CN104427402B - 一种无线网络流媒体质量获取方法及系统 - Google Patents
一种无线网络流媒体质量获取方法及系统 Download PDFInfo
- Publication number
- CN104427402B CN104427402B CN201310395141.3A CN201310395141A CN104427402B CN 104427402 B CN104427402 B CN 104427402B CN 201310395141 A CN201310395141 A CN 201310395141A CN 104427402 B CN104427402 B CN 104427402B
- Authority
- CN
- China
- Prior art keywords
- video
- cardton
- fluency
- frame
- calculate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 3
- 238000000605 extraction Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims 1
- 238000005457 optimization Methods 0.000 description 5
- 238000007430 reference method Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client
- H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
- H04N21/647—Control signaling between network components and server or clients; Network processes for video distribution between server and clients, e.g. controlling the quality of the video stream, by dropping packets, protecting content from unauthorised alteration within the network, monitoring of network load, bridging between two different networks, e.g. between IP and wireless
- H04N21/64723—Monitoring of network processes or resources, e.g. monitoring of network load
- H04N21/64738—Monitoring network characteristics, e.g. bandwidth, congestion level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明涉及一种无线网络流媒体质量获取方法，包括：在视频流的播放过程中，计算当前播放视频帧与前一相邻视频帧之间在Y、Cb、Cr三个视频分量上的差值，进而计算所述当前播放视频帧与前一相邻视频帧之间的差值；结合计算结果判断当前播放视频帧处于四种状态中的哪一种：视频卡顿开始、视频卡顿结束、视频卡顿持续与正常播放；若处于视频卡顿结束状态，保存新得到的视频卡顿时长，利用新得到的视频卡顿时长与已有的视频卡顿信息计算视频流畅度，若处于视频卡顿开始状态，开始测量本次卡顿的时长，然后利用已有的视频卡顿信息计算视频流畅度，若处于其他两种状态，利用已有的视频卡顿信息，计算视频流畅度；计算视频帧的模糊度和马赛克。
Description
技术领域
本发明涉及无线网络领域，特别涉及一种无线网络流媒体质量获取方法及系统。
背景技术
随着LTE（Long Term Evolution）无线技术的普及，越来越多的用户使用移动终端观看流媒体视频。但由于无线网络环境的动态变化以及阴影衰落等因素的影响，流媒体视频可能出现马赛克、模糊和视频卡顿等现象，从而导致用户使用业务的体验下降。为了保证移动终端接收到的视频质量，在移动基站必须实施相应的优化调度方法，优先调度视频质量出现下降的用户，避免用户接收到的视频质量持续受到损伤，以保证用户对本次业务的整体体验。用户对流媒体业务的体验质量（QoE，Quality of Experience）是运营商进行业务运营和业务优化的重要参考指标，传统的业务质量（QoS，Quality of Service）只能代表网络的性能，并不能反映用户使用业务时的真实感受。以QoE为目标的优化方法的研究，对网络优化具有重要的指导意义。
在流媒体业务中，流媒体客户端从流媒体服务器下载流媒体数据，并在本地进行缓存。当缓存达到一定数量或时间时，客户端才进行播放。无线网络环境的动态变化容易导致流媒体数据包的时延增大或者引起丢包，客户端的流媒体视频就会出现模糊、马赛克或者卡顿，进而降低用户的QoE。为了保障用户的视频观看体验，需要实时监测用户的QoE变化，以在发现用户QoE降低时，实施优化措施，提高用户QoE。实时的QoE监测和优化对于运营商保障用户黏度具有重要的意义。
在目前的流媒体业务实时QoE评估方法中，主要有全参考、部分参考和无参考评估方法。全参考方法需要把待测视频和源视频进行对比，进行逐像素点的计算，运算量较大，且由于在测量点需要源视频作为参考，因此全参考方法实用性较差。部分参考方法则只需要源视频的部分特征信息，在客户端进行特征信息比较，得出评价结果，但由于只是提取了部分的特征信息，有可能源视频的特征信息和失真视频的特征信息完全相同，造成评估偏差。无参考方法不需要任何参考信息，仅通过提取受损视频本身的特征进行分析评估，复杂度较低且易于实时实现。但目前的无参考QoE评估模型中，并没有考虑用户之间的差异性，对所有用户均使用同一种评估模型。但在实际应用中，不同用户对于不同的视频失真参数（如模糊度、马赛克、流畅度）的关注度可能各不相同，用户对视频失真的承受度也不相同，理论上应该根据用户的偏好设置不同的权重，但在无参考评估方法中并没有这样做。另一方面，由于用户对于视频的流畅性与否更为敏感，并且对于一次卡顿现象的记忆持续时间较长，在评估QoE时，需要考虑用户所感受到的所有卡顿情况，在现有技术中也没有考虑这方面的内容。
发明内容
本发明的目的在于克服现有技术中的缺陷，从而提供一种无线网络流媒体质量获取方法。
为了实现上述目的，本发明提供了一种无线网络流媒体质量获取方法，包括：
步骤1）、在视频流的播放过程中，计算当前播放视频帧与前一相邻视频帧之间在Y、Cb、Cr三个视频分量上的差值，进而计算所述当前播放视频帧与前一相邻视频帧之间的差值；
步骤2）、结合步骤1）的计算结果判断当前播放视频帧处于四种状态中的哪一种：视频卡顿开始、视频卡顿结束、视频卡顿持续与正常播放；若处于视频卡顿结束状态，保存新得到的视频卡顿时长，利用新得到的视频卡顿时长与已有的视频卡顿信息计算视频流畅度，若处于视频卡顿开始状态，开始测量本次卡顿的时长，然后利用已有的视频卡顿信息计算视频流畅度，若处于其他两种状态，利用已有的视频卡顿信息，计算视频流畅度；
步骤3）、计算视频帧的模糊度和马赛克。
上述技术方案中，还包括：
步骤4）、根据视频流畅度、模糊度和马赛克计算视频帧的体验质量。
上述技术方案中，所述的步骤1）包括：
步骤1-1）、提取当前播放的第m帧的Y、Cb、Cr分量的值，并和之前的第m-1帧的相应分量进行比较，得到Y、Cb、Cr三个分量的差值JY、JCb、JCr；
步骤1-2）、计算第m帧和第m-1帧的差值Jm，Jm=a·JY+b·JCb+c·JCr，其中的a、b、c分别表示JY、JCb、JCr三个参数的权重。
上述技术方案中，所述的步骤2）包括：
步骤2-1）、若Jm=0并且Jm-1≠0，则当前播放的第m帧开始出现卡顿，重置定时器T0，开始测量本次卡顿时长，然后执行2-3），若Jm=0并且Jm-1≠0不成立，执行步骤2-2）；
步骤2-2）、若Jm≠0并且Jm-1=0成立，则视频卡顿结束，读取定时器T0的值，将其作为第k次卡顿的时长Djerkiness,k并存储，然后执行下一步，若Jm≠0并且Jm-1=0不成立，则直接执行下一步；
步骤2-3）、读取所保存的第k次卡顿时长Djerkiness,k，计算视频流畅度参数其中，
表示把每一次出现的卡顿时间进行归一化；wk是第k次视频卡顿所占的权重，距离测量时刻更近的视频卡顿权重更大，,N为总的卡顿次数，当N=0时，ffluency=1，满足wk+1>wk，且Djerk,max表示用户可以容忍的最大卡顿时间。
上述技术方案中，所述的步骤3）包括：
为视频帧计算模糊度Dblur、马赛克Dbloc，然后进行归一化计算 其中，fblurriness、fblockiness表示归一化后的模糊度和马赛克，Dblur,max、Dbloc,max表示从用户信息中得到的用户可容忍的视频帧的最大模糊度和马赛克。
上述技术方案中，采用Blind Image Quality Index算法计算模糊度Dblur和马赛克Dbloc。
上述技术方案中，在步骤4）中，计算视频帧的体验质量包括：
QoE＝α·fblurriness+β·fblockiness+γ·ffluency；
其中，fblurriness表示模糊度，fblockiness表示马赛克，ffluency表示流畅度，α、β、γ分别表示模糊度、马赛克、流畅度在用户体验中所占比重，并且满足α+β+γ=1。
本发明还提供了一种无线网络流媒体质量获取系统，包括参数提取模块、流畅度计算模块；其中，
所述的参数提取模块用于在视频流的播放过程中，计算当前播放视频帧与前一相邻视频帧之间在Y、Cb、Cr三个视频分量上的差值，进而计算所述当前播放视频帧与前一相邻视频帧之间的差值；以及计算视频帧的模糊度和马赛克；
所述的流畅度计算模块判断当前播放视频帧处于四种状态中的哪一种：视频卡顿开始、视频卡顿结束、视频卡顿持续与正常播放；若处于视频卡顿结束状态，保存新得到的视频卡顿时长，利用新得到的视频卡顿时长与已有的视频卡顿信息计算视频流畅度，若处于视频卡顿开始状态，开始测量本次卡顿的时长，然后利用已有的视频卡顿信息计算视频流畅度，若处于其他两种状态，利用已有的视频卡顿信息，计算视频流畅度。
上述技术方案中，还包括QoE评估模块；
所述QoE评估模块从用户信息中获取用户观看偏好，得到模糊度、马赛克、流畅度在用户体验中所占的比重α、β、γ，并且满足α+β+γ=1；由模糊度、马赛克、流畅度，计算用户的体验质量参数。本发明的优点在于：
本发明考虑了用户观看行为的差异性，不同用户对不同类型的视频质量失真感受不同，在QoE评估模型中，根据用户偏好，对不同的视频质量参数赋予不同的权重。另一方面，本发明考虑了用户对视频卡顿的敏感性，通过存储视频卡顿信息（卡顿时长），利用历史信息计算视频流畅度参数，更准确的评估了帧内和帧间视频质量对QoE的影响。
附图说明
图1是本发明的无线网络流媒体质量获取方法的流程图；
图2是本发明的无线网络流媒体质量获取系统的示意图；
图3是在一个仿真例中流媒体的评估曲线图。
具体实施方式
现结合附图对本发明作进一步的描述。
本发明的方法在移动终端实时监测两类流媒体视频质量参数：帧内视频质量参数和帧间视频质量参数，帧内视频质量参数包括模糊度和马赛克，帧间视频质量参数包括流畅度。
下面对本发明方法的相关步骤做进一步的描述。
参考图1，本发明的方法包括：
步骤1）、提取用户观看偏好，通过数据挖掘的方法获取模糊度、马赛克、流畅度这三种视频质量参数在用户观看体验中所占比重，模糊度、马赛克、流畅度在用户体验中所占比重分别为α、β、γ，并且满足α+β+γ=1。
步骤2）、在视频流的播放过程中，提取当前播放的第m帧的Y、Cb、Cr分量的值，并和之前的第m-1帧的相应分量进行比较，得到Y、Cb、Cr三个分量的差值JY、JCb、JCr；接着计算第m帧和第m-1帧的差值Jm，Jm=a·JY+b·JCb+c·JCr，其中的a、b、c分别表示JY、JCb、JCr三个参数的权重，在本实施例中，a、b、c的值分别为0.5、0.3和0.2，在其他实施例中，这三个权重值可根据用户的观看偏好进行调整。。
在本步骤中，计算相邻视频帧的差值采用如下公式：其中f(x,y)表示M*N像素的帧在(x,y)位置的像素的值，|Δf(x,y)|表示在像素点(x,y)相邻两帧的差值，包括Y、Cb、Cr三个视频参量。
步骤3）、判断当前播放的第m帧是否出现视频卡顿，若Jm=0并且Jm-1≠0，说明从第m帧开始出现卡顿，于是重置定时器T0，开始测量本次卡顿时长，执行步骤5），若Jm=0并且Jm-1≠0不成立，执行步骤4）。
步骤4）、判断视频卡顿是否结束，若Jm≠0并且Jm-1=0成立，则视频卡顿结束，读取定时器T0的值，将其作为第k次卡顿的时长Djerkiness,k，并存储该卡顿时长到数据库，然后执行下一步，若Jm≠0并且Jm-1=0不成立（此时剩余两种情况：Jm=0并且Jm-1=0，或Jm≠0并且Jm-1≠0，分别对应视频卡顿持续或正常播放），则直接执行下一步。
步骤5）、为视频帧计算模糊度Dblur、马赛克Dbloc，然后进行归一化计算 其中，fblurriness、fblockiness表示归一化后的模糊度和马赛克，Dblur,max、Dbloc,max表示用户可容忍的视频帧的最大模糊度和马赛克，可从用户信息中得到。
在本步骤中，计算模糊度Dblur和马赛克Dbloc时可采用现有技术中的Blind ImageQuality Index（BIQI）算法。
步骤6）、读取步骤4）中所保存的第k次卡顿时长Djerkiness,k，计算视频流畅度参数其中，表示把每一次出现的卡顿时间进行归一化；wk是第k次视频卡顿所占的权重，距离测量时刻更近的视频卡顿权重更大，,N为总的卡顿次数（当N=0时，ffluency=1），满足wk+1>wk，且Djerk,max表示用户可以容忍的最大卡顿时间，如果某次视频卡顿时间达到Djerk,max，用户就会放弃该流媒体业务。
需要说明的是，步骤5）与步骤6）之间的执行顺序可以互换。
以上是对本发明方法在一个实施例中的相关步骤的描述。在另一个实施例中，本发明的方法还包括：
步骤7）、计算QoE；其中，QoE＝α·fblurriness+β·fblockiness+γ·ffluency，然后提取下一视频帧，重新执行步骤2），直至视频流结束。
从对本发明方法的上述描述可以看出，每次捕获视频帧都会计算该视频帧的QoE，只是如果当前正发生视频卡顿，则在计算流畅度参数时不包括当前的卡顿时长。当前无卡顿现象时，流畅度参数是历史卡顿现象的表征。当前的卡顿现象只有当卡顿结束时才会被计入流畅度参数的计算中。
以上是对本发明方法的相关步骤的描述，下面对与本发明方法相对应的本发明的系统做进一步描述。
参考图2，本发明的流媒体质量获取系统包括三个模块：参数提取模块、流畅度计算模块以及QoE评估模块。
所述的参数提取模块用于在视频流的播放过程中，计算当前播放视频帧与前一相邻视频帧之间在Y、Cb、Cr三个视频分量上的差值，进而计算所述当前播放视频帧与前一相邻视频帧之间的差值；以及计算视频帧的模糊度和马赛克；
所述的流畅度计算模块判断当前播放视频帧处于四种状态中的哪一种：视频卡顿开始、视频卡顿结束、视频卡顿持续与正常播放；若处于视频卡顿结束状态，保存新得到的视频卡顿时长，利用新得到的视频卡顿时长与已有的视频卡顿信息计算视频流畅度，若处于视频卡顿开始状态，开始测量本次卡顿的时长，然后利用已有的视频卡顿信息计算视频流畅度，若处于其他两种状态，利用已有的视频卡顿信息，计算视频流畅度；
所述QoE评估模块从用户信息中获取用户观看偏好，得到模糊度、马赛克、流畅度在用户体验中所占的比重α、β、γ，并且满足α+β+γ=1；由模糊度、马赛克、流畅度，计算用户的体验质量参数。
在其他实施例中，本发明的系统还可不包含QoE评估模块，此时，本发明的系统能够计算出视频帧的模糊度、马赛克和流畅度。
为了对本发明的方法及系统的效果进行验证，做如下仿真实验。
通过NS-3仿真软件搭建LTE仿真网络，以半实物仿真方式部署HTTP流媒体业务。具体仿真配置参数如下面的表1所示：
表1
在流媒体客户端应用本发明提出的方法，流媒体服务器向两个流媒体客户端UE1和UE2提供测试视频为foreman.avi，比特率为800Kbps，时长60s。在客户端采用本发明的方法评估客户端接收到的流媒体QoE。
测得UE1和UE2的QoE如图3所示，从图中可以看出，QoE在0～1之间波动，这是因为无线网络环境的动态变化，抖动较大，导致视频中出现模糊、马赛克，甚至出现卡顿的情况，导致用户体验下降。在仿真中，UE1和UE2观看流媒体时，UE1侧出现了多次视频卡顿，而UE2侧没有出现卡顿现象，导致UE1的QoE曲线在20s后出现了下降，而UE2的QoE曲线相对保持较高的水平。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种无线网络流媒体质量获取方法，包括：
步骤1)、在视频流的播放过程中，计算当前播放视频帧与前一相邻视频帧之间在Y、Cb、Cr三个视频分量上的差值，进而计算所述当前播放视频帧与前一相邻视频帧之间的差值；
步骤2)、结合步骤1)的计算结果判断当前播放视频帧处于四种状态中的哪一种：视频卡顿开始、视频卡顿结束、视频卡顿持续与正常播放；若处于视频卡顿结束状态，保存新得到的视频卡顿时长，利用新得到的视频卡顿时长与已有的视频卡顿信息计算视频流畅度，若处于视频卡顿开始状态，开始测量本次卡顿的时长，然后利用已有的视频卡顿信息计算视频流畅度，若处于其他两种状态，利用已有的视频卡顿信息，计算视频流畅度；
步骤3)、计算视频帧的模糊度和马赛克；
步骤4)、根据视频流畅度、模糊度和马赛克计算视频帧的体验质量；
所述的步骤1)包括：
步骤1-1)、提取当前播放的第m帧的Y、Cb、Cr分量的值，并和之前的第m-1帧的相应分量进行比较，得到Y、Cb、Cr三个分量的差值JY、JCb、JCr；
步骤1-2)、计算第m帧和第m-1帧的差值Jm，Jm＝a·JY+b·JCb+c·JCr，其中的a、b、c分别表示JY、JCb、JCr三个参数的权重；
所述的步骤2)包括：
步骤2-1)、若Jm＝0并且Jm-1≠0，则当前播放的第m帧开始出现卡顿，重置定时器T0，开始测量本次卡顿时长，然后执行2-3)，若Jm＝0并且Jm-1≠0不成立，执行步骤2-2)；
步骤2-2)、若Jm≠0并且Jm-1＝0成立，则视频卡顿结束，读取定时器T0的值，将其作为第k次卡顿的时长Djerkiness,k并存储，然后执行下一步，若Jm≠0并且Jm-1＝0不成立，则直接执行下一步；
步骤2-3)、读取所保存的第k次卡顿时长Djerkiness,k，计算视频流畅度参数其中，
表示把每一次出现的卡顿时间进行归一化；wk是第k次视频卡顿所占的权重，距离测量时刻更近的视频卡顿权重更大，N为总的卡顿次数，当N＝0时，ffluency＝1，满足wk+1>wk，且Djerk,max表示用户可以容忍的最大卡顿时间。
2.根据权利要求1所述的无线网络流媒体质量获取方法，其特征在于，所述的步骤3)包括：
为视频帧计算模糊度Dblur、马赛克Dbloc，然后进行归一化计算其中，fblurriness、fblockiness表示归一化后的模糊度和马赛克，Dblur,max、Dbloc,max表示从用户信息中得到的用户可容忍的视频帧的最大模糊度和马赛克。
3.根据权利要求2所述的无线网络流媒体质量获取方法，其特征在于，采用BlindImage Quality Index算法计算模糊度Dblur和马赛克Dbloc。
4.根据权利要求1所述的无线网络流媒体质量获取方法，其特征在于，在步骤4)中，计算视频帧的体验质量包括：
QoE＝α·fblurriness+β·fblockiness+γ·ffluency；
其中，fblurriness表示模糊度，fblockiness表示马赛克，ffluency表示流畅度，α、β、γ分别表示模糊度、马赛克、流畅度在用户体验中所占比重，并且满足α+β+γ＝1。
5.一种无线网络流媒体质量获取系统，其特征在于，包括参数提取模块、流畅度计算模块和QoE评估模块；其中，
所述的参数提取模块用于在视频流的播放过程中，计算当前播放视频帧与前一相邻视频帧之间在Y、Cb、Cr三个视频分量上的差值，进而计算所述当前播放视频帧与前一相邻视频帧之间的差值；以及计算视频帧的模糊度和马赛克；
所述参数提取模块的具体实现过程为：
步骤1-1)、提取当前播放的第m帧的Y、Cb、Cr分量的值，并和之前的第m-1帧的相应分量进行比较，得到Y、Cb、Cr三个分量的差值JY、JCb、JCr；
步骤1-2)、计算第m帧和第m-1帧的差值Jm，Jm＝a·JY+b·JCb+c·JCr，其中的a、b、c分别表示JY、JCb、JCr三个参数的权重；
所述的流畅度计算模块判断当前播放视频帧处于四种状态中的哪一种：视频卡顿开始、视频卡顿结束、视频卡顿持续与正常播放；若处于视频卡顿结束状态，保存新得到的视频卡顿时长，利用新得到的视频卡顿时长与已有的视频卡顿信息计算视频流畅度，若处于视频卡顿开始状态，开始测量本次卡顿的时长，然后利用已有的视频卡顿信息计算视频流畅度，若处于其他两种状态，利用已有的视频卡顿信息，计算视频流畅度；
所述流畅度计算模块的具体实现过程为：
步骤2-1)、若Jm＝0并且Jm-1≠0，则当前播放的第m帧开始出现卡顿，重置定时器T0，开始测量本次卡顿时长，然后执行2-3)，若Jm＝0并且Jm-1≠0不成立，执行步骤2-2)；
步骤2-2)、若Jm≠0并且Jm-1＝0成立，则视频卡顿结束，读取定时器T0的值，将其作为第k次卡顿的时长Djerkiness,k并存储，然后执行下一步，若Jm≠0并且Jm-1＝0不成立，则直接执行下一步；
步骤2-3)、读取所保存的第k次卡顿时长Djerkiness,k，计算视频流畅度参数其中，
表示把每一次出现的卡顿时间进行归一化；wk是第k次视频卡顿所占的权重，距离测量时刻更近的视频卡顿权重更大，N为总的卡顿次数，当N＝0时，ffluency＝1，满足wk+1>wk，且Djerk,max表示用户可以容忍的最大卡顿时间；
所述QoE评估模块从用户信息中获取用户观看偏好，得到模糊度、马赛克、流畅度在用户体验中所占的比重α、β、γ，并且满足α+β+γ＝1；由模糊度、马赛克、流畅度，计算用户的体验质量参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310395141.3A CN104427402B (zh) | 2013-09-03 | 2013-09-03 | 一种无线网络流媒体质量获取方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310395141.3A CN104427402B (zh) | 2013-09-03 | 2013-09-03 | 一种无线网络流媒体质量获取方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104427402A CN104427402A (zh) | 2015-03-18 |
| CN104427402B true CN104427402B (zh) | 2017-11-21 |
Family
ID=52975138
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310395141.3A Expired - Fee Related CN104427402B (zh) | 2013-09-03 | 2013-09-03 | 一种无线网络流媒体质量获取方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104427402B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104965773B (zh) * | 2015-07-09 | 2019-06-04 | 网易（杭州）网络有限公司 | 终端、卡顿检测方法、装置及游戏卡顿检测方法、装置 |
| CN106547504B (zh) * | 2015-09-21 | 2019-08-30 | 腾讯科技（深圳）有限公司 | 流畅度评估方法及装置 |
| CN106559707A (zh) * | 2015-09-29 | 2017-04-05 | 华为技术有限公司 | 视频质量检测方法、装置及业务质量管理中心 |
| CN105578203B (zh) * | 2016-01-15 | 2018-10-19 | 北京赛特斯信息科技股份有限公司 | 视频文件质量检测系统及方法 |
| CN109618565B (zh) * | 2016-03-06 | 2022-04-05 | 王舟 | 流式视频用户体验质量的自动测量方法和系统 |
| WO2018058587A1 (zh) * | 2016-09-30 | 2018-04-05 | 华为技术有限公司 | 一种视频质量的评估方法、评估装置和系统 |
| CN108270635B (zh) * | 2016-12-30 | 2020-08-07 | 亿度慧达教育科技（北京）有限公司 | 网络卡顿判断方法、装置及在线课程直播系统 |
| CN107688498B (zh) * | 2017-08-25 | 2021-02-09 | Oppo广东移动通信有限公司 | 应用程序处理方法和装置、计算机设备、存储介质 |
| CN108984369A (zh) * | 2018-07-13 | 2018-12-11 | 厦门美图移动科技有限公司 | 卡顿预测方法、装置及移动终端 |
| CN109787806A (zh) * | 2018-11-22 | 2019-05-21 | 安徽师范大学 | 一种基于同质多象流的网络多媒体业务跨域保证方法 |
| CN112188273B (zh) * | 2020-09-27 | 2023-03-31 | 东南大学 | 一种基于流量分析的视频卡顿检测方法 |
| CN112104879B (zh) * | 2020-11-13 | 2021-03-23 | 腾讯科技（深圳）有限公司 | 一种视频编码方法、装置、电子设备及存储介质 |
| CN112887795B (zh) * | 2021-01-26 | 2023-04-21 | 脸萌有限公司 | 视频播放方法、装置、设备和介质 |
| WO2022170582A1 (zh) * | 2021-02-10 | 2022-08-18 | 华为技术有限公司 | 体验质量测量的方法和通信装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1359235A (zh) * | 2002-01-29 | 2002-07-17 | 北京工业大学 | 一种结合运动特征的视频质量评价方法 |
| EP2112835A1 (en) * | 2008-04-24 | 2009-10-28 | Psytechnics Ltd | Method and apparatus for generation of a video quality parameter |
| CN101742355A (zh) * | 2009-12-24 | 2010-06-16 | 厦门大学 | 基于空时域特征提取的无线视频部分参考测评方法 |
| CN102572501A (zh) * | 2010-12-23 | 2012-07-11 | 华东师范大学 | 考虑网络性能及视频本身特征的视频质量评估方法及装置 |
-
2013
- 2013-09-03 CN CN201310395141.3A patent/CN104427402B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1359235A (zh) * | 2002-01-29 | 2002-07-17 | 北京工业大学 | 一种结合运动特征的视频质量评价方法 |
| EP2112835A1 (en) * | 2008-04-24 | 2009-10-28 | Psytechnics Ltd | Method and apparatus for generation of a video quality parameter |
| CN101742355A (zh) * | 2009-12-24 | 2010-06-16 | 厦门大学 | 基于空时域特征提取的无线视频部分参考测评方法 |
| CN102572501A (zh) * | 2010-12-23 | 2012-07-11 | 华东师范大学 | 考虑网络性能及视频本身特征的视频质量评估方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104427402A (zh) | 2015-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104427402B (zh) | 一种无线网络流媒体质量获取方法及系统 | |
| CN107027023B (zh) | 基于神经网络的VoIP无参考视频通信质量客观评价方法 | |
| CN104424092B (zh) | 页面加载时长测试方法及装置 | |
| CN103377367B (zh) | 面部图像的获取方法及装置 | |
| CN104113788B (zh) | 一种TCP视频流业务的QoE训练和评估的方法及系统 | |
| EP2700267A1 (en) | Full-reference computation of mobile content quality of experience in real-time | |
| CN104394026B (zh) | 网页加载时间的测量方法及装置 | |
| JP2015507807A (ja) | 画像構図変更の品質評価 | |
| CN106851341B (zh) | 用于测量网络视频传送质量的方法和移动终端 | |
| CN103338461B (zh) | 基于业务量预测的网络规划方法及装置 | |
| CN109272044A (zh) | 一种图像相似度确定方法、装置、设备及存储介质 | |
| CN109144858A (zh) | 流畅度检测方法、装置、计算设备及存储介质 | |
| Hong et al. | Optimizing cloud-based video crowdsensing | |
| CN112584422B (zh) | 5g终端性能获取方法和装置 | |
| WO2016197458A1 (zh) | 一种流量控制的方法及装置 | |
| Hosseini et al. | Energy-budget-compliant adaptive 3D texture streaming in mobile games | |
| CN107704388A (zh) | 用于确定应用的启动时间的方法和装置 | |
| CN106454249A (zh) | 一种模拟多路高清实时音视频传输的装置及其方法 | |
| Wang et al. | A Dynamic Contribution Measurement and Incentive Mechanism for Energy-Efficient Federated Learning in 6G | |
| CN108769684A (zh) | 基于WebP图像压缩算法的图像处理方法以及装置 | |
| CN102610002B (zh) | 机台状态侦测系统及方法 | |
| CN103245829A (zh) | 一种虚拟机功耗测量方法 | |
| CN106373616A (zh) | 一种检测随机存储器故障的方法、装置和网络处理器 | |
| CN107368424A (zh) | 一种测试应用程序滑动帧率的方法及系统 | |
| CN105208388A (zh) | 视频通讯中动态调整编码帧率的方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171121 Termination date: 20190903 |