虚拟现实(VR)是计算机在模拟环境中生成的交互体验。近几年VR技术迅速发展,VR视频数量成倍增长,研究VR视频质量评价(VQA)的方法具有重要意义。VR视频质量评价方法分为主观评价和客观评价。影响用户对VR视频质量观感的因素不仅仅是视频的感知质量,还包括了临场感、眩晕感、可接受度等主观感受。然而,目前相关的主观评价库较少,因此,本文建立了一个VR视频质量的主观评价库,该库包含了VR视频感知质量、临场感、眩晕感、可接受度的主观评分。主观评价耗时耗力,目前对于VR视频质量客观评价方法的研究又非常有限。本文对VR视频质量评价的方法进行了详细的分析,并提出了一种新的VR视频质量的无参考评价方法。该方法使用3D卷积神经网络(CNN)分为两步对VR视频进行训练,分别是分类训练和回归训练,从而计算出VR视频的质量分数。由于分两步训练耗时长,因此本文对网络结构进行了改进,直接使用回归训练进行VR视频质量评价,最终发现效果也不错。此外,本文使用两种切割方法,分别是普通切割法和视口切割法,对VR视频库进行扩充并作为VR视频质量评价网络的输入,从而比较两者对训练结果的影响,还比较了神经网络的输入大小对训练结果的影响。本文提出的VR视频质量评价方法得出的预测结果与VR视频主观质量评分具有较高的一致性,预测效果较好,与目前存在的VR视频质量评价方法相比具有较强的竞争力。今后进一步研究工作可以在更多的VR视频数据库上测试本文提出的VR视频客观质量评价方法并对其做出改进。