CN111327865A

CN111327865A - 视频传输方法、装置及设备

Info

Publication number: CN111327865A
Application number: CN201911069165.3A
Authority: CN
Inventors: 孙达; 池锋良; 谢亚娟
Original assignee: Hangzhou Hikvision System Technology Co Ltd
Current assignee: Hangzhou Hikvision System Technology Co Ltd
Priority date: 2019-11-05
Filing date: 2019-11-05
Publication date: 2020-06-23
Anticipated expiration: 2039-11-05
Also published as: CN111327865B

Abstract

本申请提供的视频传输方法、装置及设备，在第一终端设备确定需要从第二终端设备接收视频时，获取第一终端设备所在的当前场景的特征信息；第一终端设备将所述特征信息输入至预测模型中，获取预测模型输出的预测结果；第一终端设备根据预测结果，确定出当前场景对应的第一视频采集参数和第一视频接收参数；第一终端设备向第二终端设备发送第一视频采集参数，并根据第一视频接收参数从第二终端设备接收根据所述第一视频采集参数采集并传输的视频。通过上述过程，使得用户通过第一终端设备观看到的视频是满足用户希望的视频传输指标的，也就是说用户观看到的视频是符合用户在当前场景中的观看需求的，提升用户观看视频的体验。

Description

视频传输方法、装置及设备

技术领域

本申请涉及通信技术领域，尤其涉及一种视频传输方法、装置及设备。

背景技术

随着终端设备以及网络技术的发展，终端设备之间可以传输视频数据。示例性的，在视频通话等场景中，第一终端设备采集视频后，将采集的视频通过网络传输给第二终端设备，从而，第二终端设备对接收到的视频进行播放，以供用户观看。

通常，为了保证第二终端设备对视频的播放质量，第一终端设备在采集视频时，会首先检测当前的网络状况，并根据当前的网络状况确定出应该用什么样的传输速率来传输视频。例如，当前的网络状况较为拥堵时，采用较低的传输速率，当前的网络状况较为通畅时，采用较高的传输速率。

然而，当前的视频传输方法，无法满足用户在不同场景中对视频质量的不同需求。

发明内容

本申请提供一种视频传输方法、装置及设备，用以满足用户在不同场景中的视频质量的不同需求。

第一方面，本申请提供一种视频传输方法，包括：

在第一终端设备确定需要从第二终端设备接收视频时，获取所述第一终端设备所在的当前场景的特征信息；

所述第一终端设备将所述特征信息输入至预测模型中，获取所述预测模型输出的预测结果，所述预测结果包括用户在所述当前场景中对多种视频传输指标的偏好概率；

所述第一终端设备根据所述预测结果，确定出所述当前场景对应的第一视频采集参数和第一视频接收参数；

所述第一终端设备向所述第二终端设备发送所述第一视频采集参数，并根据所述第一视频接收参数从所述第二终端设备接收所述第二终端设备根据所述第一视频采集参数采集并传输的视频。

一种可能的实现方式中，所述多种视频传输指标包括：清晰度、流畅度和延时；所述第一视频采集参数包括：码率和帧率，所述第一视频接收参数包括：缓冲区大小。

一种可能的实现方式中，所述第一终端设备根据所述预测结果，确定出所述当前场景对应的第一视频采集参数和第一视频接收参数，包括：

根据所述用户在所述当前场景中对清晰度的偏好概率、所述用户在所述当前场景中对流畅度的偏好概率、以及所述第一终端设备与所述第二终端设备之间的传输带宽，确定出所述当前场景对应的码率和帧率；

根据所述用户在所述当前场景中对流畅度的偏好概率、以及所述用户在所述当前场景中对延时的偏好概率，确定出所述当前场景对应的缓冲区大小。

一种可能的实现方式中，所述根据所述第一视频接收参数从所述第二终端设备接收所述第二终端设备根据所述第一视频采集参数采集并传输的视频之后，还包括：

所述第一终端设备接收所述用户输入的反馈信息，所述反馈信息用于指示用户在所述当前场景中期望的目标视频传输指标；

所述第一终端设备将所述当前场景的特征信息和所述目标视频传输指标加入训练样本集，所述训练样本集中还包括至少一个历史场景的特征信息以及各所述历史场景对应的目标视频传输指标；

所述第一终端设备利用所述训练样本集进行训练，得到更新后的所述预测模型。

一种可能的实现方式中，所述第一终端设备接收用户输入的反馈信息之后，还包括：

所述第一终端设备根据所述反馈信息，确定出所述当前场景对应的第二视频采集参数和第二视频接收参数；

所述第一终端设备向所述第二终端设备发送所述第二视频采集参数，并根据所述第二视频接收参数从所述第二终端设备接收所述第二终端设备根据所述第二视频采集参数采集并传输的视频。

一种可能的实现方式中，所述第一终端设备将所述特征信息输入至预测模型中，获取所述预测模型输出的预测结果，包括：

获取所述预测模型的训练次数；

若所述训练次数大于或等于预设阈值，则所述第一终端设备将所述特征信息输入至预测模型中，获取所述预测模型输出的预测结果。

一种可能的实现方式中，所述当前场景的特征信息包括下述中的至少一种：用户个人信息、网络连接信息、环境信息、所述第一终端设备的外接设备信息、所述第一终端设备的设置信息。

第二方面，本申请提供一种视频传输装置，包括：

获取模块，用于在第一终端设备确定需要从第二终端设备接收视频时，获取所述第一终端设备所在的当前场景的特征信息；

预测模块，用于将所述特征信息输入至预测模型中，获取所述预测模型输出的预测结果，所述预测结果包括用户在所述当前场景中对多种视频传输指标的偏好概率；

确定模块，用于根据所述预测结果，确定出所述当前场景对应的第一视频采集参数和第一视频接收参数；

收发模块，用于向所述第二终端设备发送所述第一视频采集参数，并根据所述第一视频接收参数从所述第二终端设备接收所述第二终端设备根据所述第一视频采集参数采集并传输的视频。

一种可能的实现方式中，所述确定模块具体用于：

一种可能的实现方式中，所述收发模块还用于接收所述用户输入的反馈信息，所述反馈信息用于指示用户在所述当前场景中期望的目标视频传输指标；

所述装置还包括训练模块，所述训练模块用于：

将所述当前场景的特征信息和所述目标视频传输指标加入训练样本集，所述训练样本集中还包括至少一个历史场景的特征信息以及各所述历史场景对应的目标视频传输指标；

利用所述训练样本集进行训练，得到更新后的所述预测模型。

一种可能的实现方式中，所述确定模块还用于根据所述反馈信息，确定出所述当前场景对应的第二视频采集参数和第二视频接收参数；

所述收发模块还用于向所述第二终端设备发送所述第二视频采集参数，并根据所述第二视频接收参数从所述第二终端设备接收所述第二终端设备根据所述第二视频采集参数采集并传输的视频。

一种可能的实现方式中，所述预测模块具体用于：

获取所述预测模型的训练次数；

第三方面，本申请提供一种视频传输设备，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行如第一方面任一项所述的方法。

第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质包括计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的方法。

本申请提供的视频传输方法、装置及设备，在第一终端设备确定需要从第二终端设备接收视频时，获取第一终端设备所在的当前场景的特征信息；第一终端设备将所述特征信息输入至预测模型中，获取预测模型输出的预测结果；第一终端设备根据预测结果，确定出当前场景对应的第一视频采集参数和第一视频接收参数；第一终端设备向第二终端设备发送第一视频采集参数，并根据第一视频接收参数从第二终端设备接收根据所述第一视频采集参数采集并传输的视频。通过上述过程，实现了根据第一终端设备所处的当前场景的特征信息，预测出用户在当前场景中偏好的视频传输指标，进而根据用户在当前场景中偏好的视频传输指标，确定出视频采集参数和视频接收参数，使得第二终端设备能够按照视频采集参数进行采集和传输，并使得第一终端设备能够按照视频接收参数进行视频接收。这样，用户通过第一终端设备观看到的视频是满足用户希望的视频传输指标的，也就是说用户观看到的视频是符合用户在当前场景中的需求的，提升用户观看视频的体验。

附图说明

为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1A为本申请实施例适用的一种系统架构的示意图；

图1B为本申请实施例适用的另一种系统架构的示意图；

图2为本申请一个实施例提供的视频传输方法的交互示意图；

图3为本申请另一个实施例提供的视频传输方法的交互示意图；

图4A为本申请实施例提供的一种反馈界面的示意图；

图4B为本申请实施例提供的另一种反馈界面的示意图；

图5为本申请一个实施例提供的视频传输装置的结构示意图；

图6为本申请另一个实施例提供的视频传输装置的结构示意图；

图7为本申请实施例提供的视频传输设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本申请提供的视频传输方法，应用于需要实时进行视频传输的场景。其中，“实时进行视频传输的场景”是指发送端采集到视频后实时传输给接收端的场景，包括但不限于：视频通话场景、视频会议场景、视频直播场景等。为了描述方面，后续以视频通话场景为例进行描述。下面结合图1A和图1B对本申请的系统架构进行介绍。

图1A为本申请实施例适用的一种系统架构的示意图。如图1A所示，视频通话系统包括第一终端设备、第二终端设备和服务器。第一终端设备和服务器之间通过网络连接，第二终端设备和服务器之间通过网络连接。第一终端设备和第二终端设备之间传输的数据需要通过服务器进行中转。示例性的，当第一终端设备(对应的用户为第一用户)和第二终端设备(对应的用户为第二用户)进行视频通话时，第一终端设备采集第一用户的视频，并将采集到的视频发送给服务器，由服务器转发给第二终端设备。类似的，第二终端设备采集第二用户的视频，并将采集到的视频发送给服务器，由服务器转发给第一终端设备。

图1B为本申请实施例适用的另一种系统架构的示意图。如图1B所示，视频通话系统包括第一终端设备和第二终端设备。与图1A所示系统架构的不同之处在于，第一终端设备和第二终端设备之间通过网络直接连接，即，第一终端设备和第二终端设备之间可以直接互相发送数据，无需依靠其他设备进行中转。示例性的，第一终端设备采集第一用户的视频，并将采集的视频发送给第二终端设备。第二终端设备采集第二用户的视频，并将采集的视频发送给第一终端设备。

应理解，上述两种系统架构中是以两个终端设备为例进行示意。有些场景下，视频通话系统中可以包括更多个终端设备，本实施例对此不作限定。

本申请中，终端设备为具有拍摄功能和显示功能的电子设备，包括但不限于：智能手机、笔记本电脑、平板电脑、车载终端、智能穿戴设备、会议终端、摄像机等。终端设备的拍摄功能可以由终端设备内置或者外接的摄像头实现，终端设备的显示功能可以由终端设备自身的显示屏或者外接的显示屏实现。

有些场景中，视频传输过程是可以是单向的，即，第一终端设备采集视频并发送给第二终端设备，或者，第二终端设备采集视频并发送给第一终端设备。有些场景中，视频传输过程还可以是双向的，即，第一终端设备采集视频并发送给第二终端设备，同时，第二终端设备采集视频并发送给第一终端设备。

需要说明的是，第一终端设备向第二终端设备传输视频的过程与第二终端设备向第一终端设备传输视频的过程是类似的。为了描述方便，本申请中仅以第二终端设备采集视频并发送给第一终端设备为例进行描述。即，第二终端设备作为视频采集和发送端，第一终端设备作为视频接收端。

以终端设备A向终端设备B发送视频为例，通常，为了保证终端设备B对视频的播放质量，终端设备A在采集视频时，会首先检测当前的网络状况，并根据当前的网络状况确定出应该用什么样的传输速率来传输视频。进而，终端设备A根据确定的传输速率来采集视频和传输视频。例如，当前的网络状况较为拥堵时，采用降低的传输速率，当前的网络状况较为通畅时，采用较高的传输速率。

然而，当前的视频传输方法只考虑了如何调节总的传输速率，没有考虑到即使是同一传输速率，用户通过终端设备B观看到的视频质量可能存在很大差异。例如：在同一传输速率下，清晰度越高会要求帧率越低，导致流畅度越差。延时要求越高，接收数据的缓冲区就要越小，但过小的缓冲区又容易导致画面卡顿，影响流畅度。进一步的，由于用户在不同场景下对视频质量的需求是不同的，例如：有些场景用户希望较高的清晰度，有些场景用户希望较高的流畅度，而有些场景用户希望延时越小越好。由此可见，当前的视频传输方法，只考虑了如何调节总的传输速率，无法满足用户在不同场景中对视频质量的不同需求。

为了解决上述问题，本申请实施例提供一种视频传输方法，用以满足用户在不同场景中对视频质量的不同需求。

下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图2为本申请一个实施例提供的视频传输方法的交互示意图。如图2所示，本实施例的方法包括：

S201：在第一终端设备确定需要从第二终端设备接收视频时，获取所述第一终端设备所在的当前场景的特征信息。

一个示例中，第一终端设备向第二终端设备发起视频通话时，确定需要从第二终端设备接收视频。例如：第一终端设备和第二终端设备安装有视频通话应用，第一终端设备检测到第一用户针对视频通话应用输入的向第二用户发起视频通话的指令时，第一终端设备确定需要从第二终端设备接收视频。

另一个示例中，第一终端设备接收到第二终端设备发送的视频通话请求后，若检测到第一用户针对该视频通话请求输入的用于指示接受视频通话的指令时，则确定需要从第二终端设备接收视频。

再一个示例中，第一终端设备向第二终端设备发送视频采集/视频传输请求时，确定要从第二终端设备接收视频。例如：第二终端设备为摄像机，第一终端设备是与第二终端设备通信连接的电子设备，第一终端设备可以通过向第二终端设备发送视频采集/视频传输请求，以控制第二终端设备开始采集视频，并实时传输给第二终端设备。

本实施例中，当第一终端设备确定需要从第二终端设备接收视频时，获取第一终端设备所在的当前场景的特征信息。其中，当前场景的特征信息包括但不限于：用户个人信息、网络连接信息、环境信息、所述第一终端设备的外接设备信息、所述第一终端设备的设置信息。

其中，用户个人信息是指当前进行视频通话的第一用户的个人信息。示例性的，可以通过视频通话应用中的用户注册信息或者用户登录信息获取。用户个人信息包括但不限于：年龄、性别、职业、职业领域、用户在视频通话平台中的角色等。网络连接信息包括但不限于：当前连接的网络标识(例如：wifi名称)、当前连接的蓝牙设备的标识等。环境信息用于指示第一终端设备所处环境的信息，例如：当前的时间信息、环境光强度信息、环境噪声强度信息、当前地理位置信息等。所述第一终端设备的外接设备信息用于指示第一终端设备当前连接了哪些外设以及外设的状态，例如：是否连接有耳机、是否连接有音箱、是否连接有投影仪等。所述第一终端设备的设置信息包括但不限于：当前的屏幕亮度、当前的音量强度等。

S202：第一终端设备将所述特征信息输入至预测模型中，获取所述预测模型输出的预测结果，所述预测结果包括用户在所述当前场景中对多种视频传输指标的偏好概率。

本实施例中，预测模型是指用于预测用户在一个场景中对多种视频传输指标的偏好概率的模型。可选的，多种视频传输指标可以包括：清晰度(sharpness)、流畅度(fluency)和延时(delay)。也就是说，将当前场景的特征信息输入至预测模型中，预测模型能够预测得到用户在当前场景中对清晰度的偏好概率、用户在当前场景中对流畅度的偏好概率、用户在当前场景中对延时的偏好概率。

其中，用户在当前场景中对清晰度的偏好概率是指：用户在当前场景中希望优先保证清晰度的概率。用户在当前场景中对流畅度的偏好概率是指：用户在当前场景中希望优先保证流畅度的概率。用户在当前场景中对延时的偏好概率是指：用户在当前场景中希望优先保证延时的概率。

能够理解，用户在不同场景中进行视频通话时，用户希望优先保证的视频传输指标可能有所不同。例如：用户在家中进行视频通话时，通常是与家人进行视频聊天，该场景下希望优先保证流畅度。用户在办公室进行视频通话时，通常是进行视频会议，需要传输白板或者屏幕的内容，该场景下希望优先保证清晰度。因此，本实施例中，利用预测模型对用户在当前场景希望优先保证的视频传输指标进行预测。

本实施例中，预测模型是采用机器学习算法对训练数据进行训练得到的。训练数据包括多个不同场景的特征信息，以及每个场景中用户希望优先保证的视频传输指标。预测模型可以为强化学习模型、神经网络模型、逻辑回归模型等。预测模型的训练过程可以由第一终端设备完成。当然，预测模型的训练过程也可以在其他设备中完成，然后将训练好的预测模型部署到第一终端设备中。

S203：第一终端设备根据所述预测结果，确定出所述当前场景对应的第一视频采集参数和第一视频接收参数。

本实施例中，第一视频采集参数是指用于指示第二终端设备如何采集和传输视频的参数。可选的，第一视频采集参数包括：码率和帧率。第一视频接收参数是指用于指示第一终端设备如何接收视频的参数。可选的，第一视频接收参数包括：缓冲区大小。

其中，码率是指编码器每秒编码得到的数据量的大小，单位通常为bps，比如800kbps代表编码器每秒产生800kb(或100KB)的数据。在分辨率一定的情况下，码率与清晰度成正比关系，码率越高，视频越清晰；码率越低，视频越不清晰。帧率是指每秒传输的视频帧的数量。帧率影响画面流畅度，与画面流畅度成正比。帧率越大，视频越流畅；帧率越小，视频越有跳动感。缓冲区的大小是指缓冲区内能够缓存的数据量的大小，单位通常为KB。缓冲区的大小会影响视频流畅程度。缓冲区越大，视频越流畅不容易卡顿，但是会增加延时；缓冲区越小，延时越小，但是视频容易出现卡顿。

本实施例与现有技术的不同之处在于：现有技术中是根据第一终端设备和第二终端设备之间的网络状况来预测总的视频传输速率，当网络状况有波动时降低视频质量，采用降低的网络传输速率。目前普遍使用的方案是提前在终端中预置一种或多种默认的调整方案。例如，默认的调整方案为：降低清晰度，然后在保证该清晰度下调整流畅度和延时。目前这些调整方案都无法灵活地满足不同用户的个性化需求。进一步的，现有的调整方案无法精确确定视频采集参数和视频接收参数，例如：采用多高的码率、多高的帧率、缓冲区要设置为多大等。因为清晰度、流畅度、延时长度之间互相存在着联系，改动其中一个，就会影响其他的效果，现有技术只能预测得到总的视频传输速率，而无法精确控制各个因素达到最优。

而本实施例中，是根据第一终端所处的当前环境的特征信息进行预测，即，将当前环境的特征信息输入至预测模型中，根据预测模型输出的预测结果，确定出用户在当前场景中希望优先保证哪种视频传输指标。进而，根据用户希望优先保证的视频传输指标，以及上述视频采集参数、视频接收参数与视频传输指标之间的关系，确定出当前场景对应的第一视频采集参数和第一视频接收参数。

一种可能的实施方式中，假设预测模型输出的用户在当前场景中对清晰度的偏好概率为P_s，用户在当前场景中对流畅度的偏好概率为P_f，用户在当前场景中对延时的偏好概率为P_d，第一终端设备和第二终端设备之间的传输带宽为b，码率用s表示，帧率用f表示，缓冲区大小用h表示。

因为清晰度和流畅度直接受到带宽限制，是此长彼消的关系，因此，可以根据P_s、P_f、以及b，确定出所述当前场景对应的码率s和帧率f。可以采用如下关系进行计算：

b＝fs (公式1)

上述公式1中，将码流s和帧率f的乘积等于带宽b，这样，可以保证最大化的利用带宽。公式2中，将码流s和帧率f分别设定为若干个等级(比如都用0-10之间的数字表示)，当码流s和帧率f的比值与P_s和P_f的比值相等时，根据码流s和帧率f传输的视频的就是最符合用户偏好的。因此，联合公式1和公式2可以得出码流s和帧率f。

进一步的，流畅度和延时也存在某种反比关系，延时越大越流畅度越高，延时越小越容易因为接收缓冲区过小而导致卡顿。因此，可以根据P_f和P_d确定出当前场景对应的缓冲区大小。示例性的，结合缓冲区的最大值max和最小值min，可以通过如下方式进行计算，

h＝(max-min)×(P_f/P_d)+min (公式3)

应理解，上述计算码流s和帧率f、缓冲区大小h的方法，只是一种非常简单的实现，实际应用中可能会更复杂。

S204：第一终端设备向所述第二终端设备发送所述第一视频采集参数。

S205：第一终端设备根据第一视频接收参数从所述第二终端设备接收所述第二终端设备根据所述第一视频采集参数采集并传输的视频。

第一终端设备确定出当前场景对应的第一视频采集参数和第一视频接收参数之后，将第一视频采集参数发送给第二终端设备。这样，第二终端设备可以按照第一视频采集参数进行视频采集和传输。也就是说，第二终端设备按照上述的码流s和帧率f来采集视频，并将采集到的视频传输给第一终端设备。相应的，第一终端设备根据第一视频接收参数从第二终端设备接收视频并播放，也就是说，第一终端设备采用上述的缓冲区大小h来接收视频并播放。这样，用户通过第一终端设备观看到的视频是满足用户希望的视频传输指标的，也就是说户观看到的视频是符合用户在当前场景中的需求的，提升用户观看视频的体验。

本实施例提供的视频传输方法，包括：第一终端设备确定需要从第二终端设备接收视频时，获取第一终端设备所在的当前场景的特征信息；第一终端设备将所述特征信息输入至预测模型中，获取预测模型输出的预测结果；第一终端设备根据预测结果，确定出当前场景对应的第一视频采集参数和第一视频接收参数；第一终端设备向第二终端设备发送第一视频采集参数，并根据第一视频接收参数从第二终端设备接收根据所述第一视频采集参数采集并传输的视频。通过上述过程，实现了根据第一终端设备所处的当前场景的特征信息，预测出用户在当前场景中偏好的视频传输指标，进而根据用户在当前场景中偏好的视频传输指标，确定出视频采集参数和视频接收参数，使得第二终端设备能够按照视频采集参数进行采集和传输，并使得第一终端设备能够按照视频接收参数进行视频接收。这样，用户通过第一终端设备观看到的视频是满足用户希望的视频传输指标的，也就是说用户观看到的视频是符合用户在当前场景中的需求的，提升用户观看视频的体验。

下面结合一个具体的实施例描述预测模型的训练过程。

图3为本申请另一个实施例提供的视频传输方法的交互示意图。如图3所示，包括：

S301：在第一终端设备确定需要从第二终端设备接收视频时，获取所述第一终端设备所在的当前场景的特征信息。

S302：第一终端设备将所述特征信息输入至预测模型中，获取所述预测模型输出的预测结果，所述预测结果包括用户在所述当前场景中对多种视频传输指标的偏好概率。

S303：第一终端设备根据所述预测结果，确定出所述当前场景对应的第一视频采集参数和第一视频接收参数。

S304：第一终端设备向所述第二终端设备发送所述第一视频采集参数。

S305：第一终端设备根据第一视频接收参数从所述第二终端设备接收所述第二终端设备根据所述第一视频采集参数采集并传输的视频。

本实施例中，S301至S305的具体实施方式与图2所示的实施例类似，此处不再赘述。

一种可能的实施方式中，在S302中，利用预测模型预测得到用户在当前场景中对各种视频传输指标的偏好概率时，第一终端设备还可以将最大概率对应的视频传输指标展示给用户，以使用户能够了解到本次视频通话优先保证的视频传输指标。进一步的，用户了解到本次视频通话优先保证的视频传输指标后，也有利于用户在S306中做出更准确的反馈信息。

S306：第一终端设备接收所述用户输入的反馈信息，所述反馈信息用于指示用户在所述当前场景中期望的目标视频传输指标。

一个示例中，第一终端设备在视频通话结束后，向用户展示反馈界面，在反馈界面中让用户选择本次视频通话的使用感受。图4A和图4B分别示例了两种可能的反馈界面的示意图。如图4A所示，可以在反馈界面中展示一个或者多个改进选项(例如：希望视频通话的清晰度更好、希望视频通话的流畅度更好、希望视频通话的延时更小等)，以供用户选择。这样，根据用户的选择，可以确定出用户在当前场景中期望的目标视频传输指标。例如：若用户选择的是希望视频通话的清晰度更好，则说明用户期望的目标视频传输指标为清晰度。

如图4B所示，还可以在反馈界面中询问“在当前场景中，您期望优先保证的视频传输指标为哪个”，并展示清晰度、流畅度、延时等几个可选的视频通话指标，或者，由用户手动输入期望优先保证的视频传输指标。这样，根据用户的选择或者输入的内容，可以确定出用户在当前场景中期望的目标视频传输指标。

另一个示例中，第一终端设备还可以在视频通话过程中，向用户展示反馈界面，在反馈界面中让用户选择本次视频通话的使用感受。具体过程与上述示例类似，此处不再赘述。

需要说明的是，图4A和图4B中的界面仅为两种可能的示意，本实施例并不以此为限。

S307：第一终端设备将所述当前场景的特征信息和所述目标视频传输指标加入训练样本集，所述训练样本集中还包括至少一个历史场景的特征信息以及各所述历史场景对应的目标视频传输指标。

S308：第一终端设备利用所述训练样本集进行训练，得到更新后的所述预测模型。

本实施例中，将每次视频通话中采集的当前场景的特征信息，以及用户反馈的目标视频传输指标加入到训练样本集中，不断地丰富训练样本集中的数据。其中，特征信息作为训练样本的特征，目标视频传输指标作为训练样本的标签，由于目标视频传输指标是用户反馈的，保证了训练数据集中标签的准确性。

对训练样本集进行训练的过程可以包括两个阶段：特征量化阶段和训练阶段。下面分别进行介绍。

在特征量化阶段，需要对训练样本集中的各训练样本的特征进行量化。其中，所有的特征可以分两大类。第一类，是可以使用一个数字表示的特征。比如：针对屏幕亮度x₁，可以直接用0至1之间的实数表示屏幕亮度级别；针对当前时间x₂，可以使用0-24之间的实数表示当前时间；针对是否使用扬声器播放声音x₃，可以用1表示使用扬声器、用0表示不使用扬声器。第二类，是无法用一个数字表示的特征。例如：连接的wifi名称，无法直接用一个数字表示，可以将这种特征拆分为多个特征。比如：连接了名为“office”的wifi，就增加一个wifi名是否为office的特征x₄，未连接此wifi时x₄取值为0，反之取值为1。如果之后又连接了名为“home”的wifi，则再增加一个wifi名是否为home的特征x₅，以此类推。

按照上述量化过程对训练样本的特征进行量化后，还需要对训练样本的标签进行量化。例如，使用0表示清晰度，使用1表示流畅度，使用2表示延时等。

经过上述量化过程后，训练样本集可以采用如下形式表示：

{(x⁽¹⁾，y⁽¹⁾)，(x⁽²⁾，y⁽²⁾)，…，(x^(m)，y^(m))}

其中，x^(m)表示第m组样本的特征向量，y^(m)表示第m组样本的标签(即用户偏好的视频传输指标)，下面给出一组样本的示例：

x₀为常数1，x₁…x_n是上面提到的各个特征，y是标签。

在训练阶段，可以采用机器学习算法对上述的训练样本进行有监督的训练，得到预测模型。下面以逻辑回归算法的训练过程为例，描述具体的训练过程。

逻辑回归算法的预测模型h_θ(x)如下：

h_θ(x)＝g(θ^Tx)

其中，X表示特征向量，g表示逻辑函数，θ表示参数的向量，θ^T表示θ的转置。预测模型的输出，实际就是一个概率值：p(y＝1|x；θ)，这是关于x以θ为参数时y＝1的概率。训练的最终目的就是得出θ值，θ是参数的向量。得到θ后，将一组特征向量带入预测模型中就可以得出选用某种视频传输指标的概率。

使用逻辑回归算法对某一种视频传输指标拟合出其分类器，拟合(求解)θ的过程实际就是求代价函数最小值的过程。比如，拟合清晰度分类参数时，将延时和流畅度都看作同一个“伪分类”，将标签为清晰度的训练的y标记为1，其他两种标签的数据y标记为0。选用Sigmoid函数作为预测模型的逻辑函数g，所以代价函数如下：

其中，m为训练样本的个数。这里使用梯度下降法，可以非常简单地完成查找代价函数最小值的工作。当然也可以使用共轭梯度法或限制变尺度法等更复杂的方法，获得更快的求解速度。梯度下降法需要反复更新每个参数，使得J(θ)最小，本实施例用下面的公式更新θ值，其中α为学习率(例如为0.01)：

其中，θ_j为θ的第j个分量，

为x⁽ⁱ⁾的第j个分量。根据上述公式不断更新θ的每个分量，更新次数越多得到的θ越准确。实际应用中，可以设置固定的更新次数。得到某个视频传输指标的θ值后，继续训练其他视频传输指标的参数。将三种分类的参数全部训练完成后，训练过程结束。

本实施例中采用的逻辑回归预测模型，与强化学习、神经网络等更复杂的机器学习模型相比，性能和功耗较小，适合特征维度较多但训练样本数量相对较少的状况，而且该算法简单高效，预测结果的准确性较高，特别适合在移动设备这种计算能力有效、功耗敏感的设备上使用。

能够理解，本实施例中，S308中更新后的预测模型用于在后续视频通话过程中进行视频通话指标的预测。

通过上述的视频传输过程可知，本实施例中，在每次视频通话时，对当前场景的特征信息以及用户反馈的目标视频传输指标进行记录，添加至训练样本集中，并对训练样本集进行训练，得到更新后的预测模型。后续使用更新后的预测模型继续上述的预测过程。也就是说，预测模型随着视频通话次数的增加不断地被更新完善，预测结果的准确率也会越来越高。

能够理解，在前期视频通话次数较少时，由于收集到的训练样本集中的数据量较少，预测模型还没有训练足够的次数或者根据没有训练过预测模型，使得预测模型的预测结果很不准确。因此，该情况下不能使用预测模型进行预测。示例性的，可以在终端设备中预设一种优先保证的视频传输指标(例如：流畅度)。在第一终端设备确定需要从第二终端设备接收视频时，获取所述预测模型的训练次数；若所述训练次数大于或等于预设阈值(例如：50次)，则所述第一终端设备将所述特征信息输入至预测模型中，获取所述预测模型输出的预测结果。若训练次数小于预设阈值，则所述第一终端设备不使用预测模型进行预测，而直接采用预设的视频传输指标。

一种可能的场景中，如果是在视频通话过程中接收到用户输入的反馈信息，则本实施例的方法还可以包括S309至S311。

S309：第一终端设备根据所述反馈信息，确定出所述当前场景对应的第二视频采集参数和第二视频接收参数。

S310：第一终端设备向所述第二终端设备发送所述第二视频采集参数。

S311：第一终端设备根据第二视频接收参数从所述第二终端设备接收所述第二终端设备根据所述第二视频采集参数采集并传输的视频。

也就是说，第一终端设备实时地根据用户的反馈信息，调整视频采集参数和视频接收参数，并将调整后的视频采集参数发送给第二终端设备，以使第二终端设备能够根据调整后的视频采集参数进行视频采集和传输。并且，第一终端设备根据调整后的视频接收参数从第二终端设备接收视频。

本实施例中，每次视频通话时，对当前场景的特征信息以及用户反馈的目标视频传输指标进行记录，添加至训练样本集中，并对训练样本集进行训练，得到更新后的预测模型。后续使用更新后的预测模型对用户在当前场景中偏好的视频传输指标进行预测，这样，使得预测模型随着视频通话次数的增加不断的被更新完善，预测结果的准确率也会越来越高，从而不断提升用户的视频通话体验。

图5为本申请一个实施例提供的视频传输装置的结构示意图。本实施例的视频传输装置可以为软件和/或硬件的形式，该装置可以设置在图1A和图1B所示的第一终端设备中。如图5所示，本实施例的视频传输装置500，包括：获取模块501、预测模块502、确定模块503和收发模块504。

其中，获取模块501，用于在第一终端设备确定需要从第二终端设备接收视频时，获取所述第一终端设备所在的当前场景的特征信息；

预测模块502，用于将所述特征信息输入至预测模型中，获取所述预测模型输出的预测结果，所述预测结果包括用户在所述当前场景中对多种视频传输指标的偏好概率；

确定模块503，用于根据所述预测结果，确定出所述当前场景对应的第一视频采集参数和第一视频接收参数；

收发模块504，用于向所述第二终端设备发送所述第一视频采集参数，并根据所述第一视频接收参数从所述第二终端设备接收所述第二终端设备根据所述第一视频采集参数采集并传输的视频。

一种可能的实现方式中，所述多种视频传输指标包括：清晰度、流畅度和延时；所述第一视频采集参数包括：码率和帧率，第一视频接收参数包括：缓冲区大小。

一种可能的实现方式中，所述确定模块具体用于：

本实施例的装置，可用于执行上述图2所示的方法实施例，其实现原理和技术效果类似，此处不再赘述。

图6为本申请另一个实施例提供的视频传输装置的结构示意图。在图5所示实施例的基础上，如图6所示，本实施例的视频传输装置500，还可以包括训练模块505。

一种可能的实现方式中，所述收发模块504还用于接收所述用户输入的反馈信息，所述反馈信息用于指示用户在所述当前场景中期望的目标视频传输指标；

所述训练模块505用于：将所述当前场景的特征信息和所述目标视频传输指标加入训练样本集，所述训练样本集中还包括至少一个历史场景的特征信息以及各所述历史场景对应的目标视频传输指标；利用所述训练样本集进行训练，得到更新后的所述预测模型。

一种可能的实现方式中，所述确定模块503还用于根据所述反馈信息，确定出所述当前场景对应的第二视频采集参数和第二视频接收参数；

所述收发模块504还用于向所述第二终端设备发送所述第二视频采集参数，并根据所述第二视频接收参数从所述第二终端设备接收所述第二终端设备根据所述第二视频采集参数采集并传输的视频。

一种可能的实现方式中，所述预测模块502具体用于：

获取所述预测模型的训练次数；

本实施例的装置，可用于执行上述图3所示的方法实施例，其实现原理和技术效果类似，此处不再赘述。

图7为本申请实施例提供的视频传输设备的结构示意图。本实施例的视频传输设备可以作为上述实施例中的第一终端设备。如图7所示，本实施例的视频传输设备700，包括：处理器701以及存储器702；其中，存储器702，用于存储计算机程序；处理器701，用于执行存储器存储的计算机程序，以实现上述实施例中的视频传输方法。具体可以参见前述方法实施例中的相关描述。

可选地，存储器702既可以是独立的，也可以跟处理器701集成在一起。

当所述存储器702是独立于处理器701之外的器件时，所述视频传输设备700还可以包括：总线703，用于连接所述存储器702和处理器701。

本实施例提供的视频传输设备，可用于执行上述任一方法实施例中的第一终端设备所执行的视频传输方法，其实现原理和技术效果类似，本实施例此处不再赘述。

本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括计算机程序，所述计算机程序用于实现如上任一方法实施例中的视频传输方法。

本申请实施例还提供一种芯片，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序实现如上任一方法实施例中的视频传输方法。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本申请各个实施例所述方法的部分步骤。

应理解，上述处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。

总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。

一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称：ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims

1.一种视频传输方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述多种视频传输指标包括：清晰度、流畅度和延时；所述第一视频采集参数包括：码率和帧率，所述第一视频接收参数包括：缓冲区大小。

3.根据权利要求2所述的方法，其特征在于，所述第一终端设备根据所述预测结果，确定出所述当前场景对应的第一视频采集参数和第一视频接收参数，包括：

4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述第一视频接收参数从所述第二终端设备接收所述第二终端设备根据所述第一视频采集参数采集并传输的视频之后，还包括：

5.根据权利要求4所述的方法，其特征在于，所述第一终端设备接收用户输入的反馈信息之后，还包括：

6.根据权利要求1至3任一项所述的方法，其特征在于，所述第一终端设备将所述特征信息输入至预测模型中，获取所述预测模型输出的预测结果，包括：

获取所述预测模型的训练次数；

7.根据权利要求1至3任一项所述的方法，其特征在于，所述当前场景的特征信息包括下述中的至少一种：用户个人信息、网络连接信息、环境信息、所述第一终端设备的外接设备信息、所述第一终端设备的设置信息。

8.一种视频传输装置，其特征在于，包括：

9.一种视频传输设备，其特征在于，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。