CN101790107A - 一种测量视频质量的方法、装置及系统 - Google Patents

Abstract

本发明实施例公开了一种测量视频质量的方法、装置及系统，所述方法为：上游探针发送视频质量压缩损伤表征值的视频流，所述视频质量压缩损伤表征值为上游探针预先获；视频质量客观评估算法模型计算出网络对所述视频流造成的质量损伤表征值；下游探针根据所述视频流的所述已知视频质量压缩损伤表征值和所述网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值。本发明实施例提供了一种在系统较小开销的情况下，提高视频流在接收端的质量测量精确度的方法。

Description

一种测量视频质量的方法、装置及系统

技术领域

本发明涉及测量领域，尤其是涉及一种测量视频质量的方法、装置及系统。

背景技术

在带宽有限，传输成本高的场景中，现有技术的视频质量测量有两种方法：比特流无参考评估模型和参数型无参考评估模型。

比特流无参考评估模型如下：上游探针把经过编码压缩后的视频流发送到网络，下游探针从网络中收取视频流，对包含压缩损伤和传输损伤的视频流进行解码，用比特流无参考评估模型对受损视频进行视频质量评估；参数型无参考评估模型如下：下游探针收到视频流后，分析和统计视频流的压缩编码和网络传输性能指标，例如比特率、丢包、抖动等，以这些参数作为算法输入评估视频质量。

在对现有技术的研究和实践过程中，本发明的发明人发现现有技术存在以下问题：

比特流无参考评估模型要求下游探针对视频流进行解码，对下游探针的性能要求较高；而参数型无参考评估模型无需解码视频，开销较小，但测量结果的准确性不高。

发明内容

本发明实施例要解决的技术问题是提供一种测量视频质量的方法、装置及系统，将预先获取的有关压缩编码部分的视频质量损伤加入到视频质量测量的考虑范围，使得在测量开销较小的情况下，提高视频质量测量结果的准确度。

为解决上述技术问题，本发明所提供的实施例是通过以下技术方案实现的：

一种测量视频质量的方法：

上游探针发送视频质量压缩损伤表征值的视频流，所述视频质量压缩损伤表征值为上游探针预先获取；

视频质量客观评估算法模型计算出网络对所述视频流造成的质量损伤表征值；

下游探针根据所述视频流的所述视频质量压缩损伤表征值和所述网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值。

一种测量视频质量的装置，包括：

获取单元，用于获取视频质量压缩损伤表征值和视频质量客观评估算法模型计算得到的网络造成的质量损伤表征值，所述视频质量压缩损伤表征值为上游探针预先获取；

计算单元，用于根据获取单元获取的视频质量压缩损伤表征值和网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值。

一种测量视频质量的系统，包括：

上游探针，用于发送视频质量压缩损伤表征值的视频流，所述视频质量压缩损伤表征值为上游探针预先获取；

视频质量客观评估算法模型，用于计算出网络对所述视频流造成的质量损伤表征值；

下游探针，用于根据上游探针预先获取的视频质量压缩损伤表征值和视频质量客观评估算法模型计算得到的网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值。

由上述技术方案可以看出，本发明实施例根据预先获取的所述视频流的视频质量压缩损伤表征值和网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值，因为将已知的有关压缩编码部分的视频质量损伤加入到视频质量测量的考虑范围，则大大提高了视频质量的测量准确度，同时上述技术方案不需要对视频流进行解码操作，降低了系统开销。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一的方法流程示意图；

图2是本发明实施例二的方法流程示意图；

图3是本发明实施例装置的结构示意图；

图4是本发明实施例系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。

本发明实施例中，采用了主动测量的方式测量网络对视频业务的支持程度，方法为：将探针部署在网络边缘，视频流从上游探针发向下游探针，然后测量视频流从上游探针发向下游探针过程中，即网络传输时受到的质量损伤。

本发明实施例提供一种方案，兼顾节约系统开销和提高测量结果的准确度，在系统开销较小的情况下，保证准确度比参数型无参考评估模型高，或者在准确度与比特流无参考评估模型相当的情况下，将开销大大降低。以下实施例对该方案进行详细说明。

实施例一、参见图1详细说明，图1为本实施例的方法流程示意图。

步骤101：上游探针发送视频质量压缩损伤表征值的视频流，所述视频质量压缩损伤表征值为上游探针预先获取。

预先获取的视频质量压缩损伤表征值是表征视频在压缩时质量受损程度的数值，存在不同的表征方法，例如视频质量模型(video quality model，VQM)。VQM值为一种全参考视频质量评估算法模型，值域是0-1，0表示测试视频相对于参考视频没有损伤，1表示测试视频相对于参考视频的损伤大到一个极限，在视觉上表现为视频无法观看其内容。本发明实施例所述的视频质量压缩损伤表征值还可以是其他类似VQM值表征规律的表征值，即数值越小表示测试视频相对于参考视频没有损伤，数值越大表示相对于参考视频的损伤大到一个极限。现有技术中的比特流型无参考评估模型需要解码，系统开销太大，无法实现实时监控测量，而参数型无参考评估模型很难准确地评估出压缩编码所造成的损伤(因为一些可以很好表征压缩编码损伤的参数无法从视频流中获取，如视频类型、量化因子等)，模型评估结果的准确度很低。

步骤102：视频质量客观评估算法模型计算出网络对所述视频流造成的质量损伤表征值。

可通过布置在网络中或者接收端的视频质量客观评估算法模型来计算网络对视频流造成的质量损伤表征值，可使用公式计算，其中，将网络对视频流造成的质量损伤表征值用B表示，可以采用参数型无参考评估模型算法。针对标清分辨率、mpeg2和h264编码方式的视频而言，网络对该视频流造成的质量损伤表征值B可通过以下两个公式计算：

1、B＝1-exp(-0.117*PLER)

2、B＝1-0.754*exp(-0.104*PLER)-0.21*exp(-17.9*PLR)

其中，PLR(packet loss rate)为丢包率，PLER(packet loss event rate)为丢包事件率，丢包事件率是单位时间内的丢包事件个数，一次连续的丢包为一个丢包事件。exp表示返回e的n次幂。常数e等于2.71828182845904，是自然对数的底数。。

视频质量客观评估算法模型除了包括参数型无参考评估模型之外，还可以包括其他不需解码而直接采用计算机客观算法的模型，都不影响本发明实施例的实现。

步骤103：下游探针根据所述视频流的视频质量压缩损伤表征值和网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值。

可通过本发明的计算方法来计算视频流在接收端的质量损伤表征值，可使用公式计算，其中，将视频流在接收端的质量损伤表征值用C表示：

C＝V1*A+V2*B-V3*A*B

其中，A表示该视频流的已知的视频质量压缩损伤表征值，B表示网络对该视频流造成的质量损伤表征值，V1、V2、V3表示根据经验设置的系数。

在以VQM值作为视频质量压缩损伤表征值A时，通过经验和实验数据分析，得到系数V1、V2、V3的最优值都为1，公式则具体为：C＝A+B-A*B，其中各参数意义同前述。

本发明实施例根据预先获取的所述视频流的视频质量压缩损伤表征值和网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值，因为将已知的有关压缩编码部分的视频质量损伤加入到视频质量测量的考虑范围，则大大提高了视频质量的测量准确度。

并且，本发明实施例相对比特流无参考评估模型而言，不需解码视频流，因此，系统开销也小。

以下实施例二详细说明本发明实施例一在实际应用中的流程，实施例一步骤102所述的视频质量客观评估算法模型以参数型无参考评估模型为例进行说明。

实施例二、参见图2详细说明，图2为本实施例的方法流程示意图。

步骤201：上游探针获知视频流的视频质量压缩损伤表征值A。

在测试视频源端布置上游探针，模拟视频服务器，上游探针主动发生测试视频数据流，并且已知测试视频的质量压缩损伤表征值A。质量压缩损伤表征值A可以是VQM值或者是其他类似VQM值表征规律的表征值，都不影响本发明实施例的实现。

探针为是具备相应功能(如模拟视频流发送、接收、对视频流进行分析)的一个独立设备。

步骤202：上游探针发送该视频流和视频质量压缩损伤表征值A。

步骤203：参数型无参考评估模型捕获该视频流，计算网络对所述视频流造成的质量损伤表征值B。

参数型无参考评估模型所在的位置可能是网络中的某个布置视频测量的设备上，或者终端机顶盒上，都不影响本发明实施例的实现。

可采用参数型无参考评估模型，使用公式B＝1-exp(-0.117*PLER)

或者B＝1-0.754*exp(-0.104*PLER)-0.21*exp(-17.9*PLR)计算网络对所述视频流造成的质量损伤表征值B，其中，PLER为丢包事件率，PLR为丢包率，其他参数意义同前述。

步骤204：下游探针接收到该视频流。

布置在接收终端的下游探针捕获测试视频数据流。

步骤205：下游探针根据与视频流一起传输的A和计算得到的B，得到该视频流在接收端的质量损伤表征值C。

可使用公式计算，其中，将视频流在接收端的质量损伤表征值用C表示：具体为：C＝V1*A+V2*B-V3*A*B，其中，V1、V2、V3表示根据经验设置的系数。

在以VQM值作为视频质量压缩损伤表征值A时，通过经验和实验数据分析，得到系数V1、V2、V3的最优值都为1，即此时公式变形为C＝A+B-A*B。

本发明实施例根据预先获取的所述视频流的视频质量压缩损伤表征值和网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值，因为将已知的有关压缩编码部分的视频质量损伤加入到视频质量测量的考虑范围，则大大提高了视频质量的测量准确度。

并且，本发明实施例相对比特流无参考评估模型而言，不需解码视频流，因此，系统开销也小。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

以上提供了一种测量视频质量的方法，本发明实施例还提供测量视频质量的装置和系统。

一种测量视频质量的装置30，参见图3，图3为本发明实施例装置的结构示意图，包括：

获取单元31，用于获取视频质量压缩损伤表征值和视频质量客观评估算法模型计算得到的网络造成的质量损伤表征值，所述视频质量压缩损伤表征值为上游探针预先获取；

计算单元32，用于根据获取单元31获取的视频质量压缩损伤表征值和网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值。

所述计算单元32具体用于根据公式C＝V1*A+V2*B-V3*A*B得到所述视频流在接收端的质量损伤表征值，其中，A表示该视频流的已知的视频质量压缩损伤表征值，B表示网络对该视频流造成的质量损伤表征值，C则表示所述视频流在接收端的质量损伤表征值，V1、V2、V3表示根据经验设置的系数。

在以VQM值作为视频质量压缩损伤表征值A时，通过经验和实验数据分析，得到系数V1、V2、V3的最优值都为1，所述计算单元32使用的公式则具体为：C＝A+B-A*B，其中各参数意义同前述。

所述装置30可存在于下游探针中，或者是接收端的其他测量设备，都不影响本发明实施例的实现。本发明实施例装置在测量视频质量时，将上游探针已知的视频质量压缩损伤表征值加入到视频质量测量的考虑范围，大大提高视频测量的精确度。

一种测量视频质量的系统40，参见图4，图4为本发明实施例系统的结构示意图，包括：

上游探针41，用于发送视频质量压缩损伤表征值的视频流，所述视频质量压缩损伤表征值为上游探针预先获取；该视频质量压缩损伤表征值可以是VQM值或者是其他类似VQM值表征规律的表征值。

视频质量客观评估算法模型42，用于计算出网络对所述视频流造成的质量损伤表征值；可利用参数型无参考评估模型使用公式B＝1-exp(-0.117*PLER)

或者B＝1-0.754*exp(-0.104*PLER)-0.21*exp(-17.9*PLR)计算网络对所述视频流造成的质量损伤表征值B，其中，PLER为丢包事件率，PLR为丢包率。

下游探针43，用于根据上游探针41预先获取的视频质量压缩损伤表征值和视频质量客观评估算法模型42计算得到的网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值。可使用公式：C＝V1*A+V2*B-V3*A*B计算，其中，A表示该视频流的已知的视频质量压缩损伤表征值，B表示网络对该视频流造成的质量损伤表征值，C表示视频流在接收端的质量损伤表征值，V1、V2、V3表示根据经验设置的系数。

在以VQM值作为视频质量压缩损伤表征值A时，通过经验和实验数据分析，得到系数V1，V2和V3的最优值都为1，即此时公式变形为C＝A+B-A*B。

本发明实施例根据预先获取的所述视频流的视频质量压缩损伤表征值和网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值，因为将已知的有关压缩编码部分的视频质量损伤加入到视频质量测量的考虑范围，则大大提高了视频质量的测量准确度。

并且，本发明实施例相对比特流无参考评估模型而言，不需解码视频流，因此，系统开销也小。

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，所述的程序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，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上对本发明实施例所提供的一种测量视频质量的方法、装置及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种测量视频质量的方法，其特征在于：

上游探针发送视频质量压缩损伤表征值的视频流，所述视频质量压缩损伤表征值为上游探针预先获取；

视频质量客观评估算法模型计算出网络对所述视频流造成的质量损伤表征值；

下游探针根据所述视频流的所述视频质量压缩损伤表征值和所述网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值。

2.根据权利要求1所述的方法，其特征在于，所述利用视频质量客观评估算法模型计算出网络对所述视频流造成的质量损伤表征值具体为：

利用参数型无参考评估模型计算出网络对所述视频流造成的质量损伤表征值。

3.根据权利要求2所述的方法，其特征在于，所述利用参数型无参考评估模型计算出网络对所述视频流造成的质量损伤表征值具体为：

参数型无参考评估模型根据

B＝1-0.754*exp(-0.104*PLER)-0.21*exp(-17.9*PLR)或者B＝1-exp(-0.117*PLER)计算出网络对所述视频流造成的质量损伤表征值，其中，B表示网络对该视频流造成的质量损伤表征值，PLER为丢包事件率，PLR为丢包率。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述下游探针根据所述视频流的已知的视频质量压缩损伤表征值和所述网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值具体为：

下游探针根据公式C＝V1*A+V2*B-V3*A*B得到所述视频流在接收端的质量损伤表征值，其中，A表示预先获取的该视频流的视频质量压缩损伤表征值，B表示网络对该视频流造成的质量损伤表征值，C则表示所述视频流在接收端的质量损伤表征值，V1、V2、V3表示根据经验设置的系数。

5.根据权利要求4所述的方法，其特征在于，所述公式具体为：C＝A+B-A*B，其中，A表示预先获取的该视频流的视频质量压缩损伤表征值，B表示网络对该视频流造成的质量损伤表征值，C则表示所述视频流在接收端的质量损伤表征值。

6.一种测量视频质量的装置，其特征在于，包括：

获取单元，用于获取视频质量压缩损伤表征值和视频质量客观评估算法模型计算得到的网络造成的质量损伤表征值，所述视频质量压缩损伤表征值为上游探针预先获取；

计算单元，用于根据获取单元获取的视频质量压缩损伤表征值和网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值。

7.根据权利要求6所述的装置，其特征在于，所述计算单元具体用于根据公式C＝V1*A+V2*B-V3*A*B得到所述视频流在接收端的质量损伤表征值，或者，所述计算单元具体用于根据C＝A+B-A*B得到所述视频流在接收端的质量损伤表征值，其中，A表示预先获取的该视频流的视频质量压缩损伤表征值，B表示网络对该视频流造成的质量损伤表征值，C则表示所述视频流在接收端的质量损伤表征值，V1、V2、V3表示根据经验设置的系数。

8.一种测量视频质量的系统，其特征在于，包括：

上游探针，用于发送视频质量压缩损伤表征值的视频流，所述视频质量压缩损伤表征值为上游探针预先获取；

视频质量客观评估算法模型，用于计算出网络对所述视频流造成的质量损伤表征值；

下游探针，用于根据上游探针预先获取的视频质量压缩损伤表征值和视频质量客观评估算法模型计算得到的网络造成的质量损伤表征值，得到所述视频流在接收端的质量损伤表征值。

9.根据权利要求8所述的系统，其特征在于，所述视频质量客观评估算法模型具体利用参数型无参考评估模型根据B＝1-exp(-0.117*PLER)或者B＝1-0.754*exp(-0.104*PLER)-0.21*exp(-17.9*PLR)计算出网络对所述视频流造成的质量损伤表征值，其中，B表示网络对该视频流造成的质量损伤表征值，PLER为丢包事件率，PLR为丢包率。

10.根据权利要求8或9所述的系统，其特征在于，所述参数型无参考评估模型具体根据C＝V1*A+V2*B-V3*A*B或者C＝A+B-A*B得到所述视频流在接收端的质量损伤表征值，其中，A表示预先获取的该视频流的视频质量压缩损伤表征值，B表示网络对该视频流造成的质量损伤表征值，C则表示所述视频流在接收端的质量损伤表征值，V1、V2、V3表示根据经验设置的系数。

Images