CN112152995A - 一种基于智能边缘的svc视频的传输方法及智能边缘 - Google Patents
一种基于智能边缘的svc视频的传输方法及智能边缘 Download PDFInfo
- Publication number
- CN112152995A CN112152995A CN202010838005.7A CN202010838005A CN112152995A CN 112152995 A CN112152995 A CN 112152995A CN 202010838005 A CN202010838005 A CN 202010838005A CN 112152995 A CN112152995 A CN 112152995A
- Authority
- CN
- China
- Prior art keywords
- video
- intelligent edge
- video block
- user
- edge
- 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 54
- 230000005540 biological transmission Effects 0.000 title abstract description 14
- 230000002787 reinforcement Effects 0.000 claims description 16
- 230000007774 longterm Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 abstract description 11
- 230000000875 corresponding effect Effects 0.000 description 120
- 238000012549 training Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 11
- 239000013598 vector Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/60—Network streaming of media packets
- H04L65/75—Media network packet handling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/60—Network streaming of media packets
- H04L65/70—Media network packetisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/80—Responding to QoS
-
- 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]
- H04N21/20—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
- H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
- H04N21/234327—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements by decomposing into layers, e.g. base layer and one or more enhancement layers
-
- 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
- H04N21/238—Interfacing the downstream path of the transmission network, e.g. adapting the transmission rate of a video stream to network bandwidth; Processing of multiplex streams
- H04N21/2387—Stream processing in response to a playback request from an end-user, e.g. for trick-play
-
- 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
- H04N21/239—Interfacing the upstream path of the transmission network, e.g. prioritizing client content requests
- H04N21/2393—Interfacing the upstream path of the transmission network, e.g. prioritizing client content requests involving handling client requests
-
- 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
- H04N21/44227—Monitoring of local network, e.g. connection or bandwidth variations; Detecting new devices in the local network
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请公开了一种基于智能边缘的SVC视频的传输方法及智能边缘,所述方法包括智能边缘接收到视频块下载请求时,确定所述视频块对应的视频优先级;所述智能边缘获取视频块下载请求所处网络的网络状态信息;所述智能边缘根据所述网络状态信息以及所述视频优先级,确定所述视频块对应的视频层数,并根据所述视频层数从服务端获取到所述视频块对应的视频层;所述智能边缘将获取到视频层下发至所述视频块对应的用户集群中的每个用户端。这样在该网络的网络边缘装配智能边缘,智能边缘利用网络状态信息和视频优先级为每个用户端下发不同数量的SVC视频层来为不同的用户提供不同质量的视频流,从而实现SVC视频用户QoE联合优化,提高内容提供商的收益。
Description
技术领域
本申请涉及直播技术领域,特别涉及一种基于智能边缘的SVC视频的传输方法及智能边缘。
背景技术
随着4G/5G技术的逐渐成熟与推广,播放设备的完善和直播视频应用的出现,近年来直播行业如日方升,直播视频流量在网络流量中的占比越来越大。思科2018年的网络流量预测报告显示,直播视频流量在2017年到2022年将增长15倍。随着直播视频流量的不断增长,实现用户体验质量(QoE)联合优化具有重要意义。然而,用户QoE会受到网络环境影响,例如,网络环境的复杂多变会导致QoE差等。
为了解决由于网络环境复杂多变导致用户QoE差的问题,基于HTTP的自适应视频流(HAS)技术因其灵活性广泛应用在视频传输服务中,并且基于HAS技术,研究人员在2007年提出标准化可分级视频编码(SVC)技术。所述SVC技术通常由码率各不相同的一个基本层和多个增强层组成,从而提供不同的视频质量。然而,由于网络中经常出现同一区域的多个用户同时请求直播视频流,社区网、校园网等网络的接入点处经常会出现多用户竞争同一共享瓶颈带宽资源的情况,从而导致用户QoE不稳定,用户QoE联合优化的性能不好,内容提供商的收益降低。
发明内容
本申请要解决的技术问题在于,针对现有技术的不足,提供一种基于智能边缘的SVC视频的传输方法及智能边缘。
为了解决上述技术问题,本申请实施例第一方面提供了一种基于智能边缘的SVC视频的传输方法,所述方法包括:
智能边缘接收到视频块下载请求时,确定所述视频块对应的视频优先级,其中,所述智能边缘装配于该网络的网络边缘;
所述智能边缘获取视频块下载请求所处网络的网络状态信息;
所述智能边缘根据所述网络状态信息以及所述视频优先级,确定所述视频块对应的视频层数,并根据所述视频层数从服务端获取到所述视频块对应的视频层;
所述智能边缘将获取到视频层下发至所述视频块对应的用户集群中的每个用户端,其中,所述用户集群包括视频块下载请求对应的用户端。
所述基于智能边缘的SVC视频的传输方法,其中,所述智能边缘接收到视频块下载请求时,确定所述视频块对应的视频优先级具体包括:
智能边缘接收到视频块下载请求时,获取所述视频块对应的视频信息,其中,所述视频信息包括长期信息和短期信息,所述长期信息包括视频类型和视频制作者信息,所述短期信息包括若干历史视频请求数量;
所述智能边缘基于所述视频信息,确定所述视频块对应的视频优先级。
所述基于智能边缘的SVC视频的传输方法,其中,所述智能边缘配置有流行度预测模型,所述智能边缘基于所述视频信息,确定所述视频块对应的视频优先级具体包括:
所述智能边缘将所述长期信息以及短期信息输入所述流行度预测模型,通过所述流行度预测模型确定所述视频块对应的视频的流行度;
所述智能边缘基于所述流行度,确定所述视频块对应的视频优先级。
所述基于智能边缘的SVC视频的传输方法,其中,所述用户集群包括若干用户端,若干用户端观看相同直播视频,所述视频块下载请求为所述用户集群针对所述视频块的第一个下载请求。
所述基于智能边缘的SVC视频的传输方法,其中,所述网络状态信息包括历史吞吐量、被占用码率、效用值差异、前一视频块对应的视频层数以及前一视频块的下载时间,其中,所述效用值差异为基于所述视频优先级确定的。
所述基于智能边缘的SVC视频的传输方法,其中,所述智能边缘配置有深度强化学习模型,所述智能边缘根据所述网络状态信息以及所述视频优先级,确定所述视频块对应的视频层数具体包括:
所述智能边缘将所述网络状态信息以及所述视频优先级输入所述深度强化学习模型,通过所述深度强化学习模型输出所述视频块对应的视频层数。
所述基于智能边缘的SVC视频的传输方法,其中,所述智能边缘将获取到视频层下发至所述视频块对应的用户集群中的每个用户端具体包括:
对应用户集群中的每个用户端,获取该用户端对应的设备类型;
根据所述设备类型确定该用户端对应的目标视频层数;
根据所述目标视频层数确定该用户端对应的视频层,并将确定的视频层下发至该用户端。
所述基于智能边缘的SVC视频的传输方法,其中,所述设备类型包括终端设备类型或电视设备类型;所述根据所述设备类型确定该用户端对应的目标视频层数具体包括:
当设备类型为电视设备类型时,将所述视频块对应的视频层数作为该用户端对应的目标视频层数;
当设备类型为终端设备类型时,获取所述用户集群中电视设备类型对应的所有目标用户端,并确定所有目标用户端对应的第二QoE值;
基于所述第二QoE值确定该用户端对应的目标视频层数,其中,该用户端获取到所述目标视频层数的视频层后的QoE与所述第二QoE值的差值满足预设条件。
本申请实施例第二方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上任一所述的基于智能边缘的SVC视频的传输方法中的步骤。
本申请实施例第三方面提供了一种智能边缘,其包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序时实现如上任一所述的基于智能边缘的SVC视频的传输方法中的步骤。
有益效果:与现有技术相比,本申请提供了一种基于智能边缘的SVC视频的传输方法及智能边缘,所述方法包括智能边缘接收到视频块下载请求时,确定所述视频块对应的视频优先级;所述智能边缘获取视频块下载请求所处网络的网络状态信息;所述智能边缘根据所述网络状态信息以及所述视频优先级,确定所述视频块对应的视频层数,并根据所述视频层数从服务端获取到所述视频块对应的视频层;所述智能边缘将获取到视频层下发至所述视频块对应的用户集群中的每个用户端。这样在该网络的网络边缘装配智能边缘,智能边缘利用网络状态信息和视频优先级为每个用户端下发不同数量的SVC视频层来为不同的用户提供不同质量的视频流,从而实现SVC视频用户QoE联合优化,提高内容提供商的收益。
附图说明
为了更清楚地说明本申请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而言,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为本申请提供的基于智能边缘的SVC视频的传输方法的流程图。
图2为本发明提供的基于智能边缘的SVC视频的传输方法的流程示意图。
图3为本发明提供的基于智能边缘的SVC视频的传输方法中流行度确定过程的流程示意图。
图4为本发明提供的基于智能边缘的SVC视频的传输方法中深度强化学习网络模型的工作流程示意图。
图5为本申请提供的终端设备的结构原理图。
具体实施方式
本申请提供一种基于智能边缘的SVC视频的传输方法及智能边缘,为使本申请的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本申请进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
经发明人研究发现,随着4G/5G技术的逐渐成熟与推广,播放设备的完善和直播视频应用的出现,近年来直播行业如日方升,直播视频流量在网络流量中的占比越来越大。思科2018年的网络流量预测报告显示,直播视频流量在2017年到2022年将增长15倍。随着直播视频流量的不断增长,实现用户体验质量(QoE)联合优化具有重要意义。然而,用户QoE会受到网络环境影响,例如,网络环境的复杂多变会导致QoE差等。
为了解决由于网络环境复杂多变导致用户QoE差的问题,基于HTTP的自适应视频流(HAS)技术因其灵活性广泛应用在视频传输服务中,并且基于HAS技术,研究人员在2007年提出标准化可分级视频编码(SVC)技术。所述SVC技术通常由码率各不相同的一个基本层和多个增强层组成,从而提供不同的视频质量。高级视频编码(AVC)将用户上传的视频片段编码为具有不同分辨率和码率的多个视频块,因此同一视频内容的多个视频块之间存在大量的冗余。而SVC技术将视频片段编码为一个具有最低视频质量的基本层(第0层),以及多个进一步提高视频质量的增强层(第k层,k>0),通过在基础层和增强层之间建立依赖关系(即下载第k层,必须先下载第0层到第k-1层的所有视频层)解决了内容冗余的问题。在直播视频播放期间,客户端的自适应算法根据网络状况等信息请求不同数量的视频层,从而在网络环境不断变化的场景下依然能够保证自身的QoE。
然而,由于网络中经常出现同一区域的多个用户同时请求直播视频流,社区网、校园网等网络的接入点处经常会出现多用户竞争同一共享瓶颈带宽资源的情况,从而导致用户QoE不稳定,用户QoE联合优化的性能不好,内容提供商的收益降低。另外,发起视频请求的播放设备多种多样,多样的播放设备对视频流的要求不一样,因此直播用户使用的不同类型的播放设备对用户QoE联合优化的性能也有影响。例如,两个用户分别使用手机和高清电视观看同一直播视频,即使他们接收到相同视频层的视频,其视频感知质量依然不同,导致两个用户QoE不同。因此,如果给使用不同分辨率设备的用户下发相同的视频层,其QoE依然不同,导致用户之间QoE的公平性降低。此外,播放过高质量的视频会对用户播放设备造成负担。例如,向手机下发包含最高视频层的视频,会导致手机电量消耗过快和手机发热过高等的问题。
为了解决上述问题,本实施例提供了一种基于智能边缘的SVC视频的传输方法,所述方法包括智能边缘接收到视频块下载请求时,确定所述视频块对应的视频优先级;所述智能边缘获取视频块下载请求所处网络的网络状态信息;所述智能边缘根据所述网络状态信息以及所述视频优先级,确定所述视频块对应的视频层数,并根据所述视频层数从服务端获取到所述视频块对应的视频层;所述智能边缘将获取到视频层下发至所述视频块对应的用户集群中的每个用户端。这样在该网络的网络边缘装配智能边缘,智能边缘利用网络状态信息和视频优先级为每个用户端下发不同数量的SVC视频层来为不同的用户提供不同质量的视频流,从而实现SVC视频用户QoE联合优化,提高内容提供商的收益。
本实施例提供的一种基于智能边缘的SVC视频的传输方法,该方法可以应用智能边缘,所述电子设备可以以各种形式来实现。例如,服务端、智能终端等。另外,该方法所实现的功能可以通过智能边缘中的处理器调用程序代码来实现,当然程序代码可以保存在计算机存储介质中,可见,该电子设备至少包括处理器和存储介质。
下面结合附图,通过对实施例的描述,对申请内容作进一步说明。
本实施提供了一种基于智能边缘的SVC视频的传输方法,如图1所示,所述方法包括:
S10、智能边缘接收到视频块下载请求时,确定所述视频块对应的视频优先级。
具体地,所述视频块下载请求为用户端发送给智能边缘的,用于获取视频块的请求。所述视频块下载请求中可以包括用户端的设备信息和请求的视频块信息,其中,所述设备信息可以包括屏幕分辨率、用户端IP地址等;所述智能边缘接收到视频块下载请求后,会存储视频块下载请求携带的设备信息。
所述智能边缘布置于用户端所处网络靠近用户端一侧,并位于用户端与服务端之间,用户端所处网络内的所有观看直播视频的用户端均与该智能边缘相连接,并通过该智能边缘与服务端相连接,以通过智能边缘将用户端的视频块下载请求发送至服务端。此外,所述用户端所处网络内的所有用户按照用户观看直播内容划分为若干用户集群,每个用户集群内的用户观看相同直播内容。对于每个用户集群,在该用户集群观看直播内容时,智能边缘仅向服务端获取一次视频块,这样可以减少服务器的高并发性。
进一步,发送所述视频块下载请求的用户端为其所处用户集群中第一个针对所述视频块发送视频块下载请求的用户端,也就是说,所述视频块下载请求为所述用户集群针对所述视频块的第一个下载请求,其中,该用户集群内的所有用户端均观看所述视频块对应的直播视频,并且该用户集群内的所有用户端均未获取到该视频块。
在本实施例的一个实现方式中,如图2所示,所述智能边缘布置于用户端所处网络边缘,智能边缘可以与多个用户端相连接,其中,所述多个用户端处于同一网络中,例如,校园网、小区网等。可以理解的是,同一区域网络内的所有观看直播视频的用户端均通过HTTP接口与所述智能边缘相连接,所述智能边缘再通过HTTP接口与服务端(例如,IDC&CDN服务器)相连接。所述用户端用于向智能边缘发送直播视频块下载请求以基于视频块下载请求获取到直播视频块,以及将获取到的直播视频块播放给用户,其中,所述用户端可以为手机、高清电视、平板电脑等。所述服务端用于接收视频制作者上传的直播视频,其中,视频制作者可以通过公共互联网实时地将直播视频的视频片段上传至服务端。
进一步,在本实施例的一个实现方式中,所述智能边缘接收到视频块下载请求时,确定所述视频块对应的视频优先级具体包括:
S11、智能边缘接收到视频块下载请求时,获取所述视频块对应的视频信息;
S12、所述智能边缘基于所述视频信息,确定所述视频块对应的视频优先级。
具体地,所述视频信息包括长期信息和短期信息,其中,所述长期信息为预设时间段内不会发生变化的视频信息,所述短期信息为预设时间段内可能会发生变化的视频信息。在一个实现方式中,所述长期信息可以包括视频类型和视频制作者信息,例如,所述视频类型可以分为游戏、运动比赛、娱乐、电商购物和办公教育等5类,视频制作者信息可以按照粉丝数([0,1000]、(1000,10000]、(10000,100000]、(100000,1000000]和(1000000,∞))分为5类等。
进一步,所述短期信息包括若干历史视频请求数量,其中,所述若干视频请求数量中的每个视频请求数量为一个数值,该数值用于反映一个视频块被请求的视频数量。此外,若干视频请求数量中相邻两个视频请求数量对应的视频块相邻。可以理解的是,若干视频请求数量为若干次连续视频块各自对应的视频请求数量,并且按照视频块的播放顺序位于最后的视频请求数量对应的视频请求为所述视频块下载请求的前一视频块下载请求。其中,所述若干视频请求数量可以为8个,10个等。
举例说明:若干视频请求数量包括视频请求数量A、视频请求数量B以及视频请求数量C,其中,按照视频块的先后顺序排序为视频请求数量A、视频请求数量B以及视频请求数量C;那么视频请求数量A对应的视频块与视频请求数量B对应的视频块相邻,并且视频请求数量B对应的视频块为视频请求数量A对应视频块的后一请求时刻;所述视频请求数量C为所述视频块下载请求的前一视频块下载请求。
进一步,在本实施例的一个实现方式中,所述智能边缘配置有流行度预测模型,所述智能边缘基于所述视频信息,确定所述视频块对应的视频优先级具体包括:
A10、所述智能边缘将所述长期信息以及短期信息输入所述流行度预测模型,通过所述流行度预测模型确定所述视频块对应的视频的流行度;
A20、所述智能边缘基于所述流行度,确定所述视频块对应的视频优先级。
具体地,在步骤A10中,在获取到长期信息以及短期信息后,需要分别对长期信息以及短期信息进行变换,以使得长期信息以及短期信息可以作为流行度预测模型的输入项。所述长期信息包括的视频类型和视频制作者信息分别可以转化为各自对应独热(one-hot)向量,并将各独热向量和所述若干视频请求数量作为流行度预测模型的输入项。此外,由于各独热向量和若干视频请求数量均为流行度预测模型的输入项,可以使得各独热向量的维度和若干视频请求数量构成的向量的维度相同,所述视频类型的类型数量,视频制作者信息所处的等级数量以及若干视频请求数量的数量相同,例如,均为5个等。
在一个实现方式中,如图3所示,所述流行度预测模型可以包括两个全连接层、一维卷积神经网络(CNN)以及若干隐全连接层,所述两个全连接层与视频类型和视频制作者信息分别可以转化为各自对应独热(one-hot)向量一一对应,并且视频类型和视频制作者信息分别可以转化为各自对应独热(one-hot)向量分别输入各自对应的全连接层,并通过各自对应的全连接层输入隐全连接层,所述若干视频请求数量构成的向量输入一维卷积神经网络,并通过一维卷积神经网络输入隐全连接层,通过隐全连接层输出该视频块对应的预测请求数量并将该预测请求数量作为该视频块对应的流行度。
进一步,在本实施例的一个实现方式,为了能够快速并且较为准确地输出预测请求数量,所述流行度预测模型采用离线与在线训练相结合的训练方式。所述流行度预测模型的训练过程可以为:首先利用训练样本数据对离线训练模型,并且使用训练得到的流行度预测模型对视频块下载请求对应的视频块进行视频请求数量预测;其次,当流行度预测模型使用设定时间段后,获取设定时间段中记录的各被请求视频块以及各被请求视频块对应的请求数量对所述流行度预测模型进行训练,以更新所述流行度预测模型,从而实现离线与在线训练相结合,使得流行度预测模型可以快速并且较为准确地输出预测请求数量。
此外在所述流行度预测模型的训练过程中,所述流行度预测模型对应的损失函数中携带L2正则化项,以减少过拟合情况。在一个实现方式中,所述流行度预测模型对应的损失函数可以为:
进一步,在步骤A20中,在获取到流行度后,根据所述流行度确定所述视频块对应的视频优先级,其中,所述视频优先级与所述流行度正相关。可以理解的是,视频块的流行度越高,视频块对应的视频优先级越高;反之,视频块的流行度越低,视频块对应的视频优先级越低。在一个实现方式中,预先设置若干视频优先级以及若干流行度区间,若干视频优先级与若干流行度区间一一对应,这样在获取到视频块对应的流行度之后,可以确定该流行度对应的流行度区间,再基于流行度区间确定该流行度对应的视频优先级,进而确定该视频块对应的视频优先级。例如,流行度区间包括[0,10]、(10,100]、(100,500]、(500,1000]和(1000,∞),视频优先级等级包括1、1.05、1.1、1.15和1.2,[0,10]对应视频优先级1,(10,100]对应视频优先级1.05,(100,500]对应视频优先级1.1,(500,1000]对应视频优先级1.15,(1000,∞)对应视频优先级1.2;视频块A对应的流行度为800,那么视频块A对应的视频优先级为1.15。
S20、所述智能边缘获取视频块下载请求所处网络的网络状态信息。
具体地,所述网络状态信息包括历史吞吐量、被占用码率、效用值差异、前一视频块对应的视频层数以及前一视频块的下载时间。所述历史吞吐量指过去预设数量采集周期内所述网络的瓶颈带宽吞吐量,所述被占用码率为智能边缘在接收到视频块下载请求时,向视频服务器请求的所有视频层的码率之和。
进一步,智能边缘接收到视频块下载请求时间为t,在时间t智能边缘对应的区域网的在线用户数为Mt,播放直播视频的视频数为Nt。对于在线用户中的每个用户端m(m∈Mt)在时间t的QoE,其中,QoE的表达式可以为:
进一步,用户端m在时间t接收到的视频层数小于或者等于视频块被编码的视频层总数,其中,视频块为SVC视频。例如,假设视频块被编码为K个视频层,记为那么包括该视频块中的若干视频层,即0≤m≤K-1。所述将用户端m在时间t接收到视频层转换为视频感知质量,将用户端m在时间t-1接收到视频层转换为视频感知质量,由此,表示用户端m在时间t对应的视频块与在时间t-1对应的视频块的视频感知质量的差值,用于表示视频感知质量切换值。表示用户端m的播放进度与最新视频进度之间的延迟,表示用户端m遭受的卡顿时间。
进一步,所述效用值差异为基于所述视频优先级确定的。所述效用值差异用于表示该视频块与所有视频块之间的效用值的差异,其中,所述效用值差异包括视频块对应的效用值相对于智能边缘对应的所有其他视频的效用值的高出差值以及视频块对应的效用值相对于智能边缘对应的所有其他视频的效用值的低出差值所述高出差值和低出差值的计算公式可以分别为:
在本实施例的一个实现方式中,所述智能边缘包括用户状态监控模块以及网络状态监控模块,其中,所述用户状态监控模块用于收集来自用户端的HTTP请求并根据接收到的HTTP请求中包含的信息实时监控在线用户端的视频感知质量、质量切换、卡顿时间和延迟时间,并根据视频感知质量、质量切换、卡顿时间和延迟时间确定各用户端对应的QoE,从而实时监控边缘节点覆盖的所有直播视频用户端的QoE,并且由于前一视频块对应的视频层数以及前一视频块的下载时间信息影响用户端状态,因此所述用户状态监控模块也用于记录所述两项信息;所述网络状态监控模块监控并记录若干个采样周期内(例如,8个等)瓶颈带宽的吞吐量,并且记录每一时刻智能边缘向视频服务器请求的所有视频层的码率之和。
S30、所述智能边缘根据所述网络状态信息以及所述视频优先级,确定所述视频块对应的视频层数,并根据所述视频层数从服务端获取到所述视频块对应的视频层。
具体地,所述视频层数为用户端m在时间t接收到的视频层的数量,所述视频层数小于或者等于视频块被编码的视频层总数,其中,视频块为SVC视频。例如,假设视频块被编码为K个视频层,记为那么视频层数包括该视频块中的若干视频层,即0≤m≤K-1。
在本实施例的一个实现方式中,所述智能边缘配置有深度强化学习模型,如图4所示,所述智能边缘根据所述网络状态信息以及所述视频优先级,确定所述视频块对应的视频层数具体包括:
所述智能边缘将所述网络状态信息以及所述视频优先级输入所述深度强化学习模型,通过所述深度强化学习模型输出所述视频块对应的视频层数。
具体地,所述深度强化学习网络模型的目标函数为奖励函数,其目标为最大化期望的累积折扣奖励其中,γ∈(0,1]为折扣因子,为请求视频块时智能边缘下载的上一视频块的奖励。这样将最大化期望的累积折扣奖励作为深度强化学习模型的目标函数,使得深度强化学习模型会根据环境反馈的奖励调整网络参数、优化模型性能。在本实施例的一个具体实现方式中,所述奖励的计算公式可以为:
其中,η1和η2为权重系数。
此外,在实际应用中,对于每个视频块下载请求,确定所述视频块对应的视频层数后,会将该视频块作为训练样本更新深度强化学习网络模型的网络参数,以提高深度强化学习网络模型的模型精度。
S40、所述智能边缘将获取到视频层下发至所述视频块对应的用户集群中的每个用户端。
具体地,所述用户集群包括若干用户端,若干用户端观看相同直播视频,所述视频块下载请求为所述用户集群针对所述视频块的第一个下载请求。智能边缘获取到视频层后,将该视频层分发至发送获取该视频块下载请求的用户端所处的用户集群内的每个用户端,这样智能边缘无需向服务端发送多个对于相同内容的视频块下载请求,降低了服务端的高并发。
在本实施例的一个实现方式中,所述智能边缘将获取到视频层下发至所述视频块对应的用户集群中的每个用户端具体包括:
对应用户集群中的每个用户端,获取该用户端对应的设备类型;
根据所述设备类型确定该用户端对应的目标视频层数;
根据所述目标视频层数确定该用户端对应的视频层,并将确定的视频层下发至该用户端。
具体地,所述设备类型指的是发送视频块下载请求的电子设备的设备类型,该电子设备为用于观看该视频块对应的视频的电子设备,例如,手机、高清电视、平板电脑以及PC机等。所述设备类型包括终端设备类型或电视设备类型,其中,所述终端设备类型包括智能移动终端(例如,手机以及平板电脑等)和PC端,所述电视设备类型包括高清电视。此外,不同的设备类型对应的目标视频层数不同,例如,电视类型对应的目标视频层数为视频层数,终端设备类型对应的目标视频层数根据电视类型对应的用户端的QoE确定。这样在视频块下载请求对应的所有视频层均下载到边缘节点后,根据用户端对应的设备类型,利用SVC编码方式的特征,为不同设备类型的用户端下发不同的视频层,从而使得请求同一视频的使用不同播放设备的用户端之间的QoE公平。
在一个实现方式中,所述根据所述设备类型确定该用户端对应的目标视频层数具体包括:
当设备类型为电视设备类型时,将所述视频块对应的视频层数作为该用户端对应的目标视频层数;
当设备类型为终端设备类型时,获取所述用户集群中电视设备类型对应的所有目标用户端,并确定所有目标用户端对应的第二QoE值;
基于所述第二QoE值确定该用户端对应的目标视频层数,其中,该用户端获取到所述目标视频层数的视频层后的QoE与所述第二QoE值的差值满足预设条件。
具体地,当视频块下载请求的视频块的第0层到第视频层数层的所有视频层均下载到边缘节点后,为了尽量保证观看同一直播视频的用户之间的QoE公平性,提高用户QoE联合优化的性能,可以根据用户播放设备类型决定下发给观看此视频的使用不同设备的用户的视频层。
当设备类型为电视类型时,由于向使用高清电视的用户提供很高的视频质量才能保证其QoE,因此当设备类型为电视类型时,将第0层到第视频层数层的所有视频层都下发给请求此视频的使用高清电视的用户,然后计算电视类型的用户端的QoE的平均值,可以理解的是,将视频层数作为电视类型的用户端对应的目标视频层数。
当设备类型为终端设备时,对于使用终端设备(例如,移动终端和PC端等)的每个用户端,用户端在获取到视频层后的QoE值与所有目标用户端对应的第二QoE值的差值满足预设条件,其中,第二QoE值可以为所有目标用户端的QoE值的平均值,可以为所有目标用户端中任一QoE值,也可以为所有目标用户端中的最大或最小QoE值。在本实施例的一个实现方式中,所述第二QoE值可以为所有目标用户端的QoE值的平均值。由此,当设备类型为终端设备类型时,获取所有目标用户端的QoE值的平均值,并将该平均值作为第二QoE值;然后,将0-视频层数中每个数值作为候选视频层数,并确定候选视频层数对应的候选QoE值与第二QoE值的差值,在获取到所有差值中选取满足预设条件的差值,并将该差值对应的候选视频层数作为目标视频层数。在一个实现方式中,所述预设条件可以为差值为所有差值中的一最小差值。
综上所述,本实施例提供了一种基于智能边缘的SVC视频的传输方法,所述方法包括智能边缘接收到视频块下载请求时,确定所述视频块对应的视频优先级;所述智能边缘获取视频块下载请求所处网络的网络状态信息;所述智能边缘根据所述网络状态信息以及所述视频优先级,确定所述视频块对应的视频层数,并根据所述视频层数从服务端获取到所述视频块对应的视频层;所述智能边缘将获取到视频层下发至所述视频块对应的用户集群中的每个用户端。这样在该网络的网络边缘装配智能边缘,智能边缘利用网络状态信息和视频优先级为每个用户端下发不同数量的SVC视频层来为不同的用户提供不同质量的视频流,从而实现SVC视频用户QoE联合优化,提高内容提供商的收益。同时,融入视频优先级,通过综合视频长期信息和短期信息,使用流行度预测模型预测用户端向边缘服务器发起的对某个视频块的视频请求数量,以确定视频优先级,并基于视频优先级确定视频块的效用值,从而为更多用户提供更好的QoE,提升SVC视频用户QoE联合优化的性能。此外,在获取到网络状态信息和视频优先级后,利用深度强化学习模型决策为一个用户集群请求的视频层数,以实现在网络环境复杂多变和用户请求视频动态变化的情况下提高用户联合QoE。另外,在视频块下载请求对应的所有视频层均下载到边缘节点后,根据用户端对应的设备类型,利用SVC编码方式的特征,为不同设备类型的用户端下发不同的视频层,从而使得请求同一视频的使用不同播放设备的用户端之间的QoE公平。
基于上述基于智能边缘的SVC视频的传输方法,本实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上述实施例所述的基于智能边缘的SVC视频的传输方法中的步骤。
基于上述基于智能边缘的SVC视频的传输方法,本申请还提供了一种智能边缘,如图5所示,其包括至少一个处理器(processor)20;显示屏21;以及存储器(memory)22,还可以包括通信接口(Communications Interface)23和总线24。其中,处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令,以执行上述实施例中的方法。
此外,上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器22作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器。例如,U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
此外,上述存储介质以及智能边缘中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明,在这里就不再一一陈述。
最后应说明的是:以上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精神和范围。
Claims (10)
1.一种基于智能边缘的SVC视频的传输方法,其特征在于,所述方法包括:
智能边缘接收到视频块下载请求时,确定所述视频块对应的视频优先级,其中,所述智能边缘装配于该网络的网络边缘;
所述智能边缘获取视频块下载请求所处网络的网络状态信息;
所述智能边缘根据所述网络状态信息以及所述视频优先级,确定所述视频块对应的视频层数,并根据所述视频层数从服务端获取到所述视频块对应的视频层;
所述智能边缘将获取到视频层下发至所述视频块对应的用户集群中的每个用户端,其中,所述用户集群包括视频块下载请求对应的用户端。
2.根据权利要求1所述基于智能边缘的SVC视频的传输方法,其特征在于,所述智能边缘接收到视频块下载请求时,确定所述视频块对应的视频优先级具体包括:
智能边缘接收到视频块下载请求时,获取所述视频块对应的视频信息,其中,所述视频信息包括长期信息和短期信息,所述长期信息包括视频类型和视频制作者信息,所述短期信息包括若干历史视频请求数量;
所述智能边缘基于所述视频信息,确定所述视频块对应的视频优先级。
3.根据权利要求2所述基于智能边缘的SVC视频的传输方法,其特征在于,所述智能边缘配置有流行度预测模型,所述智能边缘基于所述视频信息,确定所述视频块对应的视频优先级具体包括:
所述智能边缘将所述长期信息以及短期信息输入所述流行度预测模型,通过所述流行度预测模型确定所述视频块对应的视频的流行度;
所述智能边缘基于所述流行度,确定所述视频块对应的视频优先级。
4.根据权利要求1所述基于智能边缘的SVC视频的传输方法,其特征在于,所述用户集群包括若干用户端,若干用户端观看相同直播视频,所述视频块下载请求为所述用户集群针对所述视频块的第一个下载请求。
5.根据权利要求1所述基于智能边缘的SVC视频的传输方法,其特征在于,所述网络状态信息包括历史吞吐量、被占用码率、效用值差异、前一视频块对应的视频层数以及前一视频块的下载时间,其中,所述效用值差异为基于所述视频优先级确定的。
6.根据权利要求5所述基于智能边缘的SVC视频的传输方法,其特征在于,所述智能边缘配置有深度强化学习模型,所述智能边缘根据所述网络状态信息以及所述视频优先级,确定所述视频块对应的视频层数具体包括:
所述智能边缘将所述网络状态信息以及所述视频优先级输入所述深度强化学习模型,通过所述深度强化学习模型输出所述视频块对应的视频层数。
7.根据权利要求1所述基于智能边缘的SVC视频的传输方法,其特征在于,所述智能边缘将获取到视频层下发至所述视频块对应的用户集群中的每个用户端具体包括:
对应用户集群中的每个用户端,获取该用户端对应的设备类型;
根据所述设备类型确定该用户端对应的目标视频层数;
根据所述目标视频层数确定该用户端对应的视频层,并将确定的视频层下发至该用户端。
8.根据权利要求7所述基于智能边缘的SVC视频的传输方法,其特征在于,所述设备类型包括终端设备类型或电视设备类型;所述根据所述设备类型确定该用户端对应的目标视频层数具体包括:
当设备类型为电视设备类型时,将所述视频块对应的视频层数作为该用户端对应的目标视频层数;
当设备类型为终端设备类型时,获取所述用户集群中电视设备类型对应的所有目标用户端,并确定所有目标用户端对应的第二QoE值;
基于所述第二QoE值确定该用户端对应的目标视频层数,其中,该用户端获取到所述目标视频层数的视频层后的QoE与所述第二QoE值的差值满足预设条件。
9.一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存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1~8任意一项所述的基于智能边缘的SVC视频的传输方法中的步骤。
10.一种智能边缘,其特征在于,包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的基于智能边缘的SVC视频的传输方法中的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010838005.7A CN112152995B (zh) | 2020-08-19 | 2020-08-19 | 一种基于智能边缘的svc视频的传输方法及智能边缘 |
PCT/CN2021/101014 WO2022037228A1 (zh) | 2020-08-19 | 2021-06-18 | 一种基于智能边缘的svc视频的传输方法及智能边缘 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010838005.7A CN112152995B (zh) | 2020-08-19 | 2020-08-19 | 一种基于智能边缘的svc视频的传输方法及智能边缘 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112152995A true CN112152995A (zh) | 2020-12-29 |
CN112152995B CN112152995B (zh) | 2022-09-13 |
Family
ID=73887560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010838005.7A Active CN112152995B (zh) | 2020-08-19 | 2020-08-19 | 一种基于智能边缘的svc视频的传输方法及智能边缘 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112152995B (zh) |
WO (1) | WO2022037228A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022037228A1 (zh) * | 2020-08-19 | 2022-02-24 | 鹏城实验室 | 一种基于智能边缘的svc视频的传输方法及智能边缘 |
CN114339311A (zh) * | 2021-12-09 | 2022-04-12 | 北京邮电大学 | 一种视频云转码及分发联合决策方法及系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114697619B (zh) * | 2022-04-21 | 2023-07-07 | 上海交通大学 | 一种工业智能视频监控系统及多视频流自适应配置方法 |
CN115278360B (zh) * | 2022-07-18 | 2023-11-07 | 天翼云科技有限公司 | 一种视频数据处理方法及电子设备 |
CN116112740A (zh) * | 2023-01-19 | 2023-05-12 | 深圳大学 | 一种视频播放方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009050188A1 (en) * | 2007-10-15 | 2009-04-23 | Mitsubishi Electric Information Technology Center Europe B.V. | Bandwidth and content dependent transmission of scalable video layers |
CN102158767A (zh) * | 2010-09-30 | 2011-08-17 | 大连理工大学 | 一种基于可扩展编码的对等网络流媒体直播系统 |
US20120044322A1 (en) * | 2009-05-01 | 2012-02-23 | Dong Tian | 3d video coding formats |
CN102761776A (zh) * | 2012-08-01 | 2012-10-31 | 重庆大学 | 基于SVC的P2PVoD系统的视音频同步方法 |
CN105187849A (zh) * | 2015-08-14 | 2015-12-23 | 合肥工业大学 | 一种基于d2d和蜂窝网络的可伸缩视频多播资源分配的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070108434A (ko) * | 2006-01-09 | 2007-11-12 | 한국전자통신연구원 | SVC(Scalable Video Coding)파일포맷에서의 데이터 공유 개선방법 |
US20150373075A1 (en) * | 2014-06-23 | 2015-12-24 | Radia Perlman | Multiple network transport sessions to provide context adaptive video streaming |
WO2017100769A1 (en) * | 2015-12-11 | 2017-06-15 | Vid Scale, Inc. | Scheduling multiple-layer video segments |
EP3438936B1 (en) * | 2017-08-04 | 2022-03-30 | NXP USA, Inc. | Method and apparatus for managing graphics layers within a data processing system |
CN110876084B (zh) * | 2018-08-29 | 2021-01-01 | 浙江大学 | 处理和传输媒体数据的方法和装置 |
CN112152995B (zh) * | 2020-08-19 | 2022-09-13 | 鹏城实验室 | 一种基于智能边缘的svc视频的传输方法及智能边缘 |
-
2020
- 2020-08-19 CN CN202010838005.7A patent/CN112152995B/zh active Active
-
2021
- 2021-06-18 WO PCT/CN2021/101014 patent/WO2022037228A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009050188A1 (en) * | 2007-10-15 | 2009-04-23 | Mitsubishi Electric Information Technology Center Europe B.V. | Bandwidth and content dependent transmission of scalable video layers |
US20120044322A1 (en) * | 2009-05-01 | 2012-02-23 | Dong Tian | 3d video coding formats |
CN102158767A (zh) * | 2010-09-30 | 2011-08-17 | 大连理工大学 | 一种基于可扩展编码的对等网络流媒体直播系统 |
CN102761776A (zh) * | 2012-08-01 | 2012-10-31 | 重庆大学 | 基于SVC的P2PVoD系统的视音频同步方法 |
CN105187849A (zh) * | 2015-08-14 | 2015-12-23 | 合肥工业大学 | 一种基于d2d和蜂窝网络的可伸缩视频多播资源分配的方法 |
Non-Patent Citations (1)
Title |
---|
张小奕: "《移动视频中协同分发和性能优化方法的研究》", 《中国博士学位论文全文数据库(信息科技辑)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022037228A1 (zh) * | 2020-08-19 | 2022-02-24 | 鹏城实验室 | 一种基于智能边缘的svc视频的传输方法及智能边缘 |
CN114339311A (zh) * | 2021-12-09 | 2022-04-12 | 北京邮电大学 | 一种视频云转码及分发联合决策方法及系统 |
CN114339311B (zh) * | 2021-12-09 | 2022-10-11 | 北京邮电大学 | 一种视频云转码及分发联合决策方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112152995B (zh) | 2022-09-13 |
WO2022037228A1 (zh) | 2022-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112152995B (zh) | 一种基于智能边缘的svc视频的传输方法及智能边缘 | |
CN111669617B (zh) | 一种基于智能边缘的直播视频流的传输方法 | |
EP3542537B1 (en) | Leveraging aggregated network statistics for enhancing quality and user experience for live video streaming from mobile devices | |
CN106713956B (zh) | 动态自适应视频流媒体的码率控制与版本选择方法及系统 | |
Sengupta et al. | HotDASH: Hotspot aware adaptive video streaming using deep reinforcement learning | |
CN110139113B (zh) | 视频资源的传输参数分发方法及装置 | |
KR20150106961A (ko) | 미디어 콘텐츠의 적응 스트리밍을 위한 품질 정보의 사용 | |
US10104143B1 (en) | Manifest segmentation | |
CN105681828B (zh) | 一种节点连接调整方法和装置 | |
CN114845106A (zh) | 视频编码方法、装置和存储介质及电子设备 | |
CN110557287A (zh) | 一种基于李雅普诺夫优化的资源分配方法及装置 | |
CN114731451A (zh) | 使用边缘计算系统的视频内容流比特率选择以改进用户体验 | |
WO2022000298A1 (en) | Reinforcement learning based rate control | |
CN111263229A (zh) | 一种视频分发方法、装置及电子设备 | |
CN114257815A (zh) | 一种视频转码方法、装置、服务器和介质 | |
CN114173160B (zh) | 直播推流方法及装置 | |
CN114040257B (zh) | 一种自适应视频流传输播放方法、装置、设备及存储介质 | |
CN112153415A (zh) | 一种视频转码方法、装置、设备及存储介质 | |
CN108810468B (zh) | 一种优化显示效果的视频传输装置及方法 | |
CN112350998B (zh) | 一种基于边缘计算的视频流传输方法 | |
Monção et al. | Combining resource-aware recommendation and caching in the era of MEC for improving the experience of video streaming users | |
Wang et al. | Robust saliency-driven quality adaptation for mobile 360-degree video streaming | |
Haouari et al. | Transcoding resources forecasting and reservation for crowdsourced live streaming | |
Nguyen et al. | An adaptive streaming method of 360 videos over HTTP/2 protocol | |
Lee et al. | Neural enhancement in content delivery systems: The state-of-the-art and future directions |
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 |