CN101601266A - 用于视频电话质量评估的方法和设备 - Google Patents

Abstract

在一种对视频电话系统中包括视频电话媒体的多媒体信号进行质量评估的方法中，接收多媒体信号S10，提取所述多媒体信号的多个参数S20，以及根据所提取参数中至少两个的表示来确定所述视频电话媒体的客观质量度量S30。

Description

用于视频电话质量评估的方法和设备

技术领域

本发明总体上涉及电信系统，具体涉及对这样的系统中视频电话媒体的质量评估(assessment)。

背景技术

为了确保良好的服务体验质量，(无线和有线网络这二者的)电信系统运营商在早期使用工具和测量方法来定位和防止网络或服务的问题。给定特定的网络资源，利用良好的工具也能够对网络进行优化以允许更多用户具有所提供服务的“足够好”的体验。一些服务仅要求测量诸如吞吐量之类的几个网络参数以为终端用户给出良好的质量估计。当面临诸如视频电话之类的媒体服务时，测量体验质量的任务就不再这么微不足道，原因在于包括媒体本身在内的若干因素都可能导致质量下降。

已知确定视频电话媒体质量的最好方法是使得一组测试人员主观地对每个视频电话呼叫进行评分并给出主观的质量分数(例如MOS)。实际上，在实时情形中这当然是不可行的。作为替代，能够利用客观质量评估模型来估计主观感知的视频质量。

大多数用于客观视频质量评估的已知解决方案基于在经解码视频图像上运行的视频图像分析算法。这些解决方案中的许多在某种程度上还可用来测量视频电话的质量。给出最佳结果的解决方案-全参考模型-需要参考视频以供比较。其它解决方案则依赖于通过仅对降级的视频本身进行评估来估计质量。

目前存在多种市场上可买到的、能够被用于评估视频电话的质量的产品或工具：

·来自Opticom[1]的PEVQ是基于图像分析的全参考模型。该算法输出类似MOS的分数。

·来自SwissQual[2]的VQuad是基于图像分析的全参考模型。SwissQual还具有称作Vmon的非参考模型。这二者都能够被用于确定视频质量。

·来自Genista[3]的Optimacy工具是基于图像分析的非参考和全参考模型。

基于视频图像分析的现有技术算法计算量非常大并且需要大量处理能力。即使它们中的许多算法能够接近实时地运行，但是这些算法的复杂度已经被降低，这很可能导致更差的视频质量估计。

许多现有技术的算法是全参考模型，其需要参考视频以将降级视频与之进行比较。如果希望测试一些其它视频内容，则这就不总是很方便。全参考模型总是给出特定视频序列的分数，而不是典型视频内容的平均分数。移动运营商(或有线运营商)通常想要的是平均分数。最后，为了获得有效分数，全参考模型中参考视频和降级视频之间的同步也必须是精确的。

因此，需要实现改进的客观视频电话质量评估的方法和设备，尤其不需要与参考视频电话呼叫进行比较。

发明内容

本发明克服了现有技术的设备和方法的这些和其它缺点。

根据一个方面，本发明提供了对视频电话服务的改进的质量评估。

根据进一步的方面，本发明实现了基于部分解码的视频电话会话的客观质量评估。

本发明的又一方面实现了一种把传输参数和编码参数这二者纳入考虑范围的质量评估模型。

简单来说，本发明包括一种对视频电话系统中包括视频电话媒体的多媒体信号进行质量评估的方法，其中接收多媒体信号(S10)，提取表示所述多媒体信号的多个参数(S20)，以及根据所提取参数中至少两个的表示来确定视频电话媒体的客观质量度量(measure)(S30)。

本发明的优点包括：

一种用于视频电话服务的改进的质量评估模型；

一种不需要对媒体进行完全解码的参数质量评估模型；

视频电话会话的客观质量度量。

附图说明

通过参考以下结合附图所进行的描述，将最好地理解本发明以及其另外的目标和优点，其中：

图1是包括本发明一个实施例的系统的示意性框图；

图2是包括本发明一个实施例的另一系统的示意性框图；

图3是根据本发明的方法实施例的示意性流程图；

图4是根据本发明的设备的示意性框图。

缩写

AMR-NB自适应多速率-窄带

BLER误块率

CRC循环冗余校验

CS电路交换

DTX不连续传输

GOB块组(Group Of Blocks)

MOS平均意见分数

MTU移动测试单元

PS分组交换

RTCP实时控制协议

RTP实时协议

具体实施方式

将在一般视频电话系统的背景下对本发明进行描述，其中视频电话会话(双向或单向)在视频电话提供商与接收设备之间进行。接收设备能够是移动终端或其它移动设备(例如，膝上计算机、PDA等)，或者是用于对会话和/或系统的质量进行评估的测试终端，或者是中间网络节点。

在本发明最一般的方面中，本发明实现了：通过利用来自网络本身的信息以及来自实际视频电话媒体流的编码的信息而对与移动或固定网络中视频电话服务或媒体的所感知音频质量、视频质量或者总体质量相关的质量分数或度量进行客观估计。接着，可以将客观估计映射到诸如MOS分数之类的主观质量分数，或者将二者进行比较。在以下公开内容中，术语媒体将被用作涵盖音频和视频的组合。

因此，本发明的基本实施例包括确定视频电话系统中多媒体信号中的视频电话流/媒体/呼叫的客观质量度量。根据从多媒体信号所提取的参数或参数的表示来确定质量度量。参数或其表示能够包括与无线电网络、传输网络相关的传输参数，和/或与实际编码的视频电话会话/媒体/呼叫相关的编码参数。

本发明根据从视频电话会话或呼叫所提取的信息提供对视频电话服务的总体质量、视频质量或音频质量中的一个或多个的客观估计。

图1图示了能够在其中实施本发明的一般系统，其中在标有“视频电话质量模型”的框中指示根据本发明的视频质量评估模型，其在接收测试单元中实施。

网络能够是分组交换(PS)网络或电路交换(CS)网络或者是二者的组合。其还可以是某种其它类型的网络或连接，诸如电缆。所述系统能够是双向的，其中测试单元能够进行传送和接收。

在优选实施例中，传送单元是通过CS移动网络传送视频电话流或媒体的移动设备或视频电话服务器。接收测试单元对所述流进行解复用(de-multiplex)并对所述流的音频和视频媒体进行解码。给定传输和编码信息，根据本发明计算估计的质量分数。

所述网络还能够被认为是移动或固定的PS网络，其中传送单元能够是分别传送音频流和视频流的PC客户端或移动设备。能够是基于移动或PC客户端的测试单元的接收器单元对音频流和视频流进行解码并且在给定传输和编码信息的情况下计算估计的质量分数。

其它可能的网络包括以上所提及网络的组合。

参见图2，根据进一步的实施例，具有根据本发明的视频电话质量模型的测试单元位于传送单元与接收单元之间的中间网络节点。这考虑到测量网络特定部分中的媒体质量。然而，如果网络是PS网络并且该流被加密，则能够从该流本身接收有限的信息。

参见图3，根据本发明的方法实施例包括接收S10视频电话系统中的多媒体信号，所述多媒体信号包括视频电话媒体。接着(或同时)，从所接收的媒体信号提取S20多个参数。最后，根据所提取参数的子集(至少两个)来确定S30视频电话媒体的客观质量度量。

对于特定实施例而言，所述子集包括三个参数，即所接收多媒体信号的视频编解码(codec)、总编码比特率和BLER。

能够利用的一些可能参数或其表示有：

无线电网络参数：

·无线电BLER

·所使用的无线电承载

传输网络参数：

·分组丢失

·数据吞吐量

·分组抖动(jitter)数据

·分组抖动缓冲(buffer)策略

·IP分组大小

·RTP/RTCP信令

其它与编解码无关的参数

·(来自H.223解复用器的)音频和视频的CRC误差率(errorratio)

·(与以上类似的)音频和视频的CRC误差数

·总比特率

·视频比特率

·音频比特率

·每视频帧的比特数

·音频-视频同步时间差

·目标视频帧速率

·视频类型

编解码信息

·音频编解码(例如AMR-MB、G.723)

·视频编解码(例如H.263、MPEG-4、H.264)

·视频编解码类(profile)

·视频编解码级

音频编码相关参数

·音频编解码模式(例如AMR模式)

·使用或不使用DTX

要求解析比特流中第一对字节的视频编码相关参数

·图片量化器

·实际视频帧速率(变化是重要的)

·每帧的视频片段(segment)(GOB、片(slice)、视频分组)数目

·图片内或图片间

·所使用的编码工具

要求全比特解析的视频编码参数

·每幅图片的内部宏块数目

·内部刷新策略(有根据的推测)

·每幅图片的差分量化器和平均/最小/最大量化器

·每个片段的宏块数目

·平均、最大和最小绝对运动矢量

根据优选实施例，所提取的参数或其表示包括以上所有以粗体标记的参数。所述表示能够包括参数的估计或其实际测量值。优选地，所有粗体参数的表示都包括在视频电话媒体的质量度量中。

根据进一步的实施例，在质量度量中包括一个或多个非粗体参数或其表示以进一步提高质量估计的准确度。所列出参数中的一些能够被用来估计或表示其它更为重要的参数。例如，给定无线电承载，能够确定总比特率的假设并将其用作所提取的参数之一。

当通过PS网络传输视频电话媒体流时，传输网络参数能够被包括。诸如分组丢失之类的一些网络参数对于CS核心网络也是有效的。

以下公开了关于视频抖动和视频调动缓冲的简要描述。并不保证通过PS网络发送的视频分组以精确或均匀的(even)速率到达，或者甚至不保证其以正确的次序到达。抖动是用于具有不均匀的到达速率的分组流的术语。不同网络具有不同的抖动分布和不同大小的抖动尖峰(spike)。根据缓冲大小和缓冲策略，抖动结果随每个网络而变化，甚至在相同网络内变化。

用于管理视频的抖动缓冲的一些备选方案：

·使用最小缓冲大小。视频流在到达时直接进行播放(playback)，当存在大量分组抖动时这会导致急动(jerkiness)

·使用大的缓冲大小。视频流以正确速率进行播放但是端到端延迟较大。对于实时服务而言，延迟不能太长。因此缓冲大小是可接受抖动与端到端延迟之间的权衡。

·使用自适应缓冲大小。自适应缓冲根据抖动特性而改变缓冲大小。在低级别时减小缓冲而在高级别时增加缓冲。自适应的速度是一个要设置的重要参数。根据应用，抖动缓冲可以甚至直接或者比实时稍快的速度选择跟在迟到(late)分组之后的分组应当被播放的速率，直至恢复到可接受的延迟。

此外，必须要考虑分组根本没有到达的现实问题。因此，必须要考虑在丢弃分组之前等待它多长时间是可接收的。这对抖动尖峰的大小有所影响。被丢弃的视频分组产生所谓的空间伪像。

就涉及实际视频电话流/媒体/呼叫的编码或编解码参数而言，它们能够根据模型要求而从至少部分解码(或解析)的所接收视频电话媒体流中或者从完全解码的视频电话媒体流中被提取。

根据特定实施例，从所接收的多媒体信号提取三个参数。

用于根据一些上述参数来计算质量度量或分数Qual_pred的函数的一个可能实施例能够表示为：

Qual_pred＝f(c，n，r)(1)

其中c是所提取的编码相关参数的表示，n是所提取的网络相关参数的表示，而r是所提取的影响视频电话媒体鲁棒性的参数的表示，并且f是预先确定的选定函数。

编码参数包括与确定视频电话媒体的无错基本质量相关的所有参数。如果网络中引入错误，则网络相关参数确定媒体质量的降级。鲁棒性参数被用来根据媒体编码中所使用的鲁棒性工具而降低所估计的降级。鲁棒性参数可以包括每帧的视频片段数目、图片内或图片间信息、每幅图片的内部宏块数目以及内部刷新策略。

如何能够计算质量分数的基本原则以所计算的干净(clean)编码媒体的基本质量为基础。接着改变基本质量分数以反映网络降级以及当前媒体所使用的鲁棒性工具。术语干净编码媒体是指对于编解码、帧速率、比特率的特定组合而言的理论最佳可能质量，其中不存在传输问题。

在本发明的另一个实施例中，质量分数函数能够被更具体地描述为几何函数：

Qual_pred＝f(c)*g(r，n)(2)

其中f(c)是干净编码媒体序列的质量分数，并且给定所使用的鲁棒性工具，g(r，n)是反映网络降级的0与1之间的值。

在本发明的又一个实施例中，质量分数函数能够被描述为

Qual_pred＝Qual_robust     (3)

当

Qual_clean＝f(c)    (4)

Qual_network＝g(Qual_clean，n)(5)

Qual_robust＝h(Qual_clean，Qual_network，r)    (6)

其中f、g和h为适当的选定函数。Qual_clean是干净编码媒体的质量。Qual_network是网络降级之后的媒体质量。Qual_robust是相对于所使用的鲁棒性工具的网络降级之后的媒体质量。Qual_clean分数必须被用作对Qual_robust分数的输入以确保该质量将不会好于Qual_clean。然而，即使Qual_network＝Qual_clean，Qual_robust也可能小于Qual_clean，原因在于所使用的鲁棒性工具可能引入额外的开销，这会降低媒体的整体质量。

还可以考虑这样的解决方案：其中计算基本媒体质量，并且使得质量降级的网络相关参数从分数中减去一个值，而鲁棒性相关参数向所述分数增加(或减去)另一值。

根据进一步的实施例，质量分数能够被即刻估计或者作为函数在某一时间内进行估计。如果即刻估计质量分数，则必须要对诸如BLER和实际帧速率之类的许多参数使用滑动窗以避免峰值，所述峰值将给出并非表示所感知质量的质量分数。例如，滑动窗能够例如为8秒钟长；其长到足以避免错误表示的(misrepresentative)峰值，但是仍然短到足以避免过于平滑的(flattening)平均效应。

出于说明的原因，已经在视频电话质量模型中测试了基于所描述参数的小型子集的质量分数函数。所述模型已经被映射到主观测试的结果，其中一组测试主体对利用不同视频编解码、目标视频帧速率和无线电BLER所编码和降级的短视频电话序列进行评分。以下函数等式7用于所述模型：

其中0≤BLER≤1且β＝(β₀，β₁)。β的不同值被用于不同的视频编解码。在以上所描述的示例中，β₀表示与干净编码媒体质量相关的参数而β₁则表示与网络降级相对应的参数。

根据(考虑多于两个参数的)进一步模型，能够根据以下等式8改进以上示例函数：

使用与以上所描述的相同术语，可以说β表示干净编码媒体的质量而BLER表示CS网络所引入的质量降级。

本发明还能够提供从其它客观模型到结果的映射以改善发明模型。

本发明的模型能够被用来监视实际双向视频电话呼叫的质量。其还能够对在通过网络单向发送视频电话流时的质量进行估计。这在测试网络中的视频电话服务时是适用的。

所述模型是基于来自无线电网络、传输网络的参数以及音频和视频编码参数的参数模型。可能的参数包括无线电误块率(BLER)、无线电承载、分组丢失、所使用的音频和视频编解码、视频帧速率和视频量化器。然而，对于一些实例而言，所述模型能够被看作是比特流模型。其差异在于所述模型是否仅利用所提供的参数而不对实际媒体进行(部分或全部)解码，或者是否还利用至少部分解码的媒体。

优选地，实时地提取和收集参数并且使用所公开的模型计算质量分数。所述分数例如能够是MOS的估计。在电路交换(CS)移动网络中使用所述模型是有益的，但是也能够被用在分组交换(PS)网络或二者的组合中。

将参考图4(以及图1、图2)来描述根据本发明的实现上述方法实施例的接收器设备。

用于对视频电话系统中包括视频电话媒体的多媒体信号进行质量评估的设备l包括用于从传送单元接收多媒体信号的单元10，用于从所述多媒体信号提取多个参数的单元20。所述提取单元适于提取包括指示传输条件的参数以及特定编码相关参数的参数。此外，设备l包括用于根据一些或所有所提取参数的表示来确定视频电话媒体的客观质量度量的质量确定单元30。

所述提取单元20能够进一步适于从视频电话媒体的至少部分解码的片段中提取参数，或者替代地适于从视频电话媒体的完全解码的片段中提取参数。

此外，所述设备可以包括用于支持对多媒体信号的音频/视频内容的处理的单元40。

总体而言，本发明公开了一种参数模型，其不需要对视频电话流的媒体进行完全解码以客观地(或主观地)估计其质量。因此所述算法在计算上是高效的并且能够被有利地以低硬件性能需求实施以用于实时使用。这对于基于视频图像分析的算法而言通常是挑战性的任务。

由于所述模型能够使用来自网络和编码的许多重要质量参数，所以能够以高准确度确定质量降级的可能原因。

许多基于图像分析的已知算法需要参考视频以便进行比较。本发明不进行比较，由此并不会面临需要参考和测试序列之间的精确帧同步的问题。

本发明公开了对视频电话服务的音频质量、视频质量和/或总体质量计算质量分数。这也将本发明与仅使用视频图像分析的模型区分开来。

如果进行适当的训练，如本发明所教导的参数模型可以选择给出视频电话的所有典型视频内容的平均分数。与本发明的参数模型不同，视频图像分析模型将一直给出特定视频内容的分数。在测试情形中，通常想要的是所有内容的平均值，原因在于移动视频电话用户将体验其在那一点所接收的内容质量，并且无法准确得知是什么内容。平均分数将给出视频电话用户的平均满意度。

本领域技术人员将会理解的是，可以对本发明进行各种修改和改变而不会背离其由所附权利要求所限定的范围。

参考文献

[1]Opticom的PEVO。http://www.opticom.de

[2]SwissCal的VQuad和Vmon算法。http://www.swissqual.com

[3]Genista的Optimacy工具。http://www.genista.com

Claims (23)

1.一种对视频电话系统中包括视频电话媒体的多媒体信号进行质量评估的方法，其特征在于：

接收(S10)所述多媒体信号；

提取(S20)所述多媒体信号的多个参数；以及

根据所述提取的参数中至少两个的表示来确定(S30)所述视频电话媒体的客观质量度量。

2.如权利要求1所述的方法，其特征在于所述提取的参数包括传输参数和编码参数这二者。

3.如权利要求1所述的方法，其特征在于从多媒体信号的至少部分解码的片段中提取所述参数子集。

4.如权利要求2所述的方法，其特征在于从多媒体信号的完全解码的片段中提取所述参数子集。

5.如权利要求2所述的方法，其特征在于所述传输参数包括无线电网络参数和传输网络参数。

6.如权利要求5所述的方法，其特征在于从无线电BLER或无线电承载类型的组中选择所述无线电网络参数的步骤。

7.如权利要求5所述的方法，其特征在于从分组丢失、数据吞吐量、分组抖动数据、抖动缓冲策略、IP分组大小、RTP/RTCP信令的组中选择所述传输网络参数的步骤。

8.如权利要求2所述的方法，其特征在于所述编码参数包括编解码信息。

9.如权利要求8所述的方法，其特征在于从音频编解码、视频编解码、视频编解码类、视频编解码级的组中选择所述编解码信息的步骤。

10.如权利要求2所述的方法，其特征在于所述编码参数包括音频编码相关参数。

11.如权利要求10所述的方法，其特征在于从音频编解码模式、使用/不使用DTX的组中选择所述音频编码相关参数。

12.如权利要求2所述的方法，其特征在于所述编码参数包括视频编码相关参数。

13.如权利要求12所述的方法，其特征在于从图片量化器、实际视频帧速率、视频片段数目、图片内/图片间、编码工具的组中选择要求对视频电话会话进行部分比特解析的视频编码相关参数的步骤。

14.如权利要求12所述的方法，其特征在于从每幅图片的内部宏块数目、内部刷新策略、每幅图片的差分量化器和平均/最小/最大量化器、每个片段的宏块数目以及平均、最大和最小绝对运动矢量的组中选择要求对视频电话会话进行完全比特解析的视频编码相关参数的步骤。

15.如权利要求1所述的方法，其特征在于所述参数进一步包括与编解码无关的参数。

16.如权利要求15所述的方法，其特征在于从音频和视频的CRC误差率、音频和视频的CRC误差数目、总比特率、视频比特率、音频比特率、每视频帧的比特数、音频-视频同步时间差、目标视频帧速率、视频类型的组中选择所述与编解码无关的参数的步骤。

17.如权利要求1所述的方法，其特征在于根据包括所述视频电话会话的无线电BLER、分组丢失、总比特率、音频-视频同步时间差、目标视频帧速率、音频编解码、视频编解码、音频编解码模式和图片量化器的所提取参数的表示来确定所述客观质量度量。

18.如权利要求1所述的方法，其特征在于所述质量度量指示视频电话有效载荷的视频质量、音频质量和总体质量的组中的至少一个。

19.如权利要求18所述的方法，其特征在于所述质量度量提供视频质量、音频质量和总体质量的独立指示。

20.一种用于对视频电话系统中包括视频电话媒体的多媒体信号进行质量评估的设备，其特征在于：

用于接收所述多媒体信号的装置(10)；

用于提取所述多媒体信号的多个参数的装置(20)，和

用于根据所述提取的参数中至少两个的表示来确定所述视频电话媒体的客观质量度量的装置(30)。

21.如权利要求20所述的设备，其特征在于所述提取装置(20)适于从视频电话媒体的至少部分解码的片段中提取所述多个参数。

22.如权利要求21所述的设备，其特征在于所述提取装置(20)适于从视频电话媒体的完全解码的片段中提取所述多个参数。

23.如权利要求20所述的设备，其特征在于进一步包括用于支持对包括音频和视频内容的信号的处理的装置(40)。

Images