CN112543366A - 一种视频的播放方法和装置 - Google Patents
一种视频的播放方法和装置 Download PDFInfo
- Publication number
- CN112543366A CN112543366A CN202011391673.6A CN202011391673A CN112543366A CN 112543366 A CN112543366 A CN 112543366A CN 202011391673 A CN202011391673 A CN 202011391673A CN 112543366 A CN112543366 A CN 112543366A
- Authority
- CN
- China
- Prior art keywords
- code rate
- terminal
- training
- generation model
- information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000008569 process Effects 0.000 claims abstract description 35
- 238000012549 training Methods 0.000 claims description 140
- 239000013598 vector Substances 0.000 claims description 123
- 238000013507 mapping Methods 0.000 claims description 51
- 230000006870 function Effects 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 10
- 230000006399 behavior Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- GCKMFJBGXUYNAG-HLXURNFRSA-N Methyltestosterone Chemical compound C1CC2=CC(=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@](C)(O)[C@@]1(C)CC2 GCKMFJBGXUYNAG-HLXURNFRSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
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]
- H04N21/40—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
- H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
-
- 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
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
- H04N21/2662—Controlling the complexity of the video stream, e.g. by scaling the resolution or bitrate of the video stream based on the client capabilities
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明实施例提供了一种视频的播放方法及装置，通过获取用户终端的终端信息以及终端当前的网络状态信息，接着将终端信息与网络状态信息输入预设的码率生成模型进行码率匹配，生成目标码率，然后按照目标码率播放视频，实现在视频播放过程中或在开始播放视频之前，根据用户终端的终端信息以及网络状态信息，自适应调整码率，为视频播放提供了动态优化的过程，从而保证了视频播放的流畅度，增加了用户的观看体验。
Description
技术领域
本发明涉及视频处理技术领域，特别是涉及一种视频的播放方法和一种视频的播放装置。
背景技术
随着移动互联网的快速发展，移动终端日渐成为人机交互的主要平台，短视频和直播等行业的兴起，使得不同平台的业务都有相关的视频内容的接入，不仅丰富了用户获取信息的方式，更加增加了内容的趣味性。对于视频播放的流畅度，其体现在视频码率，在视频播放的过程中，客户端可以提供不同的码率供用户选择，但是却无法为用户有效推荐符合当前客户端状态的视频码率，从而容易在视频播放过程中，由于视频播放的不流畅，影响用户的观看体验。
发明内容
本发明实施例是提供一种视频的播放方法，以解决或部分解决现有技术中视频播放过程中，无法实现视频码率的自适应调整，导致用户观看体验较差的问题。
相应的，本发明实施例还提供了一种视频的播放装置，用以保证上述方法的实现及应用。
为了解决上述问题，本发明实施例公开了一种视频的播放方法，包括：
获取用户终端的终端信息，以及所述用户终端当前的网络状态信息；
将所述终端信息与所述网络状态信息输入预设的码率生成模型进行码率匹配，获得目标码率；
按照所述目标码率播放视频。
可选地，所述码率生成模型至少包括输入层、映射层以及输出层，所述将所述终端信息与所述网络状态信息输入预设的码率生成模型进行码率匹配，获得目标码率，包括：
通过预设的码率生成模型中的输入层分别对所述终端信息与所述网络状态信息进行特征提取，获得所述终端信息对应的终端特征向量以及与所述网络状态信息对应的网络特征向量；
通过所述码率生成模型的映射层对所述终端特征向量与所述网络特征向量进行向量映射，获得对应的映射结果；
通过所述码率生成模型的输出层对所述映射结果进行转换，生成目标码率。
可选地，所述终端信息至少包括终端型号、系统版本以及当前内存信息，所述通过预设的码率生成模型中的输入层对所述终端信息与所述网络状态信息进行特征提取，获得所述终端信息对应的终端特征向量以及与所述网络状态信息对应的网络特征向量，包括：
通过预设的码率生成模型中的输入层对所述用户终端的终端型号、系统版本以及当前内存信息进行特征提取，获得对应的终端特征向量；
以及通过所述输入层对所述网络状态信息进行特征提取，获得与所述网络状态信息对应的网络特征向量。
可选地，所述按照所述目标码率播放所述目标视频，包括：
当检测到视频播放过程中出现异常时，则按照所述目标码率播放视频。
可选地，所述码率生成模型通过如下方式生成：
获取训练样本数据；
根据所述训练样本数据进行模型训练，生成所述码率生成模型。
可选地，所述训练样本数据包括训练终端数据以及训练网络状态数据，所述根据所述训练终端数据与所述训练网络状态数据进行模型训练，生成所述码率生成模型，包括：
对所述训练终端数据进行向量映射，生成终端训练向量；
对所述训练网络状态数据进行向量映射，生成网络训练向量；
将所述终端训练向量与所述网络训练向量输入预设的初始码率生成模型，生成对应的预测值；
将所述预测值与预设的参考值进行比对，并根据比对结果对所述初始码率生成模型进行反向训练。
可选地，所述将所述终端训练向量与所述网络训练向量输入预设的初始码率生成模型，生成对应的预测值，包括：
将所述终端训练向量与所述网络训练向量输入预设的初始码率生成模型进行迭代，并计算每次迭代后的初始码率生成模型的多个损失函数；
所述将所述预测值与预设的参考值进行比对，并根据比对结果对所述初始码率生成模型进行反向训练，包括：
当迭代后的初始码率生成模型的多个损失函数均最小化时，停止迭代，生成所述码率生成模型。
本发明实施例还公开了一种视频的播放装置，包括：
信息获取模块，用于获取用户终端的终端信息，以及所述用户终端当前的网络状态信息；
码率生成模块，用于将所述终端信息与所述网络状态信息输入预设的码率生成模型进行码率匹配，获得目标码率；
视频播放模块，用于按照所述目标码率播放视频。
可选地，所述码率生成模型至少包括输入层、映射层以及输出层，所述码率生成模块包括：
特征向量提取子模块，用于通过预设的码率生成模型中的输入层分别对所述终端信息与所述网络状态信息进行特征提取，获得所述终端信息对应的终端特征向量以及与所述网络状态信息对应的网络特征向量；
向量映射模块，用于通过所述码率生成模型的映射层对所述终端特征向量与所述网络特征向量进行向量映射，获得对应的映射结果；
通过所述码率生成模型的输出层对所述映射结果进行转换，生成目标码率。
可选地，所述终端信息至少包括终端型号、系统版本以及当前内存信息，所述特征向量提取子模块具体用于：
通过预设的码率生成模型中的输入层对所述用户终端的终端型号、系统版本以及当前内存信息进行特征提取，获得对应的终端特征向量；
以及通过所述输入层对所述网络状态信息进行特征提取，获得与所述网络状态信息对应的网络特征向量。
可选地，所述视频播放模块具体用于：
当检测到视频播放过程中出现异常时，则按照所述目标码率播放视频。
可选地，所述码率生成模型通过如下模块生成：
样本数据获取模块，用于获取训练样本数据；
模型生成模块，用于根据所述训练样本数据进行模型训练，生成所述码率生成模型。
可选地，所述训练样本数据包括训练终端数据以及训练网络状态数据，所述模型生成模块包括：
第一向量生成子模块，用于对所述训练终端数据进行向量映射，生成终端训练向量；
第二向量生成子模块，用于对所述训练网络状态数据进行向量映射，生成网络训练向量；
预测值生成子模块，用于将所述终端训练向量与所述网络训练向量输入预设的初始码率生成模型，生成对应的预测值；
反向训练子模块，用于将所述预测值与预设的参考值进行比对，并根据比对结果对所述初始码率生成模型进行反向训练。
可选地，所述预测值生成子模块具体用于：
将所述终端训练向量与所述网络训练向量输入预设的初始码率生成模型进行迭代，并计算每次迭代后的初始码率生成模型的多个损失函数；
所述反向训练子模块具体用于：
当迭代后的初始码率生成模型的多个损失函数均最小化时，停止迭代，生成所述码率生成模型。
本发明实施例还公开了一种电子设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如上所述的方法。
本发明实施例还公开了一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如上所述的方法。
本发明实施例包括以下优点：
在本申请实施例中，通过获取用户终端的终端信息以及终端当前的网络状态信息，接着将终端信息与网络状态信息输入预设的码率生成模型进行码率匹配，生成目标码率，然后按照目标码率播放视频，实现在视频播放过程中或在开始播放视频之前，根据用户终端的终端信息以及网络状态信息，自适应调整码率，为视频播放提供了动态优化的过程，从而保证了视频播放的流畅度，增加了用户的观看体验。
附图说明
图1是本发明的一种视频的播放方法实施例的步骤流程图；
图2是本发明实施例中视频播放的流程图；
图3是本发明的一种视频的播放装置实施例的结构框图；
图4是本发明的一种电子设备的框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
视频码率是数据传输时单位时间传送的数据位数，通常采用的单位为kbps(千位每秒)，即取样率，单位时间内取样率越大，精度就越高，处理出来的视频文件就越接近原始文件。
机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。
作为一种示例，随着移动互联网的快速发展，短视频、直播等行业的兴起，给各个平台带来了大量的用户和流量，用户日常接触视频越来越频繁。而在视频的播放过程中，往往容易由于各种原因导致视频播放出现卡顿，例如网络状态异常、设备性能较差等，从而导致视频播放流畅度低，严重影响用户的观看体验。因此，需要一种能够提高视频播放流畅度，改善用户观看体验的方式。
因此，本发明实施例的核心发明点之一在于通过获取用户终端的终端信息以及当前的网络状态信息，将两者输入码率生成模型中，生成目标码率，以便在视频播放过程中，按照该目标码率进行播放，从而根据用户终端的终端信息以及网络状态信息，自适应调整码率，为视频播放提供了动态优化的过程，从而保证了视频播放的流畅度，增加了用户的观看体验。
具体的，参照图1，示出了本发明的一种视频的播放方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101，获取用户终端的终端信息，以及所述用户终端当前的网络状态信息；
终端信息可以表示用户终端性能的信息，其可以从不同的方面表示用户终端的性能，例如终端型号、系统版本以及当前内存信息等；网络状态信息可以表示用户终端当前网络通信的状态，例如网络连接良好、网络连接异常等，从而可以在视频播放之前或视频播放的过程中，获取用户终端的终端信息以及当前的网络状态，以便自适应调整播放码率。
可选地，对于用户终端的网络状态，可以通过用户终端联网过程中的上下行数据传输速度进行判断，上下行数据传输速度越大，表示用户终端当前网络连接状态越好，可以采用较高的播放码率进行视频播放；上下行数据传输速度越小，表示用户终端当前网络连接状态越差，需要采用较低的播放码率进行视频播放，以保证视频播放的流畅度。
步骤102，将所述终端信息与所述网络状态信息输入预设的码率生成模型进行码率匹配，获得目标码率；
在本发明实施例中，终端信息可以包括终端型号、系统版本以及当前内存信息等等，则可以将终端型号、系统版本、当前内存信息以及网络状态信息，输入预设的码率生成模型，生成目标码率，以便根据该目标码率进行视频播放。
其中，不同的用户终端可以对应不同的终端型号，通过终端型号可以获取用户终端的硬件信息，从而获得用户终端的基本硬件性能数据；系统版本可以用于表示用户终端处理系统的更新信息，系统版本越新表示用户终端处理系统能够提供更多的功能，不同系统版本使用的系统API(Application Programming Interface，应用程序接口)，对视频加载性能有一定的影响；当前内存信息可以用于表示用户终端的实时内存剩余情况，内存越大则视频加载速度越快，内存越小则视频加载速度越慢等等。
在具体实现中，可以分别将终端型号、系统版本、当前内存信息以及网络状态信息进行向量化，得到对应的目标向量，然后将目标向量输入码率生成模型中，生成针对用户终端当前状态的目标码率。若在视频播放之前，则可以按照目标码率对视频进行播放；若在视频播放的过程中，则可以按照目标码率对当前正在播放的视频进行播放，实现播放码率的自适应调整，同时还可以实时监测，根据用户终端的终端信息与网络状态，动态调整，保证视频播放的流畅性。
在本发明的一种可选实施例中，码率生成模型可以通过如下方式生成：获取训练样本数据，接着根据所述训练样本数据进行模型训练，生成所述码率生成模型。
需要说明的是，训练样本数据与用户个人行为紧密相关，在用户对用户终端进行使用的过程中，用户终端可以产生相应的用户行为数据，则可以通过提取不同用户终端的用户行为数据进行模型训练，从而得到码率生成模型。
在具体实现中，训练样本数据包括训练终端数据以及训练网络状态数据，其中，训练终端数据可以包括不同用户终端的终端信息，例如用户终端①的终端信息A，用户终端②的终端信息B以及用户终端③的终端信息C等；训练网络状态数据可以包括不同用户终端在不同的网络状态下的信息，例如用户终端①的网络状态信息Ⅰ，用户终端②的网络状态信息Ⅱ，用户终端③的网络状态信息Ⅲ等等，例如训练样本数据可以如表1所示：
| 终端型号 | 系统版本 | 内存信息 | 网络状态信息 |
| 型号① | Ios10 | 512m | 上行速度1mbps，下行速度10mbps |
| 型号② | Ios13 | 1500m | 上行速度3mbps，下行速度10mbps |
| 型号③ | Ios14 | 2048m | 上行速度20mbps，下行速度50mbps |
| 型号④ | Ios9 | 200m | 上行速度0.5mbps，下行速度3mbps |
| 型号⑤ | Android10 | 6000m | 上行速度18mbps，下行速度45mbps |
| 型号⑥ | Android10 | 15000m | 上行速度45mbps，下行速度80mbps |
| 型号⑦ | Android9 | 4000m | 上行速度15mbps，下行速度30mbps |
| … | … | … | … |
表1
具体的，用户使用终端所产生的用户行为数据较为复杂，需要先进行数据清洗，保证每条数据的完整性，使得每条数据均包含终端型号、系统版本、内存情况以及当时的网络状态信息等等，缺少任意一个信息则视为数据错误，重新进行数据清洗。当得到训练样本数据之后，可以对训练样本数据中的训练终端数据进行向量映射，生成终端训练向量，以及对训练样本数据中的训练网络状态数据进行向量映射，生成网络训练向量，然后输入预设的初始码率生成模型中进行模型训练，得到码率生成模型，从而使得所得到的码率生成模型可以根据用户终端的终端信息与网络状态输出目标码率。
在一种示例中，初始码率生成模型可以包括输入层、映射层以及输出层，其中，输出层可以包括多个输出节点，则在模型训练的过程中，可以对通过输入层对训练终端数据进行向量映射，生成终端训练向量，以及对训练网络状态数据进行向量映射，生成网络训练向量；接着将终端训练向量与网络训练向量输入映射层，通过映射层中每一个神经元的激活函数进行映射，并将映射结果输出至输出层，生成对应的预测值，然后将预测值与预设的参考值进行比对，并根据比对结果对初始码率生成模型进行反向训练。
其中，参考值可以为开发人员对模型理想的训练结果进行设定的值，其可以对应于损失函数，损失函数越小，表明模型训练结果越好，则可以将终端训练向量与网络训练向量输入预设的初始码率生成模型进行迭代，并计算每次迭代后的初始码率生成模型的多个损失函数，当迭代后的初始码率生成模型的多个损失函数均最小化时，停止迭代，生成码率生成模型。
具体的，可以通过各个模型的输出节点判断多个梯度值是否满足预设阈值条件；若否，则根据多个梯度值更新每一神经元的激活函数的参数，继续迭代码率生成模型；若是，则生成码率生成模型。
对于激活函数的参数更新，可以是基于梯度下降策略，以目标梯度方向对参数进行更新。在具体实现中，可以预设一学习率，控制每一轮迭代中参数的更新步长，从而最终得到码率生成模型。此外，在实际中由于损失函数的最小值往往难以达到，则还可以通过设置迭代次数对模型迭代进行控制，损失函数达到预期值，或基本保持不变时，即可以视为模型训练结束。
在完成码率生成模型的训练之后，可以将码率生成模型集成于相应的应用程序中，使得应用程序在播放视频的过程中，可以通过获取用户终端的终端信息与网络状态信息，并将终端信息与网络状态信息输入码率生成模型中进行码率匹配，得到适合用户终端性能与当前网络状态的目标码率，进而根据该目标码率进行视频播放。
在一种示例中，训练后的码率生成模型可以包括输入层、映射层以及输出层，则终端信息至少可以包括终端型号、系统版本以及当前内存信息，则可以通过码率生成模型的输入层对用户终端的终端型号、系统版本以及当前内存信息进行特征提取，获得与用户终端的终端型号、系统版本以及当前内存信息对应的终端特征向量，以及通过输入层对用户终端当前的网络状态信息进行特征提取，获得与网络状态信息对应的网络特征向量，然后将终端特征向量与网络特征向量输入映射层进行向量映射，获得对应的映射结果，接着通过输出层对映射结果进行转换，生成目标码率，实现在视频播放过程中或在开始播放视频之前，根据用户终端的终端信息以及网络状态信息，生成目标码率，以便根据该目标码率进行视频播放，实现视频码率的自适应调整。
需要说明的是，本发明实施例包括但不限于上述示例，可以理解的是，本领域技术人员在本发明的思想指导下，还可以根据实际需要进行设置，本发明对此不作限制。
步骤103，按照所述目标码率播放视频。
在具体实现中，用户终端中可以运行对应的视频播放应用程序，则在视频播放过程中，应用程序可以实时获取用户终端的终端信息以及当前的网络状态信息，并将终端信息与网络状态信息输入内置的码率生成模型，生成目标码率，以便应用程序按照该目标码率播放对当前的视频进行播放，或按照该目标码率开始对视频进行播放。
在一种示例中，在视频播放的过程中，若应用程序检测到视频播放过程中出现异常时，则可以按照码率生成模型生成的目标码率播放视频，从而在视频播放过程中，可以根据终端性能信息以及网络状态信息，输出当前合适的播放码率，并通过实时监测终端状态，动态调整视频播放的码率，有效保证了视频播放的流畅性。
在另一种示例中，在视频开始播放的过程中，应用程序可以通过获取用户终端的终端信息与网络状态信息，输入码率生成模型，得到目标码率，并按照该目标码率进行视频播放。同时，还可以输出对应的播放提示信息，告知用户以目标码率进行视频播放，若用户默认采用该目标码率播放，则继续以目标码率播放视频；若用户输入了码率切换指令，则响应于用户操作，获取对应的码率，然后按照用户设置的码率进行视频播放，一方面可以通过应用程序自适应调整视频码率，另一方面还可以根据用户的指令，动态切换码率，在保证视频播放流畅度的同时，保证了用户的交互体验。
在本申请实施例中，通过获取用户终端的终端信息以及终端当前的网络状态信息，接着将终端信息与网络状态信息输入预设的码率生成模型进行码率匹配，生成目标码率，然后按照目标码率播放视频，实现在视频播放过程中或在开始播放视频之前，根据用户终端的终端信息以及网络状态信息，自适应调整码率，为视频播放提供了动态优化的过程，从而保证了视频播放的流畅度，增加了用户的观看体验。
为了使得本领域技术人员更好地理解本发明实施例的技术方案，下面通过一个示例进行说明。
参考图2，示出了本发明实施例中视频播放的流程图，可以先获取样本数据，包括用户在使用用户终端过程中所产生的用户行为数据，接着对用户行为数据进行数据清洗，得到训练样本数据，包括训练终端数据以及训练网络状态信息，然后可以对所述训练终端数据进行向量映射，生成终端训练向量，并对训练网络状态数据进行向量映射，生成网络训练向量，接着将终端训练向量与网络训练向量输入预设的初始码率生成模型进行迭代，并计算每次迭代后的初始码率生成模型的多个损失函数，当迭代后的初始码率生成模型的多个损失函数均最小化时，停止迭代，生成码率生成模型。
在得到码率生成模型之后，可以将该码率生成模型集成于具有视频播放功能的应用程序中，使得应用程序在播放视频的过程中，可以实时获取用户终端的终端信息以及用户终端当前的网络状态信息，并输入码率生成模型，得到目标码率，以便根据该目标码率进行视频播放，实现在视频播放过程中或在开始播放视频之前，根据用户终端的终端信息以及网络状态信息，自适应调整码率，为视频播放提供了动态优化的过程，从而保证了视频播放的流畅度，增加了用户的观看体验。
需要说明的是，对于方法实施例，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，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，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，所涉及的动作并不一定是本发明实施例所必须的。
参照图3，示出了本发明的一种视频的播放装置实施例的结构框图，具体可以包括如下模块：
信息获取模块301，用于获取用户终端的终端信息，以及所述用户终端当前的网络状态信息；
码率生成模块302，用于将所述终端信息与所述网络状态信息输入预设的码率生成模型进行码率匹配，获得目标码率；
视频播放模块303，用于按照所述目标码率播放视频。
在本发明的一种可选实施例中，所述码率生成模型至少包括输入层、映射层以及输出层，所述码率生成模块302包括：
特征向量提取子模块，用于通过预设的码率生成模型中的输入层分别对所述终端信息与所述网络状态信息进行特征提取，获得所述终端信息对应的终端特征向量以及与所述网络状态信息对应的网络特征向量；
向量映射模块，用于通过所述码率生成模型的映射层对所述终端特征向量与所述网络特征向量进行向量映射，获得对应的映射结果；
通过所述码率生成模型的输出层对所述映射结果进行转换，生成目标码率。
在本发明的一种可选实施例中，所述终端信息至少包括终端型号、系统版本以及当前内存信息，所述特征向量提取子模块具体用于：
通过预设的码率生成模型中的输入层对所述用户终端的终端型号、系统版本以及当前内存信息进行特征提取，获得对应的终端特征向量；
以及通过所述输入层对所述网络状态信息进行特征提取，获得与所述网络状态信息对应的网络特征向量。
在本发明的一种可选实施例中，所述视频播放模块303具体用于：
当检测到视频播放过程中出现异常时，则按照所述目标码率播放视频。
在本发明的一种可选实施例中，所述码率生成模型通过如下模块生成：
样本数据获取模块，用于获取训练样本数据；
模型生成模块，用于根据所述训练样本数据进行模型训练，生成所述码率生成模型。
在本发明的一种可选实施例中，所述训练样本数据包括训练终端数据以及训练网络状态数据，所述模型生成模块包括：
第一向量生成子模块，用于对所述训练终端数据进行向量映射，生成终端训练向量；
第二向量生成子模块，用于对所述训练网络状态数据进行向量映射，生成网络训练向量；
预测值生成子模块，用于将所述终端训练向量与所述网络训练向量输入预设的初始码率生成模型，生成对应的预测值；
反向训练子模块，用于将所述预测值与预设的参考值进行比对，并根据比对结果对所述初始码率生成模型进行反向训练。
在本发明的一种可选实施例中，所述预测值生成子模块具体用于：
将所述终端训练向量与所述网络训练向量输入预设的初始码率生成模型进行迭代，并计算每次迭代后的初始码率生成模型的多个损失函数；
所述反向训练子模块具体用于：
当迭代后的初始码率生成模型的多个损失函数均最小化时，停止迭代，生成所述码率生成模型。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
另外，本发明实施例还提供一种电子设备，如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，
存储器403，用于存放计算机程序；
处理器401，用于执行存储器403上所存放的程序时，实现如下步骤：
获取用户终端的终端信息，以及所述用户终端当前的网络状态信息；
将所述终端信息与所述网络状态信息输入预设的码率生成模型进行码率匹配，获得目标码率；
按照所述目标码率播放视频。
在本发明的一种可选实施例中，所述码率生成模型至少包括输入层、映射层以及输出层，所述将所述终端信息与所述网络状态信息输入预设的码率生成模型进行码率匹配，获得目标码率，包括：
通过预设的码率生成模型中的输入层分别对所述终端信息与所述网络状态信息进行特征提取，获得所述终端信息对应的终端特征向量以及与所述网络状态信息对应的网络特征向量；
通过所述码率生成模型的映射层对所述终端特征向量与所述网络特征向量进行向量映射，获得对应的映射结果；
通过所述码率生成模型的输出层对所述映射结果进行转换，生成目标码率。
在本发明的一种可选实施例中，所述终端信息至少包括终端型号、系统版本以及当前内存信息，所述通过预设的码率生成模型中的输入层对所述终端信息与所述网络状态信息进行特征提取，获得所述终端信息对应的终端特征向量以及与所述网络状态信息对应的网络特征向量，包括：
通过预设的码率生成模型中的输入层对所述用户终端的终端型号、系统版本以及当前内存信息进行特征提取，获得对应的终端特征向量；
以及通过所述输入层对所述网络状态信息进行特征提取，获得与所述网络状态信息对应的网络特征向量。
在本发明的一种可选实施例中，所述按照所述目标码率播放所述目标视频，包括：
当检测到视频播放过程中出现异常时，则按照所述目标码率播放视频。
在本发明的一种可选实施例中，所述码率生成模型通过如下方式生成：
获取训练样本数据；
根据所述训练样本数据进行模型训练，生成所述码率生成模型。
在本发明的一种可选实施例中，所述训练样本数据包括训练终端数据以及训练网络状态数据，所述根据所述训练终端数据与所述训练网络状态数据进行模型训练，生成所述码率生成模型，包括：
对所述训练终端数据进行向量映射，生成终端训练向量；
对所述训练网络状态数据进行向量映射，生成网络训练向量；
将所述终端训练向量与所述网络训练向量输入预设的初始码率生成模型，生成对应的预测值；
将所述预测值与预设的参考值进行比对，并根据比对结果对所述初始码率生成模型进行反向训练。
在本发明的一种可选实施例中，所述将所述终端训练向量与所述网络训练向量输入预设的初始码率生成模型，生成对应的预测值，包括：
将所述终端训练向量与所述网络训练向量输入预设的初始码率生成模型进行迭代，并计算每次迭代后的初始码率生成模型的多个损失函数；
所述将所述预测值与预设的参考值进行比对，并根据比对结果对所述初始码率生成模型进行反向训练，包括：
当迭代后的初始码率生成模型的多个损失函数均最小化时，停止迭代，生成所述码率生成模型。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的视频的播放方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的视频的播放方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.一种视频的播放方法，其特征在于，包括：
获取用户终端的终端信息，以及所述用户终端当前的网络状态信息；
将所述终端信息与所述网络状态信息输入预设的码率生成模型进行码率匹配，获得目标码率；
按照所述目标码率播放视频。
2.根据权利要求1所述的方法，其特征在于，所述码率生成模型至少包括输入层、映射层以及输出层，所述将所述终端信息与所述网络状态信息输入预设的码率生成模型进行码率匹配，获得目标码率，包括：
通过预设的码率生成模型中的输入层分别对所述终端信息与所述网络状态信息进行特征提取，获得所述终端信息对应的终端特征向量以及与所述网络状态信息对应的网络特征向量；
通过所述码率生成模型的映射层对所述终端特征向量与所述网络特征向量进行向量映射，获得对应的映射结果；
通过所述码率生成模型的输出层对所述映射结果进行转换，生成目标码率。
3.根据权利要求2所述的方法，其特征在于，所述终端信息至少包括终端型号、系统版本以及当前内存信息，所述通过预设的码率生成模型中的输入层对所述终端信息与所述网络状态信息进行特征提取，获得所述终端信息对应的终端特征向量以及与所述网络状态信息对应的网络特征向量，包括：
通过预设的码率生成模型中的输入层对所述用户终端的终端型号、系统版本以及当前内存信息进行特征提取，获得对应的终端特征向量；
以及通过所述输入层对所述网络状态信息进行特征提取，获得与所述网络状态信息对应的网络特征向量。
4.根据权利要求1或2或3任一所述的方法，其特征在于，所述按照所述目标码率播放所述目标视频，包括：
当检测到视频播放过程中出现异常时，则按照所述目标码率播放视频。
5.根据权利要求1或2或3任一所述的方法，其特征在于，所述码率生成模型通过如下方式生成：
获取训练样本数据；
根据所述训练样本数据进行模型训练，生成所述码率生成模型。
6.根据权利要求5所述的方法，其特征在于，所述训练样本数据包括训练终端数据以及训练网络状态数据，所述根据所述训练终端数据与所述训练网络状态数据进行模型训练，生成所述码率生成模型，包括：
对所述训练终端数据进行向量映射，生成终端训练向量；
对所述训练网络状态数据进行向量映射，生成网络训练向量；
将所述终端训练向量与所述网络训练向量输入预设的初始码率生成模型，生成对应的预测值；
将所述预测值与预设的参考值进行比对，并根据比对结果对所述初始码率生成模型进行反向训练。
7.根据权利要求6所述的方法，其特征在于，所述将所述终端训练向量与所述网络训练向量输入预设的初始码率生成模型，生成对应的预测值，包括：
将所述终端训练向量与所述网络训练向量输入预设的初始码率生成模型进行迭代，并计算每次迭代后的初始码率生成模型的多个损失函数；
所述将所述预测值与预设的参考值进行比对，并根据比对结果对所述初始码率生成模型进行反向训练，包括：
当迭代后的初始码率生成模型的多个损失函数均最小化时，停止迭代，生成所述码率生成模型。
8.一种视频的播放装置，其特征在于，包括：
信息获取模块，用于获取用户终端的终端信息，以及所述用户终端当前的网络状态信息；
码率生成模块，用于将所述终端信息与所述网络状态信息输入预设的码率生成模型进行码率匹配，获得目标码率；
视频播放模块，用于按照所述目标码率播放视频。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011391673.6A CN112543366A (zh) | 2020-12-02 | 2020-12-02 | 一种视频的播放方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011391673.6A CN112543366A (zh) | 2020-12-02 | 2020-12-02 | 一种视频的播放方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112543366A true CN112543366A (zh) | 2021-03-23 |
Family
ID=75015458
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011391673.6A Pending CN112543366A (zh) | 2020-12-02 | 2020-12-02 | 一种视频的播放方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112543366A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113259660A (zh) * | 2021-06-11 | 2021-08-13 | 宁波星巡智能科技有限公司 | 基于动态编码帧的视频压缩传输方法、装置、设备及介质 |
| CN113301368A (zh) * | 2021-04-21 | 2021-08-24 | 百果园技术(新加坡)有限公司 | 视频处理方法、装置及电子设备 |
| CN114040230A (zh) * | 2021-11-08 | 2022-02-11 | 北京达佳互联信息技术有限公司 | 视频码率确定方法、装置、电子设备及其存储介质 |
| CN115002513A (zh) * | 2022-05-25 | 2022-09-02 | 咪咕文化科技有限公司 | 音视频调度方法、装置、电子设备及计算机可读存储介质 |
| CN115396732A (zh) * | 2022-08-11 | 2022-11-25 | 深圳海翼智新科技有限公司 | 音视频数据包的传输方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103179438A (zh) * | 2011-12-20 | 2013-06-26 | 中国移动通信集团上海有限公司 | 视频播放首次接入码率的确定方法及装置 |
| CN108012097A (zh) * | 2017-11-13 | 2018-05-08 | 深圳市智美达科技股份有限公司 | 视频云录像的方法、装置、计算机设备和存储介质 |
| CN109040801A (zh) * | 2018-07-19 | 2018-12-18 | 北京达佳互联信息技术有限公司 | 媒体码率自适应方法、装置、计算机设备及存储介质 |
| CN109982118A (zh) * | 2019-03-27 | 2019-07-05 | 北京奇艺世纪科技有限公司 | 一种视频码率自适应调整方法、装置及电子设备 |
| CN111193924A (zh) * | 2019-12-26 | 2020-05-22 | 腾讯科技（深圳）有限公司 | 视频码率的确定方法、装置、计算机设备及存储介质 |
-
2020
- 2020-12-02 CN CN202011391673.6A patent/CN112543366A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103179438A (zh) * | 2011-12-20 | 2013-06-26 | 中国移动通信集团上海有限公司 | 视频播放首次接入码率的确定方法及装置 |
| CN108012097A (zh) * | 2017-11-13 | 2018-05-08 | 深圳市智美达科技股份有限公司 | 视频云录像的方法、装置、计算机设备和存储介质 |
| CN109040801A (zh) * | 2018-07-19 | 2018-12-18 | 北京达佳互联信息技术有限公司 | 媒体码率自适应方法、装置、计算机设备及存储介质 |
| WO2020015678A1 (zh) * | 2018-07-19 | 2020-01-23 | 北京达佳互联信息技术有限公司 | 媒体码率自适应方法、装置、计算机设备及存储介质 |
| CN109982118A (zh) * | 2019-03-27 | 2019-07-05 | 北京奇艺世纪科技有限公司 | 一种视频码率自适应调整方法、装置及电子设备 |
| CN111193924A (zh) * | 2019-12-26 | 2020-05-22 | 腾讯科技（深圳）有限公司 | 视频码率的确定方法、装置、计算机设备及存储介质 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113301368A (zh) * | 2021-04-21 | 2021-08-24 | 百果园技术(新加坡)有限公司 | 视频处理方法、装置及电子设备 |
| CN113301368B (zh) * | 2021-04-21 | 2023-06-30 | 百果园技术(新加坡)有限公司 | 视频处理方法、装置及电子设备 |
| CN113259660A (zh) * | 2021-06-11 | 2021-08-13 | 宁波星巡智能科技有限公司 | 基于动态编码帧的视频压缩传输方法、装置、设备及介质 |
| CN113259660B (zh) * | 2021-06-11 | 2021-10-29 | 宁波星巡智能科技有限公司 | 基于动态编码帧的视频压缩传输方法、装置、设备及介质 |
| CN114040230A (zh) * | 2021-11-08 | 2022-02-11 | 北京达佳互联信息技术有限公司 | 视频码率确定方法、装置、电子设备及其存储介质 |
| CN114040230B (zh) * | 2021-11-08 | 2024-03-29 | 北京达佳互联信息技术有限公司 | 视频码率确定方法、装置、电子设备及其存储介质 |
| CN115002513A (zh) * | 2022-05-25 | 2022-09-02 | 咪咕文化科技有限公司 | 音视频调度方法、装置、电子设备及计算机可读存储介质 |
| CN115002513B (zh) * | 2022-05-25 | 2023-10-20 | 咪咕文化科技有限公司 | 音视频调度方法、装置、电子设备及计算机可读存储介质 |
| CN115396732A (zh) * | 2022-08-11 | 2022-11-25 | 深圳海翼智新科技有限公司 | 音视频数据包的传输方法、装置、电子设备及存储介质 |
| CN115396732B (zh) * | 2022-08-11 | 2024-02-02 | 深圳海翼智新科技有限公司 | 音视频数据包的传输方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112543366A (zh) | 一种视频的播放方法和装置 | |
| CN111212279B (zh) | 一种视频质量的评估方法及装置 | |
| KR102592036B1 (ko) | 사용자 중심 컨텐츠 스트리밍을 위한 방법 및 시스템 | |
| CN109831705B (zh) | 一种针对HTTP视频流业务的主观QoE评估方法 | |
| US11068655B2 (en) | Text recognition based on training of models at a plurality of training nodes | |
| CN109829164B (zh) | 用于生成文本的方法和装置 | |
| US20210279222A1 (en) | Dynamic Buffer Lookahead in Adaptive Streaming Using Machine Learning | |
| CN112732738B (zh) | 基于多目标优化的自适应网络数据采集方法及相关设备 | |
| CN112752117B (zh) | 一种视频缓存方法、装置、设备及存储介质 | |
| CN113360300A (zh) | 接口调用链路生成方法、装置、设备及可读存储介质 | |
| JP2023123636A (ja) | ハイパーパラメータチューニング方法、装置及びプログラム | |
| CN111124439A (zh) | 一种云边协同的智能动态卸载算法 | |
| CN112396100B (zh) | 一种细粒度分类模型的优化方法、系统及相关装置 | |
| CN113591999B (zh) | 一种端边云联邦学习模型训练系统及方法 | |
| CN113676770B (zh) | 会员权益预测方法、装置、电子设备及存储介质 | |
| CN114189715A (zh) | 下载地址切换方法及相关设备 | |
| JP7198181B2 (ja) | 通信品質分析システム、通信品質分析方法 | |
| US11238236B2 (en) | Summarization of group chat threads | |
| CN113747202A (zh) | 一种通过带宽估计发送数据的方法、装置、设备及介质 | |
| CN108156514B (zh) | 媒体文件的播放方法、装置及存储介质 | |
| CN109344049B (zh) | 测试数据处理系统的方法和装置 | |
| CN111083051B (zh) | 一种基于多智能体的路径规划方法、装置及电子设备 | |
| CN111047042B (zh) | 一种推理服务模型的运行方法及装置 | |
| CN113609176B (zh) | 一种信息生成方法、装置、设备及存储介质 | |
| WO2024116385A1 (en) | Video player, video playback method, and program |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210323 |
|
| RJ01 | Rejection of invention patent application after publication |