帧的帧清晰度；

判断模块405，用于根据所述各帧的帧清晰度判断所述待检测的文本录制视频片段的清晰度。

在本实施例中，通过获取业务录制视频；计算所述业务录制视频的模糊度曲线，根据所述模糊度曲线，截取所述业务录制视频，获得待检测的文本录制视频片段；抽取所述待检测的文本录制视频片段中的N个视频帧，其中N为大于1的正整数；将所述N个视频帧输入到基于OCR的文字识别模型中，获得所述N个视频帧中各帧的文字识别结果，根据所述文字识别结果判断所述各帧的帧清晰度；根据所述各帧的帧清晰度判断所述待检测的文本录制视频片段的清晰度。文本录制视频片段的清晰度无需通过人眼观看视频来检测，更省时省力，效率更高。

在本实施例的一些可选的实现方式中，所述的文本录制视频清晰度检测装置还包括：

第一获取子模块，用于获取与所述业务录制视频同步的音频；

第一处理子模块，用于将所述音频进行文字转换，获取文字转换结果，将所述文字转换结果与预设的第一关键词和第二关键词比对，获取所述第一关键词和所述第二关键词在所述音频中首次出现的第一时间点和第二时间点；

第一截取子模块，用于根据所述第一时间点和所述第二时间点构成的时间段截取所述业务录制视频，获得第一视频片段；

第二截取子模块，用于计算所述第一视频片段的模糊度曲线，根据所述模糊度曲线，截取所述第一视频片段，获得待检测的文本录制视频片段。

在本实施例的一些可选的实现方式中，抽取模块403包括：

第一解析子模块，用于将所述待检测的文本录制视频片段解析为视频帧集；

第一抽取子模块，用于按照设定的间隔从所述视频帧集中抽取L个视频帧子集，L为大于1的正整数，其中，所述视频帧子集为所述视频帧集中时间上相邻的M个视频帧构成，M为大于1的正整数。

在本实施例的一些可选的实现方式中，判断模块405包括：

第二处理子模块，用于根据所述各帧的帧清晰度判断所述各视频帧子集清晰度；

第一判断子模块，用于根据所述各视频帧子集清晰度判断所述待检测的文本录制视频片段的清晰度。

进一步的，第一判断子模块包括：

第一计算子单元，用于根据所述各视频帧子集清晰度，计算所述各视频帧子集中清晰的视频帧子集个数占所述抽取的视频帧子集总数L的比值；

第一判断子单元，用于将所述比值与预设的第一阈值比较，当所述比值大于所述第一阈值时，判断所述待检测的文本录制视频片段清晰。

在本实施例的一些可选的实现方式中，处理模块404包括：

第一计算子模块，用于分别计算所述各帧的文字识别结果中包含的字符数；

第二判断子模块，用于将所述字符数与预设的第二阈值比较，当所述字符数大于所述第二阈值时，判断对应的视频帧清晰。

为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图5，图5为本实施例计算机设备基本结构框图。

所述计算机设备5包括通过系统总线相互通信连接存储器51、处理器52、网络接口53。需要指出的是，图中仅示出了具有组件51-53的计算机设备5，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。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(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

所述存储器51至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器51可以是所述计算机设备5的内部存储单元，例如该计算机设备5的硬盘或内存。在另一些实施例中，所述存储器51也可以是所述计算机设备5的外部存储设备，例如该计算机设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器51还可以既包括所述计算机设备5的内部存储单元也包括其外部存储设备。本实施例中，所述存储器51通常用于存储安装于所述计算机设备5的操作系统和各类应用软件，例如文本录制视频清晰度检测方法的计算机可读指令等。此外，所述存储器51还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器52在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器52通常用于控制所述计算机设备5的总体操作。本实施例中，所述处理器52用于运行所述存储器51中存储的计算机可读指令或者处理数据，例如运行所述文本录制视频清晰度检测方法的计算机可读指令。

所述网络接口53可包括无线网络接口或有线网络接口，该网络接口53通常用于在所述计算机设备5与其他电子设备之间建立通信连接。

本实施例通过获取业务录制视频；计算所述业务录制视频的模糊度曲线，根据所述模糊度曲线，截取所述业务录制视频，获得待检测的文本录制视频片段；抽取所述待检测的文本录制视频片段中的N个视频帧，其中N为大于1的正整数；将所述N个视频帧输入到基于OCR的文字识别模型中，获得所述N个视频帧中各帧的文字识别结果，根据所述文字识别结果判断所述各帧的帧清晰度；根据所述各帧的帧清晰度判断所述待检测的文本录制视频片段的清晰度。文本录制视频片段的清晰度无需通过人眼观看视频来检测，更省时省力，效率更高。

本申请还提供了另一种实施方式，即提供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可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的文本录制视频清晰度检测方法的步骤。

本实施例通过获取业务录制视频；计算所述业务录制视频的模糊度曲线，根据所述模糊度曲线，截取所述业务录制视频，获得待检测的文本录制视频片段；抽取所述待检测的文本录制视频片段中的N个视频帧，其中N为大于1的正整数；将所述N个视频帧输入到基于OCR的文字识别模型中，获得所述N个视频帧中各帧的文字识别结果，根据所述文字识别结果判断所述各帧的帧清晰度；根据所述各帧的帧清晰度判断所述待检测的文本录制视频片段的清晰度。文本录制视频片段的清晰度无需通过人眼观看视频来检测，更省时省力，效率更高。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。