CN109327710A - 一种直播系统的视频流的冷热情况确定的方法及装置 - Google Patents
一种直播系统的视频流的冷热情况确定的方法及装置 Download PDFInfo
- Publication number
- CN109327710A CN109327710A CN201811502123.XA CN201811502123A CN109327710A CN 109327710 A CN109327710 A CN 109327710A CN 201811502123 A CN201811502123 A CN 201811502123A CN 109327710 A CN109327710 A CN 109327710A
- Authority
- CN
- China
- Prior art keywords
- video flowing
- road
- cold
- road video
- characteristic
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000000284 extract Substances 0.000 claims abstract description 6
- 230000015654 memory Effects 0.000 claims description 11
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000013075 data extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010899 nucleation 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]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- 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]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- 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]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明公开了一种直播系统的视频流的冷热情况确定的方法及装置，该方法获取多个时间周期内的视频流的观看数据，根据多个时间周期内的视频流的观看数据，提取每路视频流的特征数据，并进行处理，根据每路视频流的处理后的特征数据、时间周期的数量、预设阈值和偏置参数，预测每路视频流在下一时间周期内的冷热情况。由于依据多个时间周期内的视频流的观看数据对应的特征数据，进行每路视频流下一时间周期的冷热情况的预测，不会依赖实时数据，降低了冷热流判断的系统复杂度和成本，同时根据每路视频流的处理后的特征数据、时间周期的数量、预设阈值和偏置参数，预测视频流在下一时间周期内的冷热情况，可以降低系统的计算量，提高系统稳定性。
Description
技术领域
本发明实施例涉及直播技术领域，尤其涉及一种直播系统的视频流的冷热情况确定的方法及装置。
背景技术
目前，直播系统为了降低成本，大多采用P2P(Peer-to-peer，对等网络)直播系统，直播时的源数据部分是从CDN(Content Delivery Network，内容分发网络)下载，部分是由每个客户端互相P2P交换获得。因此，P2P直播系统的成本包括CDN流量成本和P2P流量成本，而P2P流量成本是由P2P基础成本/观看人数，其中，一路视频流的P2P基础成本包括P2P直播系统从CDN获取到源数据的成本和节点调度成本。其中只要一路视频流有人在使用P2P直播系统观看，P2P直播系统从CDN获取到源数据的成本是不会改变的。因此只要人数越少，其P2P流量成本将会越高。
而在P2P直播系统中，某一路视频流如果人数不足，热度不够的时候，就没有足够的客户端节点，会导致P2P流量成本升高，可能超过CDN流量成本。出于成本的考虑，需要对直播环境下冷热视频流做出判断。让冷视频流直接从CDN获取源数据进行直播，热视频流通过P2P获取资源进行直播。
但是，在进行冷热视频流的判断时，要求实时对每路视频流的人数做统计，并经过实时计算后下发指令告知客户端是否通过P2P获取资源进行直播，在视频流数目不多、人数不多的时候，这样的计算量还容易处理，但是在数据量比较巨大的时候，对服务器集群的处理能力要求比较高，系统复杂度也会大大提高，从而会降低系统的稳定性。
发明内容
本发明实施例提供一种直播系统的视频流的冷热情况确定的方法及装置，用以减小系统的计算量，提高系统稳定性。
本发明实施例提供的一种直播系统的视频流的冷热情况确定的方法，包括：
获取多个时间周期内的视频流的观看数据；
根据所述多个时间周期内的视频流的观看数据，提取每路视频流的特征数据，并进行处理；
根据所述每路视频流的处理后的特征数据、所述时间周期的数量、预设阈值和偏置参数，预测每路视频流在下一时间周期内的冷热情况。
上述技术方案中，由于依据多个时间周期内的视频流的观看数据对应的特征数据，进行每路视频流下一时间周期的冷热情况的预测，不会依赖实时数据，降低了冷热流判断的系统复杂度和成本，同时根据每路视频流的处理后的特征数据、时间周期的数量、预设阈值和偏置参数，预测每路视频流在下一时间周期内的冷热情况，可以降低系统的计算量，提高系统稳定性。由于准确地预测了视频流的冷热情况，可以降低P2P直播系统在冷视频流的情况下产生的系统消耗。
可选的，所述处理每路视频流的特征数据，包括：
对所述每路视频流的特征数据进行加权处理。
上述技术方案中，通过对特征数据进行加权处理，可以确定使用那个特征数据进行视频流的冷热情况的预测。
可选的，所述特征数据包括下述数据之一或任意组合：
每路流在单位时间周期内的观看人数、每路流在单位时间周期内的峰值时刻人数、每路流在单位时间周期内的人数的均方差。
可选的，所述对所述每路视频流的特征数据进行加权处理符合公式(1)；
所述公式(1)为：
F＝a*P1+b*P2+c*X1……………………(1)
其中，F为每路视频流的处理后的特征数据，a、b、c为加权值，P1为每路流在单位时间周期内的观看人数，P2为每路流在单位时间周期内的峰值时刻人数，X1为每路流在单位时间周期内的人数的均方差。
可选的，所述预测每路视频流在下一时间周期内的冷热情况符合公式(2)；
所述公式(2)为：
其中，Y为每路视频流在下一时间周期内的冷热情况，n为时间周期的数量，i为第i个时间周期，S(i)为每路视频流在第i个时间周期内的冷热情况，Z为偏置参数；
通过公式(3)确定每路视频流在第i个时间周期内的冷热情况；
所述公式(3)为：
其中，S(i)为每路视频流在第i个时间周期内的冷热情况，F(i)为每路视频流在第i个时间周期内的处理后的特征数据，THRESHOLD为预设阈值。
可选的，在预测每路视频流在下一时间周期内的冷热情况之后，还包括：
在确定所述每路视频流在下一时间周期内为冷视频流时，从内容分发网络CDN服务器获取源数据进行直播。
上述技术方案中，在确定视频流为冷视频流时，就可以从CDN服务器获取源数据进行直播，从而降低P2P直播系统在冷视频流的情况下产生的系统消耗。
相应的，本发明实施例还提供了一种直播系统的视频流的冷热情况确定的装置，包括：
获取单元，用于获取多个时间周期内的视频流的观看数据；
处理单元，用于根据所述多个时间周期内的视频流的观看数据，提取每路视频流的特征数据，并进行处理；以及根据所述每路视频流的处理后的特征数据、所述时间周期的数量、预设阈值和偏置参数，预测每路视频流在下一时间周期内的冷热情况。
可选的，所述处理单元具体用于：
对所述每路视频流的特征数据进行加权处理。
可选的，所述特征数据包括下述数据之一或任意组合：
每路流在单位时间周期内的观看人数、每路流在单位时间周期内的峰值时刻人数、每路流在单位时间周期内的人数的均方差。
可选的，所述处理单元具体用于：
通过公式(1)对所述每路视频流的特征数据进行加权处理；
所述公式(1)为：
F＝a*P1+b*P2+c*X1……………………(1)
其中，F为每路视频流的处理后的特征数据，a、b、c为加权值，P1为每路流在单位时间周期内的观看人数，P2为每路流在单位时间周期内的峰值时刻人数，X1为每路流在单位时间周期内的人数的均方差。
可选的，所述处理单元具体用于：
通过公式(2)预测每路视频流在下一时间周期内的冷热情况；
所述公式(2)为：
其中，Y为每路视频流在下一时间周期内的冷热情况，n为时间周期的数量，i为第i个时间周期，S(i)为每路视频流在第i个时间周期内的冷热情况，Z为偏置参数；
所述每路视频流在第i个时间周期内的冷热情况符合公式(3)；
所述公式(3)为：
其中，S(i)为每路视频流在第i个时间周期内的冷热情况，F(i)为每路视频流在第i个时间周期内的处理后的特征数据，THRESHOLD为预设阈值。
可选的，所述处理单元还用于：
在预测每路视频流在下一时间周期内的冷热情况之后，在确定所述每路视频流在下一时间周期内为冷视频流时，从内容分发网络CDN服务器获取源数据进行直播。
相应的，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述直播系统的视频流的冷热情况确定的方法。
相应的，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述直播系统的视频流的冷热情况确定的方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，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为本发明实施例提供的一种系统架构的示意图；
图2为本发明实施例提供的一种直播系统的视频流的冷热情况确定的方法的流程示意图；
图3为本发明实施例提供的一种直播系统的视频流的冷热情况确定的装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1示例性地示出了本发明实施例所适用的一种系统架构的结构，该系统架构可以包括直播系统100、客户端200、采集边缘终端300、数据汇总中心400和冷热流判断系统500。
其中，该直播系统100用于向客户端提供直播视频流数据，客户端用于播放直播视频流，并向采集边缘终端上报观看直播的人数。该采集边缘终端300在得到观看直播的人数之后，将人数数据上传至数据汇总中心。该数据汇总中心将客户端中观看直播的人数汇总之后，发送给冷热流判断系统。冷热流判断系统用于判断直播视频流是热流还是冷流，并将判断结果发送给直播系统，以使直播系统根据判断结果控制观看冷流的客户端不使用P2P直播。
上述冷热流判断系统可以包括参数控制模块、特征数据提取模块、预测模型模块和预测结果部署模块。其中，参数控制模块用于控制特征数据提取模块对数据汇总中心发送的数据进行特征数据提取，并控制该特征数据提取模块将提取的特征数据发送给预测模型模块，预测模型模块在得到特征数据之后，进行冷热流的判断，将判断结果发送给预测结果部署模块，由预测结果部署模块将判断结果转发给直播系统。
基于上述描述，图2示例性地示出了本发明实施例提供的一种直播系统的视频流的冷热情况确定的方法的流程，该流程可以由直播系统的视频流的冷热情况确定的装置执行，该装置可以为上述图1中所示的冷热流判断系统。
如图2所示，该流程具体包括：
步骤201，获取多个时间周期内的视频流的观看数据。
客户端将自己观看的视频流的情况汇报到视频流的采集边缘终端，采集边缘终端将会集中上传到数据汇总中心，汇总客户端中观看视频流的人数。
上述特征数据提取模块可以从数据汇总中心获取到多个时间周期内的视频流的观看数据，在本发明实施例中，该时间周期可以用T表示，其可以是小时、半天、一天等，不做具体限定。
步骤202，根据所述多个时间周期内的视频流的观看数据，提取每路视频流的特征数据，并进行处理。
冷热流判断系统在得到视频流的观看数据之后，就可以提取每路视频流的特征数据，该特征数据可以包括下述数据之一或任意组合：每路流在单位时间周期内的观看人数、每路流在单位时间周期内的峰值时刻人数、每路流在单位时间周期内的人数的均方差。本发明实施例对此特征数据不做具体限定。
在提取特征数据之后，就可以每路视频流的特征数据进行加权处理，具体的可以见公式(1)。
该公式(1)为：
F＝a*P1+b*P2+c*X1……………………(1)
其中，F为每路视频流的处理后的特征数据，a、b、c为加权值，P1为每路流在单位时间周期内的观看人数，P2为每路流在单位时间周期内的峰值时刻人数，X1为每路流在单位时间周期内的人数的均方差。
在实际应用的过程中，可以通过设置a、b、c的值来限定输入到预测模型模块中的特征数据。
也就是说，特征数据可以是每路流在周期内的观看人数P1，可以是每路流在周期内的峰值时刻人数P2，可以是每路流在周期内的人数的均方差X1。或者是其中的任意组合。特征数据提取模块获取到特征数据之后，将特征数据进行加权处理。本发明实施例中的例子采用线性运算，需要说明的是，本发明实施例不仅包含线性运算，也可以采用非线性计算。
如公式(1)所示，其中，a，b，c加权参数可以根据实际的情况做调整，例如可令a＝0，b＝1，c＝0。其含义是只提取本路视频流在单位时间周期内峰值时刻的人数作为特征数据，输入到预测模型模块中。例如另a＝1，b＝0，c＝－0.3，即表示提取本路视频流在单位时间周期内观看总人数，和在本时间周期内人数系列分布是否均匀(即是否有大量的人观看一下就退出)，两个方面作为特征数据，输入到预测模型模块当中。
步骤203，根据所述每路视频流的处理后的特征数据、所述时间周期的数量、预设阈值和偏置参数，预测每路视频流在下一时间周期内的冷热情况。
在对特征数据进行加权处理之后，就可以将处理后的特征数据输入到预测模型模块进行预测，该预测模型模块就可以根据每路视频流的处理后的特征数据、时间周期的数量、预设阈值和偏置参数，预测每路视频流在下一时间周期内的冷热情况。预测模型模块对每路视频流在下一时间周期内的冷热情况进行预测时，主要是参考了之前n个时间周期的特征数据，特征阈值，偏置参数。其可以通过公式(2)来体现，也就是说，预测模型模块对每路视频流在下一时间周期内的冷热情况进行预测时，需要符合公式(2)。
该公式(2)可以为：
其中，Y为每路视频流在下一时间周期内的冷热情况，n为时间周期的数量，i为第i个时间周期，S(i)为每路视频流在第i个时间周期内的冷热情况，Z为偏置参数。
需要说明的是，该每路视频流在第i个时间周期内的冷热情况需要符合公式(3)。
该公式(3)可以为：
其中，S(i)为每路视频流在第i个时间周期内的冷热情况，F(i)为每路视频流在第i个时间周期内的处理后的特征数据，THRESHOLD为预设阈值。
上述预设阈值和偏置参数可以依据经验设置。
预测模型模块在预测每路视频流在下一时间周期内的冷热情况时，可以采用线性运算，也可以采用非线性运算，本发明实施例仅是示例作用。
当预测模型模块得到的Y大于0的时候就代表了预测的该路视频流是热视频流，当Y小于等于0的时候表示了预测的该路视频流就是冷视频流。
也就是说，当n个时间周期内，如果有任何一个时间周期内特征数据大于预设阈值，不管偏置参数如何，都预测该路视频流是热视频流。当n个时间周期内，出现有大于偏置Z个时间周期出现小于预设阈值的特征，则预测该路视频流是冷视频流。当n个时间周期内都没有该路流的特征信息，例如第一次开播的视频流，没有历史特征数据，则将预测该路视频流是热视频流。
可选的，如果预测模型模块预测了一路视频流在下一时间周期内为冷视频流，则就可以从CDN服务器获取源数据进行直播。也就是说，预测模型模块将预测结果发送给预测结果部署模块，由预测结果部署模块将预测结果发送给直播系统，由直播系统根据预测结果控制观看冷视频流的客户端使用CDN服务器的资源进行直播，热视频流使用p2p直播。
上述实施例表明，通过获取多个时间周期内的视频流的观看数据，根据多个时间周期内的视频流的观看数据，提取每路视频流的特征数据，并进行处理，根据每路视频流的处理后的特征数据、时间周期的数量、预设阈值和偏置参数，预测每路视频流在下一时间周期内的冷热情况。由于依据多个时间周期内的视频流的观看数据对应的特征数据，进行每路视频流下一时间周期的冷热情况的预测，不会依赖实时数据，降低了冷热流判断的系统复杂度和成本，同时根据每路视频流的处理后的特征数据、时间周期的数量、预设阈值和偏置参数，预测每路视频流在下一时间周期内的冷热情况，可以降低系统的计算量，提高系统稳定性。由于准确的预测了视频流的冷热情况，可以降低P2P直播系统在冷视频流的情况下产生的系统消耗。
基于相同的技术构思，图3示例性的示出了本发明实施例提供的一种直播系统的视频流的冷热情况确定的装置，该装置可以执行直播系统的视频流的冷热情况确定的流程。
如图3所示，该装置可以包括：
获取单元301，用于获取多个时间周期内的视频流的观看数据；
处理单元302，用于根据所述多个时间周期内的视频流的观看数据，提取每路视频流的特征数据，并进行处理；以及根据所述每路视频流的处理后的特征数据、所述时间周期的数量、预设阈值和偏置参数，预测每路视频流在下一时间周期内的冷热情况。
可选的，所述处理单元302具体用于：
对所述每路视频流的特征数据进行加权处理。
可选的，所述特征数据包括下述数据之一或任意组合：
每路流在单位时间周期内的观看人数、每路流在单位时间周期内的峰值时刻人数、每路流在单位时间周期内的人数的均方差。
可选的，所述处理单元302具体用于：
通过公式(1)对所述每路视频流的特征数据进行加权处理；
所述公式(1)为：
F＝a*P1+b*P2+c*X1……………………(1)
其中，F为每路视频流的处理后的特征数据，a、b、c为加权值，P1为每路流在单位时间周期内的观看人数，P2为每路流在单位时间周期内的峰值时刻人数，X1为每路流在单位时间周期内的人数的均方差。
可选的，所述处理单元302具体用于：
通过公式(2)预测每路视频流在下一时间周期内的冷热情况；
所述公式(2)为：
其中，Y为每路视频流在下一时间周期内的冷热情况，n为时间周期的数量，i为第i个时间周期，S(i)为每路视频流在第i个时间周期内的冷热情况，Z为偏置参数；
所述每路视频流在第i个时间周期内的冷热情况符合公式(3)；
所述公式(3)为：
其中，S(i)为每路视频流在第i个时间周期内的冷热情况，F(i)为每路视频流在第i个时间周期内的处理后的特征数据，THRESHOLD为预设阈值。
可选的，所述处理单元302还用于：
在预测每路视频流在下一时间周期内的冷热情况之后，在确定所述每路视频流在下一时间周期内为冷视频流时，从内容分发网络CDN服务器获取源数据进行直播。
基于相同的技术构思，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述直播系统的视频流的冷热情况确定的方法。
基于相同的技术构思，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述直播系统的视频流的冷热情况确定的方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (14)
1.一种直播系统的视频流的冷热情况确定的方法，其特征在于，包括：
获取多个时间周期内的视频流的观看数据；
根据所述多个时间周期内的视频流的观看数据，提取每路视频流的特征数据，并进行处理；
根据所述每路视频流的处理后的特征数据、所述时间周期的数量、预设阈值和偏置参数，预测每路视频流在下一时间周期内的冷热情况。
2.如权利要求1所述的方法，其特征在于，所述处理每路视频流的特征数据，包括：
对所述每路视频流的特征数据进行加权处理。
3.如权利要求1所述的方法，其特征在于，所述特征数据包括下述数据之一或任意组合：
每路流在单位时间周期内的观看人数、每路流在单位时间周期内的峰值时刻人数、每路流在单位时间周期内的人数的均方差。
4.如权利要求2所述的方法，其特征在于，所述对所述每路视频流的特征数据进行加权处理符合公式(1)；
所述公式(1)为：
F＝a*P1+b*P2+c*X1……………………(1)
其中，F为每路视频流的处理后的特征数据，a、b、c为加权值，P1为每路流在单位时间周期内的观看人数，P2为每路流在单位时间周期内的峰值时刻人数，X1为每路流在单位时间周期内的人数的均方差。
5.如权利要求1所述的方法，其特征在于，所述预测每路视频流在下一时间周期内的冷热情况符合公式(2)；
所述公式(2)为：
其中，Y为每路视频流在下一时间周期内的冷热情况，n为时间周期的数量，i为第i个时间周期，S(i)为每路视频流在第i个时间周期内的冷热情况，Z为偏置参数；
所述每路视频流在第i个时间周期内的冷热情况符合公式(3)；
所述公式(3)为：
其中，S(i)为每路视频流在第i个时间周期内的冷热情况，F(i)为每路视频流在第i个时间周期内的处理后的特征数据，THRESHOLD为预设阈值。
6.如权利要求1至5任一项所述的方法，其特征在于，在预测每路视频流在下一时间周期内的冷热情况之后，还包括：
在确定所述每路视频流在下一时间周期内为冷视频流时，从内容分发网络CDN服务器获取源数据进行直播。
7.一种直播系统的视频流的冷热情况确定的装置，其特征在于，包括：
获取单元，用于获取多个时间周期内的视频流的观看数据；
处理单元，用于根据所述多个时间周期内的视频流的观看数据，提取每路视频流的特征数据，并进行处理；以及根据所述每路视频流的处理后的特征数据、所述时间周期的数量、预设阈值和偏置参数，预测每路视频流在下一时间周期内的冷热情况。
8.如权利要求7所述的装置，其特征在于，所述处理单元具体用于：
对所述每路视频流的特征数据进行加权处理。
9.如权利要求7所述的装置，其特征在于，所述特征数据包括下述数据之一或任意组合：
每路流在单位时间周期内的观看人数、每路流在单位时间周期内的峰值时刻人数、每路流在单位时间周期内的人数的均方差。
10.如权利要求8所述的装置，其特征在于，
所述处理单元具体用于：
通过公式(1)对所述每路视频流的特征数据进行加权处理；
所述公式(1)为：
F＝a*P1+b*P2+c*X1……………………(1)
其中，F为每路视频流的处理后的特征数据，a、b、c为加权值，P1为每路流在单位时间周期内的观看人数，P2为每路流在单位时间周期内的峰值时刻人数，X1为每路流在单位时间周期内的人数的均方差。
11.如权利要求7所述的装置，其特征在于，所述处理单元具体用于：
通过公式(2)预测每路视频流在下一时间周期内的冷热情况；
所述公式(2)为：
其中，Y为每路视频流在下一时间周期内的冷热情况，n为时间周期的数量，i为第i个时间周期，S(i)为每路视频流在第i个时间周期内的冷热情况，Z为偏置参数；
通过公式(3)确定每路视频流在第i个时间周期内的冷热情况；
所述公式(3)为：
其中，S(i)为每路视频流在第i个时间周期内的冷热情况，F(i)为每路视频流在第i个时间周期内的处理后的特征数据，THRESHOLD为预设阈值。
12.如权利要求7至11任一项所述的装置，其特征在于，所述处理单元还用于：
在预测每路视频流在下一时间周期内的冷热情况之后，在确定所述每路视频流在下一时间周期内为冷视频流时，从内容分发网络CDN服务器获取源数据进行直播。
13.一种计算设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至6任一项所述的方法。
14.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811502123.XA CN109327710B (zh) | 2018-12-10 | 2018-12-10 | 一种直播系统的视频流的冷热情况确定的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811502123.XA CN109327710B (zh) | 2018-12-10 | 2018-12-10 | 一种直播系统的视频流的冷热情况确定的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109327710A true CN109327710A (zh) | 2019-02-12 |
| CN109327710B CN109327710B (zh) | 2021-08-03 |
Family
ID=65256681
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811502123.XA Expired - Fee Related CN109327710B (zh) | 2018-12-10 | 2018-12-10 | 一种直播系统的视频流的冷热情况确定的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109327710B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110569910A (zh) * | 2019-09-10 | 2019-12-13 | 广州虎牙科技有限公司 | 直播周期的处理方法、装置、设备及存储介质 |
| CN114827649A (zh) * | 2022-04-22 | 2022-07-29 | 上海哔哩哔哩科技有限公司 | 构建直播对等网路的方法及装置、电子设备和存储介质 |
| CN116132743A (zh) * | 2023-03-15 | 2023-05-16 | 泰州市双逸体育器材有限公司 | 线上ai智能运动用户数据鉴定应用系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101141623A (zh) * | 2007-10-17 | 2008-03-12 | 华中科技大学 | 一种基于p2p技术的视频点播节目缓存方法 |
| CN101159580A (zh) * | 2007-11-29 | 2008-04-09 | 中国电信股份有限公司 | 内容分发网络中内容p2p化方法及系统 |
| CN102510529A (zh) * | 2011-09-22 | 2012-06-20 | 中国科学技术大学 | 对节目进行点播量预测和存储调度的方法 |
| CN102790915A (zh) * | 2012-07-09 | 2012-11-21 | 上海聚力传媒技术有限公司 | 一种用于向p2p节点预推送视频资源的方法与装置 |
| CN104504124A (zh) * | 2014-12-31 | 2015-04-08 | 合一网络技术(北京)有限公司 | 通过视频搜索和播放行为表现出实体热度的方法 |
| CN107124630A (zh) * | 2017-03-30 | 2017-09-01 | 华为技术有限公司 | 节点数据管理的方法及装置 |
| US20180032819A1 (en) * | 2016-07-26 | 2018-02-01 | Canon Kabushiki Kaisha | Dynamic parametrization of video content analytics systems |
| CN107707964A (zh) * | 2016-08-08 | 2018-02-16 | 华为软件技术有限公司 | 预测视频内容热度的方法和装置 |
| CN108804439A (zh) * | 2017-04-26 | 2018-11-13 | 合信息技术（北京）有限公司 | 多媒体资源的推荐方法及装置 |
| CN108966014A (zh) * | 2018-08-01 | 2018-12-07 | 中国联合网络通信集团有限公司 | 一种热度视频评估方法和系统 |
-
2018
- 2018-12-10 CN CN201811502123.XA patent/CN109327710B/zh not_active Expired - Fee Related
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101141623A (zh) * | 2007-10-17 | 2008-03-12 | 华中科技大学 | 一种基于p2p技术的视频点播节目缓存方法 |
| CN101159580A (zh) * | 2007-11-29 | 2008-04-09 | 中国电信股份有限公司 | 内容分发网络中内容p2p化方法及系统 |
| CN102510529A (zh) * | 2011-09-22 | 2012-06-20 | 中国科学技术大学 | 对节目进行点播量预测和存储调度的方法 |
| CN102790915A (zh) * | 2012-07-09 | 2012-11-21 | 上海聚力传媒技术有限公司 | 一种用于向p2p节点预推送视频资源的方法与装置 |
| CN104504124A (zh) * | 2014-12-31 | 2015-04-08 | 合一网络技术(北京)有限公司 | 通过视频搜索和播放行为表现出实体热度的方法 |
| US20180032819A1 (en) * | 2016-07-26 | 2018-02-01 | Canon Kabushiki Kaisha | Dynamic parametrization of video content analytics systems |
| CN107707964A (zh) * | 2016-08-08 | 2018-02-16 | 华为软件技术有限公司 | 预测视频内容热度的方法和装置 |
| CN107124630A (zh) * | 2017-03-30 | 2017-09-01 | 华为技术有限公司 | 节点数据管理的方法及装置 |
| CN108804439A (zh) * | 2017-04-26 | 2018-11-13 | 合信息技术（北京）有限公司 | 多媒体资源的推荐方法及装置 |
| CN108966014A (zh) * | 2018-08-01 | 2018-12-07 | 中国联合网络通信集团有限公司 | 一种热度视频评估方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| MXG007: "《神经网络的偏置（阈值）的意义》", 《HTTPS://BLOG.CSDN.NET/QQ_42183018/ARTICLE/DETAILS/81699484?UTM_SOURCE＝BLOGKPCL11》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110569910A (zh) * | 2019-09-10 | 2019-12-13 | 广州虎牙科技有限公司 | 直播周期的处理方法、装置、设备及存储介质 |
| CN114827649A (zh) * | 2022-04-22 | 2022-07-29 | 上海哔哩哔哩科技有限公司 | 构建直播对等网路的方法及装置、电子设备和存储介质 |
| CN114827649B (zh) * | 2022-04-22 | 2024-02-23 | 上海哔哩哔哩科技有限公司 | 构建直播对等网络的方法及装置、电子设备和存储介质 |
| CN116132743A (zh) * | 2023-03-15 | 2023-05-16 | 泰州市双逸体育器材有限公司 | 线上ai智能运动用户数据鉴定应用系统 |
| CN116132743B (zh) * | 2023-03-15 | 2024-04-02 | 释空(上海)品牌策划有限公司 | 线上ai智能运动用户数据鉴定应用系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109327710B (zh) | 2021-08-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109327710A (zh) | 一种直播系统的视频流的冷热情况确定的方法及装置 | |
| CN109905696A (zh) | 一种基于加密流量数据的视频服务体验质量的识别方法 | |
| CN101193276A (zh) | 向用户集合多媒体流的方法 | |
| CN105933727A (zh) | 一种应用于游戏直播平台的视频流转码和分发方法 | |
| Bentaleb et al. | Data-driven bandwidth prediction models and automated model selection for low latency | |
| Huang et al. | Hindsight: Evaluate video bitrate adaptation at scale | |
| CN112000454A (zh) | 一种多媒体数据的处理方法及设备 | |
| CN107613309A (zh) | 直播资源自定义分配方法、存储介质、电子设备及系统 | |
| CN110493600A (zh) | 图像编码方法、装置、计算机设备及存储介质 | |
| Xu et al. | Modeling buffer starvations of video streaming in cellular networks with large-scale measurement of user behavior | |
| CN104657457B (zh) | 一种用户评价视频的数据处理方法、视频推荐方法及装置 | |
| CN111464819A (zh) | 直播图像检测方法、装置、设备及存储介质 | |
| CN110019939A (zh) | 视频热度预测方法、装置、终端设备及介质 | |
| CN109615022A (zh) | 模型上线配置方法和装置 | |
| CN110134531A (zh) | 虚拟资产流转数据的处理方法、装置和计算机设备 | |
| CN107483981A (zh) | 直播资源计算监测分配方法、存储介质、电子设备及系统 | |
| CN106454388A (zh) | 一种用于确定直播设置信息的方法与设备 | |
| CN109669783A (zh) | 数据处理方法和设备 | |
| Mu et al. | AMIS: Edge computing based adaptive mobile video streaming | |
| Luo et al. | LiveSR: Enabling universal HD live video streaming with crowdsourced online learning | |
| Bentaleb et al. | ORL-SDN: Online reinforcement learning for SDN-enabled HTTP adaptive streaming | |
| CN107733805A (zh) | 业务负载调度方法和装置 | |
| Zhou et al. | Presr: Neural-enhanced adaptive streaming of vbr-encoded videos with selective prefetching | |
| CN105591792B (zh) | 一种服务模板的推荐方法和装置 | |
| CN109710410A (zh) | 一种互联网信息资源分配方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for 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: 20210803 |