CN112887795A - 视频播放方法、装置、设备和介质 - Google Patents

视频播放方法、装置、设备和介质 Download PDF

Info

Publication number
CN112887795A
CN112887795A CN202110106040.4A CN202110106040A CN112887795A CN 112887795 A CN112887795 A CN 112887795A CN 202110106040 A CN202110106040 A CN 202110106040A CN 112887795 A CN112887795 A CN 112887795A
Authority
CN
China
Prior art keywords
video
playing
continuous
stuck
fitting
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
Application number
CN202110106040.4A
Other languages
English (en)
Other versions
CN112887795B (zh
Inventor
曾敏寅
孟胜彬
李军林
王悦
郭宗明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lemon Inc Cayman Island
Original Assignee
Lemon Inc Cayman Island
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lemon Inc Cayman Island filed Critical Lemon Inc Cayman Island
Priority to CN202110106040.4A priority Critical patent/CN112887795B/zh
Publication of CN112887795A publication Critical patent/CN112887795A/zh
Application granted granted Critical
Publication of CN112887795B publication Critical patent/CN112887795B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04N21/44—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
    • H04N21/4402—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 reformatting operations of video signals for household redistribution, storage or real-time display
    • H04N21/440281—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 reformatting operations of video signals for household redistribution, storage or real-time display by altering the temporal resolution, e.g. by frame skipping
    • 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
    • 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
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本公开实施例提供一种视频播放方法、装置、设备和介质，上述视频播放包括：根据视频体验质量QoE模型选择播放码率；根据选择的播放码率播放视频；其中，视频QoE模型是基于训练过程得到的，训练过程包括：获取多条历史播放数据，历史播放数据是视频播放中存在卡顿的播放数据；基于历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重；基于连续惩罚权重和位置惩罚权重确定视频QoE模型。本公开实施例的技术方案中视频QoE模型基于用户播放数据得到卡顿发生位置和连续卡顿对用户的影响，以提升预测用户观看视频主观分数的准确度，且该视频体验质量模型结构简单，计算难度低。

Description

视频播放方法、装置、设备和介质
技术领域
本公开实施例涉及流媒体处理技术领域，尤其涉及一种视频播放方法、装置、设备和介质。
背景技术
随着移动互联网的发展和智能终端的普及，视频业务迎来爆发式的增长。为了应对网络波动等挑战，HTTP动态自适应流媒体(Dynamic Adaptive Streaming over HTTP，DASH)技术在视频业务中被广泛应用，旨在确保视频体验质量(Quality of Experience，QoE)。在视频业务中，视频体验质量不仅会受到平均视频质量的影响，还会受到诸如卡顿，码率切换等因素的干扰。
现有的QoE建模方法中，一般采用线性加权和QoE模型，该QoE模型主要考虑视频质量、卡顿以及质量切换对QoE的影响。导致与主观QoE的相关性较低，基于机器学习的诸多方法则需要大量训练样本，得出的视频体验质量模型相对复杂，容易出现过拟合的问题。
公开内容
本公开实施例提供一种视频播放方法、装置、设备和介质，以提升预测用户观看视频主观分数的准确度，且该视频体验质量模型结构简单，计算难度低。
第一方面，本公开实施例提供了一种视频播放方法，包括：
根据视频体验质量QoE模型选择播放码率；
根据选择的所述播放码率播放视频；
其中，所述视频QoE模型是基于训练过程得到的，所述训练过程包括：
获取多条历史播放数据，所述历史播放数据是视频播放中存在卡顿的播放数据；
基于所述历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重；
基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。
第二方面，本公开实施例还提供了一种视频播放装置，包括：
播放码率模块，用于根据视频体验质量QoE模型选择播放码率；
视频播放模块，用于根据选择的所述播放码率播放视频；
其中，所述视频QoE模型是基于训练过程得到的，所述训练过程包括：
获取多条历史播放数据，所述历史播放数据是视频播放中存在卡顿的播放数据；
基于所述历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重，其中，所述惩罚权重用于表示用户观看意愿的损失度；
基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。
第三方面，本公开实施例还提供了一种视频播放设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例中任一项所述的视频播放方法。
第四方面，本公开实施例还提供了一种介质，所述介质存储有计算机程序，所述计算机程序被处理器执行时实现如本公开实施例中任一项所述的视频播放方法。
本公开实施例提供的视频播放方法、装置、设备和介质，所述视频播放方法包括：根据视频体验质量QoE模型选择播放码率；根据选择的播放码率播放视频；其中，视频QoE模型是基于训练过程得到的，训练过程包括：获取多条历史播放数据，历史播放数据是视频播放中存在卡顿的播放数据；基于历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重；基于连续惩罚权重和位置惩罚权重确定视频QoE模型。本公开实施例的技术方案中视频QoE模型基于用户播放数据得到卡顿发生位置和连续卡顿对用户的影响，以提升预测用户观看视频主观分数的准确度，且该视频体验质量模型结构简单，计算难度低。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是本公开实施例提供的一种视频播放方法的流程图；
图2是本公开实施例提供的一种视频QoE模型训练方法的流程图；
图3是本公开实施例提供的观看意愿损失度与卡顿位置的关系图；
图4是本公开实施例提供的观看意愿损失度与卡顿次数的关系图；
图5是本公开实施例提供的一种QoE模型确定及应用的流程图；
图6是本公开实施例提供的一种视频播放装置的结构示意图；
图7是本公开实施例提供的一种电子设备的结构图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
早期的QoE模型假设卡顿在观看体验中占主导地位，只是简单地将卡顿事件的统计数据与QoE相关联，对画质的忽视降低了QoE模型与用户真实感受的相关性。为了克服这种局限性，提出用平均码率作为补充，与卡顿时长一同作为QoE模型的输入，上述QoE模型以码率和卡顿持续时间的加权平均数来计算QoE。后续一些QoE模型又增加了对质量(码率)切换的考虑，将QoE建模为视频码率、卡顿时长(次数)以及码率切换的线性加权和，并且应用在许多自适应比特率(Adaptive Bitrate Streaming，ABR)算法中。由于平均码率不一定能准确表示视频的质量(画质)，有相关工作提出使用视频质量评估(video qualityassessment,VQA)模型取代平均码率作为视频质量的衡量标准，取得了一定的提升。
同时，主观QoE模型无法通过简单的参数函数建模，利用机器学习技术，如非线性自回归视频体验质量模型、神经网络、支持向量机以及随机森林将一系列视频指标映射到主观意见分(Mean Opinion Score,MOS)。虽然上述方法可以拟合任意复杂的连续函数，但是容易过拟合，在不同的QoE数据集中性能表现不稳定，缺乏通用性。
图1是本公开实施例提供的一种视频播放方法的流程图，本实施例可适用于确定视频播放码率并基于码率播放视频的情况，该方法可以由视频播放装置来执行，所述装置可以通过软件和/或硬件的方式来实现。所述视频播放方法应用于计算机设备中。
需要说明的是，本实施例所提供的视频播放方法具体可以在计算机设备上使用，并可认为具体由集成在计算机设备上的视频播放装置执行，其中，计算机设备具体可以是包括了处理器、存储器、输入装置和输出装置的计算机设备。如笔记本电脑、台式计算机、平板电脑以及智能终端等。
如图1所示，本实施例提供的视频播放方法主要包括步骤S11、S12。
S11、根据视频体验质量QoE模型选择播放码率。
在本实施例中，QoE模型是基于训练过程得到的，即是预先预先训练完成的。其中，QoE模型训练完成后，集成到MPC、Pensieve等以QoE函数为优化目标的码率自适应算法中，并部署到线上的ABR模块。当播放器调用ABR模块时，ABR模块中的算法根据QoE模型实时做出决策，选取最大化QoE的视频档位，进而确定视频的播放码率。
S12、根据选择的所述播放码率播放视频。
其中，确定选择的播放码率后，播放器根据该播放码率进行视频播放，为用户提供无缝的视频播放体验。
其中，所述视频QoE模型是基于训练过程得到的，所述训练过程包括：获取多条历史播放数据，所述历史播放数据是视频播放中存在卡顿的播放数据；基于所述历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重；基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。
其中，所述播放数据是指流媒体视频在播放过程中产生的与播放相关的数据。上述播放数据可以是针对某个视频播放软件所有视频的播放数据，也可以是针对某个视频播放软件中某种类型视频的播放数据。历史播放数据是指当前时间之前的某段时间内的视频播放数据。当前时间之前的某段时间可以根据视频体验质量模型的具体使用情况进行设置。例如：某段时间可以是1个月，也可以是1周等等，本实施例中仅进行示例性说明，而非限定。
优选的，上述播放数据是指针对某种视频类型的播放数据，即针对视频类型，收集该视频类型对应的播放数据。具体的，上述视频类型可以根据视频内容进行的分类，例如：可以是搞笑类，动作类，模仿类，益智类等，也可以根据视频属性进行分类，例如：可以是综艺类，影视剧，科教类，记录类，访谈类等等。
进一步的，上述播放数据的视频类型是指某个视频软件中日均活跃用户数(DailyActive User，DAU)最高的中视频类型，即某个视频软件中每日用户观看量最大视频类型。
进一步的，由于本公开实施例中主要考虑卡顿对视频体验质量模型的影响，因此，本实施例中的历史播放数据主要是指播放数据中与卡顿相关的播放数据。
优选的，一条历史播放数据包括视频时长，观看时长，以及该次播放过程中卡顿位置的视频进度。其中，视频时长是视频的固有属性，观看时长是视频在一次播放过程中的属性，卡顿位置是指发生卡顿时的视频进度与视频时长的比值，卡顿位置的视频进度是指发生卡顿时的视频播放时长。
进一步的，获取多条历史播放数据是指针对某种视频类型，获取过去一段时间内该视频类型对应的多条播放数据。获取历史播放数据可以是从视频点播埋点日志中，获取过去一段时间内的多条播放数据。
进一步的，获取多条历史播放数据之后，还包括：对获取到的上述多条历史播放数据进行清洗。数据清洗是指利用有关技术如数理统计、数据挖掘或预定义的清理规则将脏数据转化为满足数据质量要求的数据。本实施例中对历史播放数据进行清洗的方式可以采用数据清洗工具或者数据清洗方法，本实施例中仅对数据清洗进行说明，而非限定。
在一个示例性的实施方式中，针对某个视频软件中DAU最高的视频类型，从视频点播埋点日志中，收集过去一段时间内的多条历史播放数据。进一步的，需要对上述多条历史播放数据进行必要的数据清洗。需要说明的是，上述历史播放数据仅包括发生卡顿的播放数据。
在本实施例中，获取多条历史播放数据之后，基于所述历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重。
进一步的，惩罚权重又称“rebuffering penalty”或者“non-negative weightingparameters”，用于表示对卡顿导致的用户观看意愿损失的惩罚。上述不同卡顿位置的惩罚权重可以理解为不同的卡顿位置对用户观看意愿损失的惩罚，上述连续卡顿的惩罚权重可以理解为不同的连续卡顿次数对用户观看意愿损失的惩罚。
在本实施例中，获取到的历史播放数据是过去一段时间内的播放数据，其中可能包括多个卡顿位置，确定各个卡顿位置对应的观看意愿损失度。其中，卡顿位置是指卡顿位置的视频进度与视频时长的比值，卡顿位置是一个0到1之间的数值，观看意愿损失度是一个0到1之间的数值，也可以理解成用户的弃播概率。这个值越大，表示这次卡顿对用户体验的负面影响越大。
进一步的，不同的卡顿位置对应不同的观看意愿损失度，例如，在卡顿位置是0.5时，观看意愿损失度是0.6；在卡顿位置是0.1时，观看意愿损失度是0.75。
具体的，所述观看意愿损失度由所述播放数据中的观看时长，卡顿位置和视频时长确定。
在本实施例中，通过上述观看意愿损失度的确定方式，确定播放数据中所有卡顿位置对应的观看意愿损失度，得到不同卡顿位置与观看意愿损失度之间的关系，对不同卡顿位置与观看意愿损失度之间的关系进行拟合，得到不同卡顿位置的惩罚权重。上述拟合方法可以采用线性回归、多项式回归、负指数函数拟合等，本实施中不进行限定。
在本实施例中，如果在此次卡顿之前的一段时间T内已经发生过卡顿，确定视频播放发生连续卡顿，连续卡顿会加剧用户观看意愿的损失。上述一段时间T可以根据实际情况进行设置，本实施例中优选一段时间T为10秒。
在本实施例中，统计此次卡顿发生的前T秒内发生的卡顿次数以及对应的观看意愿损失度。如果最接近的T秒内没发生过卡顿，则观看意愿损失度处于正常平均水平；如果最接近的T秒内若发生过卡顿，即发生了连续卡顿，观看意愿损失度明显加剧。
卡顿次数对应的用户观看意愿损失度可以根据此次卡顿对应的观看意愿损失度确定，也可以是根据多次卡顿对应的观看意愿损失度进行加权和得到。本实施中仅对卡顿次数对应的用户观看意愿损失度进行说明，而非限定。
对卡顿次数与观看意愿损失度之间的关系进行拟合，得到连续卡顿的惩罚权重。上述拟合方法可以采用线性回归、多项式回归、负指数函数拟合等，本实施中不进行限定。
进一步的，基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。
在本实施例中，上述视频体验质量QoE模型是指可以根据输入数据确定QoE值的模型。
在本实施例中，基于所述卡顿位置惩罚权重和所述连续卡顿惩罚权重，对现有的线性加权和QoE模型进行优化之后，得到新的QoE模型，即本实施例中确定的QoE模型。
进一步的，现有的线性加权和QoE模型一般有三部分内容：视频质量，卡顿以及质量切换。本实施例中，仅对基于所述卡顿位置惩罚权重和所述连续卡顿惩罚权重对卡顿权重进行优化。
进一步的，卡顿权重随播放过程动态变化，使其成为包括卡顿位置惩罚权重g(n)和连续卡顿惩罚权重h(m)的函数。
需要说明的是，本实施例中，并不对视频质量权重和质量切换权重进行优化，视频质量权重和质量切换权重可以采用任一的方式进行确定，本实施例中并不进行限定。
进一步的，在本实施例中，提供一种线性加权和QoE模型，如下所示：
Figure BDA0002917695440000101
其中，上式中第一项表示视频质量，第二项表示卡顿，第三项表示质量切换。其中，N是视频的分片数量，Rn代表第n个分片的码率，q(Rn)是码率Rn对应的视频质量，Tn是下载第n个分片时的卡顿时长，μ(·)是卡顿的惩罚权重。
在本实施例中对此进行了针对性的改进，能够体现卡顿位置、连续卡顿的影响，λ则是质量切换的惩罚权重，本实施例中，可以选取常数1。
在本实施例中，所改进的卡顿权重μ(·)随播放过程动态变化，使其卡顿位置惩罚权重g(n)和连续卡顿惩罚权重h(m)的函数：
u(·)＝x·g(n)·h(m)
g(n)和h(m)由参数拟合所得。对于x的取值，存在多种选取方法，本实施例中，可以选择视频最大码率对应的视频质量，即q(Rmax)。
进一步的，本实施例中的新的QoE模型形式如下：
Figure BDA0002917695440000111
上式中第一项表示视频质量权重，第二项表示卡顿权重，第三项表示质量切换权重。其中，N是视频的分片数量，Rn代表第n个分片的码率，q(Rn)是码率Rn对应的视频质量，Tn是下载第n个分片时的卡顿时长，g(n)和h(m)由参数拟合所得。对于x的取值，存在多种选取方法，本实施例中，可以选择视频最大码率对应的视频质量，即q(Rmax)。
新的QoE模型集成到MPC、Pensieve等以QoE函数为优化目标的码率自适应算法中，并部署到线上的ABR模块。当播放器调用ABR模块时，ABR模块中的算法根据QoE模型实时做出决策，选取最大化QoE的视频档位，为用户提供无缝的视频播放体验。
以MPC算法的决策过程为例：综合考虑带宽和缓冲区大小，对未来5个分片，遍历所有码率，选择使得估计的未来5个分片的QoE之和最大的码率作为决策输出。使用更贴近人对视频播放感知的QoE作为决策依据，能够提升算法的优化效果。
本公开实施例提供的视频播放方法，包括：获取第一预设时长内的播放数据；基于播放数据确定不同卡顿位置的惩罚权重和连续卡顿惩罚权重；基于卡顿位置惩罚权重和连续卡顿惩罚权重确定视频体验质量QoE模型。本公开实施例的技术方案基于用户播放数据得到卡顿发生位置和连续卡顿对用户的影响，以提升预测用户观看视频主观分数的准确度，且该视频体验质量模型结构简单，计算难度低。
在上述实施例的基础上，本实施例进一步优化了视频QoE模型的训练方法方法，图2是本公开实施例提供的一种视频QoE模型训练方法的流程图，如图2所示，本公开实施例提供的视频播放方法主要包括如下步骤：
S21、获取多条历史播放数据。
S22、基于所述历史播放数据确定至少一个卡顿位置以及所述卡顿位置对应的观看意愿损失度。
在本实施例中，卡顿位置是指发生卡顿时的视频进度与视频时长的比值，例如：发生卡顿时，视频进度是6秒，视频时长是10秒，那么卡顿位置是0.6。
卡顿位置对应的观看意愿损失度可以理解为发生卡顿时，用户的弃播概率。用户的弃播概率可以理解为用户切换观看视频或者退出视频播放的概率。
在一个实施方式中，提供一种卡顿位置的计算方法。播放数据包括视频时长，观看时长，以及该次播放过程中卡顿位置的视频进度。其中，视频时长是视频的固有属性，观看时长是视频在一次播放过程中的属性，卡顿位置的视频进度是指发生卡顿时的视频播放时长。可以通过播放数据中的卡顿位置的视频进度与视频时长的比值，计算卡顿位置。
需要说明的是，上述方法是确定一次卡顿位置的计算方法，需要根据多个视频播放数据，确定不同卡顿位置。
在一个实施方式中，提供一种卡顿位置对应的观看意愿损失度的计算方法。将一次卡顿位置对应的视频数据进行如下操作：将观看时长与卡顿位置的视频进度的差值作为卡顿后继续观看的时长，将视频时长与与卡顿位置的视频进度的差值作为视频剩余时长；然后将卡顿后继续观看的时长与视频剩余时长的比值作为观看意愿指数；最后，1减去观看意愿指数可以得到上述卡顿位置对应的观看意愿损失度。
在一个实施方式中，提供另一种卡顿位置对应的观看意愿损失度的计算方法。统计第一预设时长内观看该视频的所有用户数量，并统计发生卡顿时放弃观看的用户数量；将发生卡顿时放弃观看的用户数量与观看该视频的所有用户数量的比值，作为该卡顿位置对应的观看意愿损失度。
需要说明的是，上述方法是确定单次卡顿位置的对应的观看意愿损失度计算方法，需要根据多个视频播放数据，计算不同卡顿位置各自分别对应的观看意愿损失度。
S23、对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合，得到不同卡顿位置的惩罚权重。
在本实施例中，将卡顿位置作为自变量，即输入量，观看意愿损失度作为因变量，即输出量，分析卡顿位置和观看意愿损失度之间的关系。进一步的，在观看意愿损失度越大，说明对用户的负面影响越大，在视频进行优化时，应该优先减少这类卡顿。
进一步的，采用如下拟合方式中的一种或多种，对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合：线性回归拟合、多项式回归拟合、负指数函数拟合。采用拟合的方式，使用曲线或曲线函数的方式表示卡顿位置与卡顿位置对应的观看意愿损失度之间的关系，使得卡顿位置以及对应的观看意愿损失度之间的关系更加清楚。
在一个实施方式中，对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合，包括：采用四次多项式对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合。采用四次多项式对上述关系进行拟合，更加符合卡顿位置与卡顿位置对应的观看意愿损失度之间的关系，可以提高模型的准确性。
具体的，不同卡顿位置的惩罚权重为：
Figure BDA0002917695440000141
其中，n是卡顿位置的分片序号，N是视频的分片数；g(n)是卡顿位置在第n个分片时的惩罚权重，a，b，c，d，e均是拟合参数。
图3是本公开实施例提供的观看意愿损失度与卡顿位置的关系图，如图3所示，横坐标表示卡顿位置，纵坐标表示卡顿位置对应的观看意愿损失度，图中的实线折线表示的是通过上述方法确定的卡顿位置与观看意愿损失度之间的实际关系，虚线表示的卡顿位置与观看意愿损失度之间的拟合曲线。
在一个实施方式中，将卡顿位置作为自变量，即输入量，观看意愿损失度作为因变量，即输出量，分析卡顿位置和观看意愿损失度之间的关系。以图3为例，可以看出，越靠左右两端(播放开始和结束阶段)的卡顿，对用户的负面影响越大。因此，发生在这些位置的卡顿应该在QoE模型中赋予更大的惩罚权重。从优化的角度，应该优先减少这些卡顿。在本实施例中，选取四次多项式来拟合发生在不同位置上的卡顿的惩罚权重。
Figure BDA0002917695440000142
其中，n是卡顿位置的分片序号，N是视频的分片数；g(n)是卡顿位置在第n个分片时的惩罚权重，a，b，c，d，e均是拟合参数。a，b，c，d，e的值可以根据具体的拟合过程进行确定，本实施例中不再说明。
需要说明的是，上述拟合方法只是众多拟合方法中的一种，可以根据卡顿位置和观看意愿损失度之间的关系选择不同的拟合方法，得到不同的卡顿权重。具体方式本实施例中不再一一说明。
S24、统计第一预设时长内发生的卡顿次数。
在本实施例中，视频播放过程中可能会存在多次卡顿。例如：30秒的视频中出现了5次或者3次卡顿。
第一预设时长是指此次卡顿之前的一段时间T内，第一预设时长内发生的卡顿次数可以理解为此次卡顿之前的一段时间T内已经发生过卡顿次数。需要说明的是，本实施例中所有的卡顿次数均是指此次卡顿之前的一段时间T内已经发生过卡顿次数，并不包括此次卡顿。例如：在此次卡顿之前的一段时间T内已经发生过1次卡顿，那么第一预设时长内发生的卡顿次数是1，在此次卡顿之前的一段时间T内已经发生过3次卡顿，那么第一预设时长内发生的卡顿次数是3。
具体的，首先确定此次卡顿位置，确定发生卡顿后，在播放数据中进行查找，确定卡顿发生的前T秒内是否发生过卡顿，并统计记录卡顿的日志个数，作为第一预设时长内发生的卡顿次数。
S25、确定所述卡顿次数和所述卡顿次数对应的观看意愿损失度。
在一个实施方式中，提供一种卡顿次数对应的观看意愿损失度的计算方法。统计第一预设时长内观看该视频的所有用户数量，并统计发生此次卡顿时放弃观看的用户数量；将发生卡顿时放弃观看的用户数量与观看该视频的所有用户数量的比值，作为该卡顿位置对应的观看意愿损失度，如果此次卡顿发生的前T秒内发生过连续卡顿，则将该卡顿位置对应的观看意愿损失度确定为卡顿次数和观看意愿损失度。例如：如果此次卡顿发生的前T秒内发生过连续卡顿，卡顿次数是2次，则将该卡顿位置对应的观看意愿损失度确定为卡顿次数2和观看意愿损失度。
在一个实施方式中，提供另一种卡顿次数对应的观看意愿损失度的计算方法。在此次卡顿之前的一段时间T内已经发生过卡顿，则根据上述卡顿次数分别对应的观看意愿损失度和此次卡顿对应的观看意愿损失度进行加权平均之后得到。
S26、对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重。
其中，所述连续卡顿是指此次卡顿发生之前的第一预设时长内发生的卡顿次数超过次数阈值。本实施例中，由于连续卡顿会加剧用户观看意愿的损失，将连续卡顿惩罚权重增加至QoE模型中，可以在后期播放中减少连续卡顿的发生次数，提升用户体验。
在本实施例中，将此次卡顿发生的前T秒内发生的卡顿次数作为自变量，即输入量，观看意愿损失度作为因变量，即输出量，分析卡顿次数和观看意愿损失度之间的关系，确定发生连续卡顿的情况对用户的影响。
进一步的，此次卡顿发生的前T秒内没发生过卡顿，则观看意愿损失度处于正常平均水平；此次卡顿发生的前T秒内若发生过1次、2次卡顿，即发生了连续卡顿，观看意愿损失度损失明显加剧。在视频进行优化时，应该优先减少连续卡顿的发生。
进一步的，采用如下拟合方式中的一种或多种，对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重，包括：线性回归拟合、多项式回归拟合、对数函数拟合。采用拟合的方式，使用曲线或曲线函数的方式表示卡顿次数与卡顿次数对应的观看意愿损失度之间的关系，使得可以更加清楚的表示连续卡顿对观众观看意愿的影响。
在一个实施方式中，对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重，包括：采用分段式的二次多项式对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重。采用二次多项式对上述关系进行拟合，更加符合卡顿次数与卡顿次数对应的观看意愿损失度之间的关系，可以提高模型的准确性。
进一步的，所述连续卡顿惩罚权重包括：当所述卡顿次数小于或者等于预设数值时，所述连续卡顿惩罚权重是所述卡顿次数的二次函数；当所述卡顿次数大于预设数值时，所述连续卡顿惩罚权重为固定值，所述固定值由拟合参数确定。
具体的，所述连续卡顿惩罚权重为：
Figure BDA0002917695440000171
其中，m是卡顿次数，h(m)是连续卡顿惩罚权重，k是连续卡顿拟合参数。
图4是本公开实施例提供的观看意愿损失度与卡顿次数的关系图，如图4所示，横坐标表示卡顿次数，纵坐标表示卡顿次数对应的观看意愿损失度，图中的实线折线表示的是通过上述方法确定的卡顿次数与观看意愿损失度之间的实际关系。
进一步的，将此次卡顿发生的前T秒内发生的卡顿次数作为自变量，观看意愿损失度作为因变量，分析发生连续卡顿的情况对用户的影响。以图4为例，图4展示了用户观看意愿损失度和最近10s内发生的卡顿次数的关系。可以看到，最近10s内如果没发生过卡顿(横轴为0)，则观看意愿损失度处于正常平均水平；最近10s内若发生过1次、2次卡顿，即发生了连续卡顿，观看意愿损失度明显加剧。在本实施例中，选取分段的二次多项式来拟合连续卡顿的惩罚权重：
Figure BDA0002917695440000181
其中，m是卡顿次数，h(m)是连续卡顿惩罚权重，k是连续卡顿拟合参数。k的值可以根据具体的拟合过程进行确定，本实施例中不再说明。
需要说明的是，步骤S22和步骤S23可以按照顺序执行，步骤S24、步骤S25和步骤S26可以按照顺序执行。但是步骤S22和步骤S23作为一个整体，步骤S24、步骤S25和步骤S26作为一个整体，两者之间的执行顺序并不进行限定。
S27、基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。
本实施例在引入能够刻画卡顿发生位置的卡顿位置惩罚权重g(n)以及卡顿记忆效应的连续卡顿惩罚权重h(m)后，对比现有的线性加权和形式的QoE模型，在现有最新的QoE数据集(Waterloo-SQoE-IV)上，与主观MOS分的相关性即皮尔森线性相关系数(Pearsonlinear correlation coefficient，PLCC)有明显提升，因而能够更加贴近人在观看视频时的主观感受。使用本实施例所确定的QoE模型，对现有ABR算法(MPC)进行改进，能够在不损失视频质量的同时，减少卡顿事件的发生，尤其是减少视频播放初期、后期的卡顿以及连续卡顿，从而提升用户体验。
在上述实施例的基础上，所述历史播放数据包括：观看时长，视频时长和卡顿位置的视频进度；所述观看意愿损失度由所述观看时长，所述视频时长和所述卡顿位置的视频进度进行数据重构后确定。
具体的，所述观看意愿损失度由所述观看时长，所述视频时长和所述卡顿位置的视频进度进行数据重构后确定，包括：基于所述观看时长和所述卡顿位置的视频进度确定卡顿后继续观看时长；基于所述视频时长和所述卡顿位置的视频进度确定视频剩余时长；基于所述视频剩余时长和所述卡顿后继续观看时长确定观看意愿指数；基于所述观看意愿指数确定观看意愿损失度。
在一个实施例中，首先，将观看时长与卡顿位置的视频进度的差值作为卡顿后继续观看的时长，将视频时长与与卡顿位置的视频进度的差值作为视频剩余时长；然后将卡顿后继续观看的时长与视频剩余时长的比值作为观看意愿指数；最后，1减去观看意愿指数可以得到上述卡顿位置对应的观看意愿损失度。在本实施例中，通过现有数据重构的方式确定拉卡顿位置与观看意愿损失度之间的关系，用更加直观的方式表示了用户的弃播概率，以及卡顿对用户体验的负面影响越大。
在上述实施例的基础上，提供一种QoE模型确定的实例，图5是本公开实施例提供的一种QoE模型确定及应用的流程图，如图5所示，QoE模型确定及应用方法主要包括：针对视频软件中日均活跃用户数(Daily Active User，DAU)最高的中视频类型，从视频点播埋点日志中，收集过去一段时间内的播放数据，并对原始数据进行必要的数据清洗。从收集的播放数据，进行变量重构，得到重构数据。基于重构数据和上述播放数据进行参数拟合，得到卡顿权重系数，其中，上述卡顿权重系数包括卡顿位置惩罚权重g(n)和连续卡顿惩罚权重h(m)。利用卡顿位置惩罚权重和连续卡顿惩罚权重对线性加权和QoE模型的卡顿权重进行优化，得到新的QoE模型。QoE模型在更新后集成到MPC、Pensieve等以QoE函数为优化目标的码率自适应算法中，并部署到线上的ABR模块。当播放器调用ABR模块时，ABR模块中的算法根据QoE模型实时做出决策，选取最大化QoE的视频档位，为用户提供无缝的视频播放体验。
图6是本公开实施例提供的一种视频播放装置的示意图，本实施例可适用于建立和优化视频业务体验质量模型的的情况，所述装置可以通过软件和/或硬件的方式来实现。所述视频播放装置集成于计算机设备中。
如图6所示，本实施例提供的视频播放装置主要包括播放码率模块61、视频播放模块62。
其中，播放码率模块61，用于根据视频体验质量QoE模型选择播放码率；
视频播放模块62，用于根据选择的所述播放码率播放视频；
其中，所述视频QoE模型是基于训练过程得到的，所述训练过程包括：
获取多条历史播放数据，所述历史播放数据是视频播放中存在卡顿的播放数据；
基于所述历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重，其中，所述惩罚权重用于表示用户观看意愿的损失度；
基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。
本公开实施例提供的视频播放装置，用于执行如下操作：根据视频体验质量QoE模型选择播放码率；根据选择的播放码率播放视频；其中，视频QoE模型是基于训练过程得到的，训练过程包括：获取多条历史播放数据，历史播放数据是视频播放中存在卡顿的播放数据；基于历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重；基于连续惩罚权重和位置惩罚权重确定视频QoE模型。本公开实施例的技术方案中视频QoE模型基于用户播放数据得到卡顿发生位置和连续卡顿对用户的影响，以提升预测用户观看视频主观分数的准确度，且该视频体验质量模型结构简单，计算难度低。
在一个实施方式中，基于所述历史播放数据确定不同卡顿位置的位置惩罚权重，包括：
基于所述历史播放数据确定至少一个卡顿位置以及所述卡顿位置对应的观看意愿损失度；
对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合，得到不同卡顿位置的惩罚权重。
在一个实施方式中，采用如下拟合方式中的一种或多种，对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合：
线性回归拟合、多项式回归拟合、负指数函数拟合。
在一个实施方式中，对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合，包括：
采用四次多项式对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合。
在一个实施方式中，基于所述历史播放数据确定连续卡顿对应的连续惩罚权重，包括：
统计第一预设时长内发生的卡顿次数；
确定所述卡顿次数和所述卡顿次数对应的观看意愿损失度；
对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重。
在一个实施方式中，采用如下拟合方式中的一种或多种，对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重，包括：
线性回归拟合、多项式回归拟合、对数函数拟合。
在一个实施方式中，对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重，包括：
采用分段式的二次多项式对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重。
在一个实施方式中，所述连续卡顿惩罚权重包括：
当所述卡顿次数小于或者等于预设数值时，所述连续卡顿惩罚权重是所述卡顿次数的二次函数；
当所述卡顿次数大于预设数值时，所述连续卡顿惩罚权重为固定值，所述固定值由拟合参数确定。
在一个实施方式中，所述连续卡顿是指此次卡顿发生之前的第一预设时长内发生的卡顿次数超过次数阈值。
在一个实施方式中，所述历史播放数据包括：观看时长，视频时长和卡顿位置的视频进度；
所述观看意愿损失度由所述观看时长，所述视频时长和所述卡顿位置的视频进度进行数据重构后确定。
在一个实施方式中，所述观看意愿损失度由所述观看时长，所述视频时长和所述卡顿位置的视频进度进行数据重构后确定，包括：
基于所述观看时长和所述卡顿位置的视频进度确定卡顿后继续观看时长；
基于所述视频时长和所述卡顿位置的视频进度确定视频剩余时长；
基于所述视频剩余时长和所述卡顿后继续观看时长确定观看意愿指数；
基于所述观看意愿指数确定观看意愿损失度。
本实施例所提供的视频播放装置可执行本公开任意实施例所提供的视频播放方法，具备执行视频播放方法相应的功能模块和有益效果。
下面参考图7，其示出了适于用来实现本公开实施例的电子设备(例如图7中的终端设备或服务端)700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置707加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置708；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务端可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
根据视频体验质量QoE模型选择播放码率；
根据选择的所述播放码率播放视频；
其中，所述视频QoE模型是基于训练过程得到的，所述训练过程包括：
获取多条历史播放数据，所述历史播放数据是视频播放中存在卡顿的播放数据；
基于所述历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重；
基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，提供了视频播放方法、装置、设备和介质，包括：
根据视频体验质量QoE模型选择播放码率；
根据选择的所述播放码率播放视频；
其中，所述视频QoE模型是基于训练过程得到的，所述训练过程包括：
获取多条历史播放数据，所述历史播放数据是视频播放中存在卡顿的播放数据；
基于所述历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重；
基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。
根据本公开的一个或多个实施例，提供了视频播放方法、装置、设备和介质，基于所述历史播放数据确定不同卡顿位置的位置惩罚权重，包括：
基于所述历史播放数据确定至少一个卡顿位置以及所述卡顿位置对应的观看意愿损失度；
对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合，得到不同卡顿位置的惩罚权重。
根据本公开的一个或多个实施例，提供了视频播放方法、装置、设备和介质，采用如下拟合方式中的一种或多种，对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合：
线性回归拟合、多项式回归拟合、负指数函数拟合。
根据本公开的一个或多个实施例，提供了一种视频播放方法、装置、设备和介质，对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合，包括：
采用四次多项式对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合。
根据本公开的一个或多个实施例，提供了一种视频播放方法、装置、设备和介质，基于所述历史播放数据确定连续卡顿对应的连续惩罚权重，包括：
统计第一预设时长内发生的卡顿次数；
确定所述卡顿次数和所述卡顿次数对应的观看意愿损失度；
对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重。
根据本公开的一个或多个实施例，提供了一种视频播放方法、装置、设备和介质，采用如下拟合方式中的一种或多种，对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重，包括：
线性回归拟合、多项式回归拟合、对数函数拟合。
根据本公开的一个或多个实施例，提供了视频播放方法、装置、设备和介质，对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重，包括：
采用分段式的二次多项式对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重。
根据本公开的一个或多个实施例，提供了一种视频播放方法、装置、设备和介质，所述连续卡顿惩罚权重包括：
当所述卡顿次数小于或者等于预设数值时，所述连续卡顿惩罚权重是所述卡顿次数的二次函数；
当所述卡顿次数大于预设数值时，所述连续卡顿惩罚权重为固定值，所述固定值由拟合参数确定。
根据本公开的一个或多个实施例，提供了一种视频播放方法、装置、设备和介质，所述连续卡顿是指此次卡顿发生之前的第一预设时长内发生的卡顿次数超过次数阈值。
根据本公开的一个或多个实施例，提供了一种视频播放方法、装置、设备和介质，所述历史播放数据包括：观看时长，视频时长和卡顿位置的视频进度；
所述观看意愿损失度由所述观看时长，所述视频时长和所述卡顿位置的视频进度进行数据重构后确定。
根据本公开的一个或多个实施例，提供了一种视频播放方法、装置、设备和介质，所述观看意愿损失度由所述观看时长，所述视频时长和所述卡顿位置的视频进度进行数据重构后确定，包括：
基于所述观看时长和所述卡顿位置的视频进度确定卡顿后继续观看时长；
基于所述视频时长和所述卡顿位置的视频进度确定视频剩余时长；
基于所述视频剩余时长和所述卡顿后继续观看时长确定观看意愿指数；
基于所述观看意愿指数确定观看意愿损失度。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (14)

1.一种视频播放方法，其特征在于，包括：
根据视频体验质量QoE模型选择播放码率；
根据选择的所述播放码率播放视频；
其中，所述视频QoE模型是基于训练过程得到的，所述训练过程包括：
获取多条历史播放数据，所述历史播放数据是视频播放中存在卡顿的播放数据；
基于所述历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重；
基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。
2.根据权利要求1所述的方法，其特征在于，基于所述历史播放数据确定不同卡顿位置的位置惩罚权重，包括：
基于所述历史播放数据确定至少一个卡顿位置以及所述卡顿位置对应的观看意愿损失度；
对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合，得到不同卡顿位置的惩罚权重。
3.根据权利要求2所述的方法，其特征在于，采用如下拟合方式中的一种或多种，对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合：
线性回归拟合、多项式回归拟合、负指数函数拟合。
4.根据权利要求3所述的方法，其特征在于，对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合，包括：
采用四次多项式对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合。
5.根据权利要求1至4中任一项所述的方法，其特征在于，基于所述历史播放数据确定连续卡顿对应的连续惩罚权重，包括：
统计第一预设时长内发生的卡顿次数；
确定所述卡顿次数和所述卡顿次数对应的观看意愿损失度；
对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重。
6.根据权利要求5所述的方法，其特征在于，采用如下拟合方式中的一种或多种，对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重，包括：
线性回归拟合、多项式回归拟合、对数函数拟合。
7.根据权利要求6所述的方法，其特征在于，对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重，包括：
采用分段式的二次多项式对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重。
8.根据权利要求7所述的方法，其特征在于，所述连续卡顿惩罚权重包括：
当所述卡顿次数小于或者等于预设数值时，所述连续卡顿惩罚权重是所述卡顿次数的二次函数；
当所述卡顿次数大于预设数值时，所述连续卡顿惩罚权重为固定值，所述固定值由拟合参数确定。
9.根据权利要求5-8中任一项所述的方法，其特征在于，所述连续卡顿是指此次卡顿发生之前的第一预设时长内发生的卡顿次数超过次数阈值。
10.根据权利要求2-8中任一项所述的方法，其特征在于，所述历史播放数据包括：观看时长，视频时长和卡顿位置的视频进度；
所述观看意愿损失度由所述观看时长，所述视频时长和所述卡顿位置的视频进度进行数据重构后确定。
11.根据权利要求10所述的方法，其特征在于，所述观看意愿损失度由所述观看时长，所述视频时长和所述卡顿位置的视频进度进行数据重构后确定，包括：
基于所述观看时长和所述卡顿位置的视频进度确定卡顿后继续观看时长；
基于所述视频时长和所述卡顿位置的视频进度确定视频剩余时长；
基于所述视频剩余时长和所述卡顿后继续观看时长确定观看意愿指数；
基于所述观看意愿指数确定观看意愿损失度。
12.一种视频播放装置，其特征在于，包括：
播放码率模块，用于根据视频体验质量QoE模型选择播放码率；
视频播放模块，用于根据选择的所述播放码率播放视频；
其中，所述视频QoE模型是基于训练过程得到的，所述训练过程包括：
获取多条历史播放数据，所述历史播放数据是视频播放中存在卡顿的播放数据；
基于所述历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重，其中，所述惩罚权重用于表示用户观看意愿的损失度；
基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。
13.一种视频播放设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-11任一项所述的视频播放方法。
14.一种计算机存储介质，其特征在于，所述介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-11任一项所述的视频播放方法。
CN202110106040.4A 2021-01-26 2021-01-26 视频播放方法、装置、设备和介质 Active CN112887795B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110106040.4A CN112887795B (zh) 2021-01-26 2021-01-26 视频播放方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110106040.4A CN112887795B (zh) 2021-01-26 2021-01-26 视频播放方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN112887795A true CN112887795A (zh) 2021-06-01
CN112887795B CN112887795B (zh) 2023-04-21

Family

ID=76052229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110106040.4A Active CN112887795B (zh) 2021-01-26 2021-01-26 视频播放方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN112887795B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114401447A (zh) * 2021-12-20 2022-04-26 北京字节跳动网络技术有限公司 一种视频卡顿预测方法、装置、设备和介质
CN114554252A (zh) * 2022-02-17 2022-05-27 儒安物联科技集团有限公司 一种适应用户多样性的QoE建模方法
CN114786055A (zh) * 2022-04-15 2022-07-22 北京字节跳动网络技术有限公司 一种预加载方法、装置、电子设备及介质
CN115052190A (zh) * 2022-06-08 2022-09-13 上海哔哩哔哩科技有限公司 视频播放方法及装置

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001075048A (ja) * 1999-06-30 2001-03-23 Arisawa Mfg Co Ltd ３ｄ映像表示体の製造方法
JP2001283258A (ja) * 2000-03-31 2001-10-12 Taisei Corp 仮想空間疑似体験システム
JP2006178115A (ja) * 2004-12-21 2006-07-06 Funai Electric Co Ltd カラーホイールの位置調整方法およびプロジェクタ
US20080034393A1 (en) * 2006-08-02 2008-02-07 Aaron Crayford Distribution of content and advertisement
CN104427402A (zh) * 2013-09-03 2015-03-18 中国科学院声学研究所 一种无线网络流媒体质量获取方法及系统
CN106331766A (zh) * 2016-08-31 2017-01-11 网宿科技股份有限公司 视频文件的播放方法和装置
CN207207821U (zh) * 2017-07-10 2018-04-10 宁波劳伦斯汽车内饰件有限公司 一种汽车后座中央扶手结构
CN108200471A (zh) * 2018-01-08 2018-06-22 中国科学技术大学 一种评测加密视频QoE的标准数据集的构建方法
CN108600862A (zh) * 2018-04-03 2018-09-28 清华大学 移动通信网移动音视频服务用户QoE的提升方法
CN109257633A (zh) * 2018-09-28 2019-01-22 西安交通大学 一种环境感知的HTTP自适应流媒体QoE优化方法
CN109672910A (zh) * 2018-12-25 2019-04-23 北京微播视界科技有限公司 视频播放方法、装置、电子设备及计算机可读存储介质
CN110704674A (zh) * 2019-09-05 2020-01-17 苏宁云计算有限公司 一种视频播放完整度预测方法及装置
CN110740373A (zh) * 2018-07-20 2020-01-31 北京搜狗科技发展有限公司 一种音/视频文件的缓冲方法及相关装置
CN110958491A (zh) * 2018-09-27 2020-04-03 中兴通讯股份有限公司 视频卡顿模型训练方法、预测方法、服务器及存储介质
CN111064954A (zh) * 2019-12-25 2020-04-24 武汉绿色网络信息服务有限责任公司 一种可供旁路视频播放质量评价使用的方法和装置
CN111083125A (zh) * 2019-12-02 2020-04-28 上海交通大学 神经网络优化的无参考自适应流媒体质量评价方法及系统
CN111131903A (zh) * 2019-12-24 2020-05-08 中国电信股份有限公司云南分公司 Iptv高清视频业务用户卡顿监测及实时优化方法
CN111246303A (zh) * 2020-01-17 2020-06-05 北京达佳互联信息技术有限公司 视频播放方法、装置、电子设备及存储介质
CN111447448A (zh) * 2020-04-13 2020-07-24 武汉理工大学 一种基于用户体验与终端能耗的dash视频码率选择方法
CN111479122A (zh) * 2020-04-13 2020-07-31 海信视像科技股份有限公司 视频播放方法、装置、设备及存储介质
CN111669627A (zh) * 2020-06-30 2020-09-15 广州市百果园信息技术有限公司 一种视频码率的确定方法、装置、服务器和存储介质

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001075048A (ja) * 1999-06-30 2001-03-23 Arisawa Mfg Co Ltd ３ｄ映像表示体の製造方法
JP2001283258A (ja) * 2000-03-31 2001-10-12 Taisei Corp 仮想空間疑似体験システム
JP2006178115A (ja) * 2004-12-21 2006-07-06 Funai Electric Co Ltd カラーホイールの位置調整方法およびプロジェクタ
US20080034393A1 (en) * 2006-08-02 2008-02-07 Aaron Crayford Distribution of content and advertisement
CN104427402A (zh) * 2013-09-03 2015-03-18 中国科学院声学研究所 一种无线网络流媒体质量获取方法及系统
CN106331766A (zh) * 2016-08-31 2017-01-11 网宿科技股份有限公司 视频文件的播放方法和装置
CN207207821U (zh) * 2017-07-10 2018-04-10 宁波劳伦斯汽车内饰件有限公司 一种汽车后座中央扶手结构
CN108200471A (zh) * 2018-01-08 2018-06-22 中国科学技术大学 一种评测加密视频QoE的标准数据集的构建方法
CN108600862A (zh) * 2018-04-03 2018-09-28 清华大学 移动通信网移动音视频服务用户QoE的提升方法
CN110740373A (zh) * 2018-07-20 2020-01-31 北京搜狗科技发展有限公司 一种音/视频文件的缓冲方法及相关装置
CN110958491A (zh) * 2018-09-27 2020-04-03 中兴通讯股份有限公司 视频卡顿模型训练方法、预测方法、服务器及存储介质
CN109257633A (zh) * 2018-09-28 2019-01-22 西安交通大学 一种环境感知的HTTP自适应流媒体QoE优化方法
CN109672910A (zh) * 2018-12-25 2019-04-23 北京微播视界科技有限公司 视频播放方法、装置、电子设备及计算机可读存储介质
CN110704674A (zh) * 2019-09-05 2020-01-17 苏宁云计算有限公司 一种视频播放完整度预测方法及装置
CN111083125A (zh) * 2019-12-02 2020-04-28 上海交通大学 神经网络优化的无参考自适应流媒体质量评价方法及系统
CN111131903A (zh) * 2019-12-24 2020-05-08 中国电信股份有限公司云南分公司 Iptv高清视频业务用户卡顿监测及实时优化方法
CN111064954A (zh) * 2019-12-25 2020-04-24 武汉绿色网络信息服务有限责任公司 一种可供旁路视频播放质量评价使用的方法和装置
CN111246303A (zh) * 2020-01-17 2020-06-05 北京达佳互联信息技术有限公司 视频播放方法、装置、电子设备及存储介质
CN111447448A (zh) * 2020-04-13 2020-07-24 武汉理工大学 一种基于用户体验与终端能耗的dash视频码率选择方法
CN111479122A (zh) * 2020-04-13 2020-07-31 海信视像科技股份有限公司 视频播放方法、装置、设备及存储介质
CN111669627A (zh) * 2020-06-30 2020-09-15 广州市百果园信息技术有限公司 一种视频码率的确定方法、装置、服务器和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YICHAO LU ET.AL: "《Dynamic Check Message Majority-Logic Decoding Algorithm for Non-Binary LDPC Codes》" *
康云鹏: "《车联网中基于SVC视频传输业务的资源分配研究》" *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114401447A (zh) * 2021-12-20 2022-04-26 北京字节跳动网络技术有限公司 一种视频卡顿预测方法、装置、设备和介质
CN114554252A (zh) * 2022-02-17 2022-05-27 儒安物联科技集团有限公司 一种适应用户多样性的QoE建模方法
CN114786055A (zh) * 2022-04-15 2022-07-22 北京字节跳动网络技术有限公司 一种预加载方法、装置、电子设备及介质
CN115052190A (zh) * 2022-06-08 2022-09-13 上海哔哩哔哩科技有限公司 视频播放方法及装置
CN115052190B (zh) * 2022-06-08 2024-04-02 上海哔哩哔哩科技有限公司 视频播放方法及装置

Also Published As

Publication number Publication date
CN112887795B (zh) 2023-04-21

Similar Documents

Publication Publication Date Title
CN112887795B (zh) 视频播放方法、装置、设备和介质
CN110366043B (zh) 视频处理方法、装置、电子设备及可读介质
US10182097B2 (en) Predicting a viewer's quality of experience
JP7267368B2 (ja) Ｖｒマルチメディアの経験品質を決定するための方法および装置
CN111459783B (zh) 应用程序优化方法、装置、电子设备及存储介质
CN112905839A (zh) 模型训练方法、模型使用方法、装置、存储介质及设备
US11089367B2 (en) Controlling play out of advertisement content during live video streaming at an end-user terminal
CN112995776B (zh) 共享屏幕内容抓屏帧率确定方法、装置、设备和存储介质
CN112752117B (zh) 一种视频缓存方法、装置、设备及存储介质
Xiao et al. Two-phase rate adaptation strategy for improving real-time video QoE in mobile networks
CN110276404B (zh) 模型训练方法、装置及存储介质
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
CN114786055A (zh) 一种预加载方法、装置、电子设备及介质
CN113055745A (zh) 视频播放的处理方法、装置、设备及存储介质
CN114747225A (zh) 用于选择流送媒体内容项的格式的方法、系统和介质
CN115842937A (zh) 视频播放方法、装置、设备及存储介质
CN113569150A (zh) 媒体内容预加载方法、模型构建方法及相关设备
CN114339402A (zh) 视频播放完成率预测方法、装置、介质及电子设备
CN110505501B (zh) 信息处理方法、电子设备及计算机可读存储介质
CN114584709A (zh) 变焦特效的生成方法、装置、设备及存储介质
CN113905177A (zh) 视频生成方法、装置、设备及存储介质
CN112307260A (zh) 视频鉴别方法、装置、电子设备及计算机可读存储介质
CN115361585B (zh) 视频播放卡顿预测方法、装置、设备及存储介质
CN115348460B (zh) 视频的预加载方法、装置、设备及存储介质
CN115134639B (zh) 视频档位确定方法、装置、服务器、存储介质和系统

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