CN114245189B - 视频码率调整方法、装置、设备及存储介质 - Google Patents

视频码率调整方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114245189B
CN114245189B CN202111397542.3A CN202111397542A CN114245189B CN 114245189 B CN114245189 B CN 114245189B CN 202111397542 A CN202111397542 A CN 202111397542A CN 114245189 B CN114245189 B CN 114245189B
Authority
CN
China
Prior art keywords
code rate
video
current
video code
transmission equipment
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.)
Active
Application number
CN202111397542.3A
Other languages
English (en)
Other versions
CN114245189A (zh
Inventor
彭恒
冯毅
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.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
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 China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202111397542.3A priority Critical patent/CN114245189B/zh
Publication of CN114245189A publication Critical patent/CN114245189A/zh
Application granted granted Critical
Publication of CN114245189B publication Critical patent/CN114245189B/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
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/414—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance
    • H04N21/41422—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance located in transportation means, e.g. personal vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4524—Management of client data or end-user data involving the geographical location of the client
    • 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
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/462—Content or additional data management, e.g. creating a master electronic program guide from data received from the Internet and a Head-end, controlling the complexity of a video stream by scaling the resolution or bit-rate based on the client capabilities
    • H04N21/4621—Controlling the complexity of the content stream or additional data, e.g. lowering the resolution or bit-rate of the video stream for a mobile client with a small screen

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本申请提供一种视频码率调整方法、装置、设备及存储介质。该方法包括：获取视频传输设备传输视频数据的当前视频码率、视频传输设备的当前位置信息以及视频传输设备所在车辆的当前行驶信息；根据当前位置信息确定视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息；将当前视频码率、当前位置信息、当前距离信息及当前行驶信息输入至训练至收敛的深度神经网络模型中，通过该深度神经网络模型输出预测视频码率；根据预测视频码率确定新的视频码率，并将视频传输设备传输视频数据的当前视频码率调整为新的视频码率。本申请的方法，可有效避免卡顿现象的出现，不会影响视频传输质量，更好地保证了流媒体传输的实时性和稳定性。

Description

视频码率调整方法、装置、设备及存储介质
技术领域
本申请涉及数据传输技术领域，尤其涉及一种视频码率调整方法、装置、设备及存储介质。
背景技术
随着移动终端技术的高速发展，以车载设备为例的移动终端在功能上愈发丰富，视频实时传输已成为车载设备必须满足的基本功能之一。
车载视频传输主要依靠4G网络，在车辆行驶的过程中，车辆会经过多个基站，在多个基站之间进行切换，会引起网络的不稳定，出现延迟抖动、丢包等现象，不能保证视频数据实施传输的可能性，降低了实施传输的车载视频的质量。在现有的流媒体传输系统中，主要包括静态码率和动态码率两种编码传输方式，其中静态码率方式当网络状况较差时，无法满足移动无线网络场景；而现有动态码率方式中，通常调整码率的方式是首先获取当前网络状态，然后再根据网络状态来调整码率，这种方法是在网络状态发生变化后再做码率的调整。
但是，上述码率调整方式并不适用特定场景下的视频传输，例如，救护车将采集的患者的超声影像数据传输至远端专家，在救护车的移动过程中，网络不稳定，若在网络状态发生变化后再做码率的调整会导致流媒体的卡顿等问题，降低了远端专家获得的视频质量。
发明内容
本申请提供一种视频码率调整方法、装置、设备及存储介质，用以解决现有的在网络状态发生变化后调整码率的方式会导致流媒体出现卡顿的问题。
第一方面，本申请提供一种视频码率调整方法，包括：
获取视频传输设备传输视频数据的当前视频码率、视频传输设备的当前位置信息以及视频传输设备所在车辆的当前行驶信息；
根据所述当前位置信息确定视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息；
将所述当前视频码率、所述当前位置信息、所述当前距离信息及所述当前行驶信息输入至训练至收敛的深度神经网络模型中，通过所述训练至收敛的深度神经网络模型输出预测视频码率；
根据预测视频码率确定新的视频码率，并将视频传输设备传输视频数据的当前视频码率调整为新的视频码率。
第二方面，本申请提供一种视频码率调整装置，包括：
获取单元，用于获取视频传输设备传输视频数据的当前视频码率、视频传输设备的当前位置信息以及视频传输设备所在车辆的当前行驶信息；
确定单元，用于根据所述当前位置信息确定视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息；
预测单元，用于将所述当前视频码率、所述当前位置信息、所述当前距离信息及所述当前行驶信息输入至训练至收敛的深度神经网络模型中，通过所述训练至收敛的深度神经网络模型输出预测视频码率；
调整单元，用于根据预测视频码率确定新的视频码率，并将视频传输设备传输视频数据的当前视频码率调整为新的视频码率。
第三方面，本发明提供一种视频传输设备，包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如第一方面所述的方法。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
本申请提供的一种视频码率调整方法、装置、设备及存储介质，通过获取视频传输设备传输视频数据的当前视频码率、视频传输设备的当前位置信息以及视频传输设备所在车辆的当前行驶信息，根据当前位置信息确定视频传输设备所在区域对应的基站与视频传输设备之间的当前距离信息，将当前视频码率、当前位置信息、当前距离信息以及当前行驶信息输入至预先训练的收敛的深度神经网络模型中，从而得到深度神经网络模型输出预测视频码率，根据预设视频码率确定新的视频码率，从而根据新的视频码率调整视频传输设备的码率，与在网络状态发生变化后调整码率的方式相比，通过不断调整视频码率，可有效避免卡顿现象的出现，不会影响视频传输质量，更好地保证了流媒体传输的实时性和稳定性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本发明提供的视频码率调整方法的网络架构示意图；
图2是本发明实施例一提供的视频码率调整方法的流程示意图；
图3是本发明实施例二提供的视频码率调整方法的流程示意图；
图4是本发明实施例三提供的视频码率调整方法的流程示意图；
图5是本发明一实施例提供的视频码率调整装置的结构示意图；
图6是用来实现本发明实施例的视频码率调整方法的视频传输设备的框图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的区间，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为了清楚理解本申请的技术方案，首先对现有技术的方案进行详细介绍。
车载视频传输主要依靠4G网络，在车辆行驶的过程中，车辆会经过多个基站，在多个基站之间进行切换，会引起网络的不稳定，出现延迟抖动、丢包等现象，不能保证视频数据实施传输的可能性，降低了实施传输的车载视频的质量。在现有的流媒体传输系统中，主要包括静态码率和动态码率两种编码传输方式，其中静态码率方式当网络状况较差时，无法满足移动无线网络场景；而现有动态码率方式中，通常调整码率的方式是首先获取当前网络状态，然后再根据网络状态来调整码率。
上述方式存在一定的不足，这种方法是在网络状态发生变化后再做码率的调整，浪费网络带宽严重，无法适用于快速变化的无线网络，消息延迟时会带来隐患等。例如，救护车将采集的患者的超声影像数据传输至远端专家，在救护车的移动过程中，需要在不同的基站下切换，网络不稳定，若在网络状态发生变化后再做码率的调整会导致流媒体的卡顿等问题，降低了远端专家获得的视频质量。
所以针对现有的在网络状态发生变化后调整码率的方式会导致流媒体出现卡顿的问题，发明人在研究中发现，通过获取视频传输设备传输视频数据的当前视频码率、视频传输设备的当前位置信息以及视频传输设备所在车辆的当前行驶信息，根据当前位置信息确定视频传输设备所在区域对应的基站与视频传输设备之间的当前距离信息，将当前视频码率、当前位置信息、当前距离信息以及当前行驶信息输入至预先训练的收敛的深度神经网络模型中，从而得到深度神经网络模型输出预测视频码率，根据预设视频码率确定新的视频码率，从而根据新的视频码率调整视频传输设备的码率，与在网络状态发生变化后调整码率的方式相比，通过不断调整视频码率，可有效避免卡顿现象的出现，不会影响视频传输质量，更好地保证了流媒体传输的实时性和稳定性。
所以发明人基于上述的创造性发现，提出了本发明实施例的技术方案。下面对本发明实施例提供的视频码率调整方法的网络架构及应用场景进行介绍。
如图1所示，本发明实施例提供的视频码率调整方法对应的网络架构中包括：视频传输设备1及视频接收设备2，视频传输设备1与视频接收设备2进行通信连接，视频传输设备1与视频接收设备2可通过云平台进行通信。视频传输设备1设置在车辆3上，车辆可以是救护车，车辆3所在区域内分布多个基站4，车辆3在移动过程中，会经过多个基站4。视频传输设备1将获取到的视频数据例如患者的超声影像视频发送至视频接收设备2，在传输过程中需要不断调整视频码率，以确保视频传输质量，具体地，视频传输设备1获取视频传输设备传输视频数据的当前视频码率、视频传输设备的当前位置信息以及视频传输设备所在车辆的当前行驶信息，根据当前位置信息确定视频传输设备所在区域对应的基站与视频传输设备之间的当前距离信息，将当前视频码率、当前位置信息、当前距离信息以及当前行驶信息输入至预先训练的收敛的深度神经网络模型中，从而得到深度神经网络模型输出预测视频码率，根据预设视频码率确定新的视频码率，从而根据新的视频码率调整视频传输设备的码率。通过不断调整视频码率，可有效避免卡顿现象的出现，不会影响视频传输质量，更好地保证了流媒体传输的实时性和稳定性。
实施例一
图2是本发明实施例一提供的视频码率调整方法的流程示意图，如图2所示，本实施例提供的视频码率调整方法的执行主体为视频码率调整装置，该视频码率调整装置位于视频传输设备中，则本实施例提供的视频码率调整方法包括以下步骤：
步骤101，获取视频传输设备传输视频数据的当前视频码率、视频传输设备的当前位置信息以及视频传输设备所在车辆的当前行驶信息。
本实施例中，获取视频传输设备传输视频数据的当前视频码率，其中，视频码率是视频或者音频单位时间内传递的数据量，一般用Kbps，Mbps表示。码率的大小与视频的清晰度有关，也与压缩格式有关，一般来说相同压缩格式下码率越高视频越清晰。获取视频传输设备当前位置信息，视频传输设备位置信息包括经纬度，例如，视频传输设备位置信息为(LonA，LatA)，当视频传输设备设置在车辆中时，车辆位置信息为与车辆位置信息相同。获取视频传输设备所在车辆的当前行驶信息，行驶信息包括车辆行驶速度以及车辆行驶方向。
步骤102，根据当前位置信息确定视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息。
本实施例中，根据视频传输设备的当前位置信息确定视频传输设备所在区域，获取视频传输设备所在区域内对应的基站的位置信息，根据视频传输设备所在区域内对应的基站的位置信息以及视频传输设备的当前位置信息确定视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息。
步骤103，将当前视频码率、当前位置信息、当前距离信息及当前行驶信息输入至训练至收敛的深度神经网络模型中，通过训练至收敛的深度神经网络模型输出预测视频码率。
本实施例中，将视频传输设备传输视频数据的当前视频码率、视频传输设备的当前位置信息、视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息、车辆行驶速度以及车辆行驶方向输入至训练至收敛的深度神经网络模型中，从而通过训练至收敛的深度网络模型输出预测视频码率。
步骤104，根据预测视频码率确定新的视频码率，并将视频传输设备传输视频数据的当前视频码率调整为新的视频码率。
本实施例中，获取当前视频码率对应的视频码率比较基准区间的左边界值以及右边界值，将预设视频码率与左边界值以及右边界值进行比较，根据比较结果在预设视频码率表中查找对应的预设视频码率，将该预设视频码率确定为新的视频码率，采用新的视频码率调整视频传输设备的码率，将视频传输设备传输视频的当前视频码率调整为新的视频码率。
本实施例中，获取视频传输设备传输视频数据的当前视频码率、视频传输设备的当前位置信息以及视频传输设备所在车辆的当前行驶信息，根据当前位置信息确定视频传输设备所在区域对应的基站与视频传输设备之间的当前距离信息，将当前视频码率、当前位置信息、当前距离信息以及当前行驶信息输入至预先训练的收敛的深度神经网络模型中，从而得到深度神经网络模型输出预测视频码率，根据预设视频码率确定新的视频码率，从而根据新的视频码率调整视频传输设备的码率，与在网络状态发生变化后调整码率的方式相比，通过不断调整视频码率，可有效避免卡顿现象的出现，不会影响视频传输质量，更好地保证了流媒体传输的实时性和稳定性。
实施例二
图3是本发明实施例二提供的视频码率调整方法的流程示意图，如图3所示，在本发明实施例一提供的视频码率调整方法的基础上，对步骤102进行了进一步的细化，包括以下步骤：
步骤1021，根据当前位置信息确定视频传输设备所在区域。
本实施例中，根据视频传输设备的当前位置信息确定目前视频传输设备所在的区域，预先将同一个城市分为多个区域，或者将一个城市设置为一个区域，例如，视频传输设备设置在救护车上，救护车救护过程中可能是跨域多个城市，此时，所在区域可以为途径的各城市，将视频传输设备的当前位置信息与预设的各区域的位置信息进行比较，具体地，位置信息包括经纬度，视频传输设备当前经纬度为(LonA，LatA)，将当前经纬度与预设的各区域的经纬度进行比较，从而确定目前视频传输设备归属区域。
步骤1022，获取所在区域内各基站位置信息，并根据当前位置信息和各基站位置信息计算视频传输设备与各基站之间的当前距离信息。
本实施例中，各区域内有多个基站，视频传输设备设置在车辆上，在车辆行驶过程中，会经过多个基站，在不同的基站之间切换，会引起网络的不稳定，因此，需要调整视频传输设备的视频码率，以确保视频传输质量，调整视频码率之前，需要确定视频传输设备与基站之间的距离，具体地，获取视频传输设备所在区域内的各基站位置信息，根据视频传输设备当前位置信息和各基站位置信息计算得到视频传输设备与各基站之间的当前距离信息。
步骤1023，从视频传输设备与各基站之间的当前距离信息中选择预设数量的当前距离信息，将预设数量的当前距离信息确定为视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息。
本实施例中，从视频传输设备与各基站之间的当前距离信息中选择预设数量的当前距离信息，例如，选择5个距离视频传输设备比较近的基站，将预设数量的当前距离信息确定为视频传输视频所在区域内对应的基站与视频传输设备之间的当前距离信息。
实施例三
图4是本发明实施例三提供的视频码率调整方法的流程示意图，如图4所示，在本发明实施例二提供的视频码率调整方法的基础上，对步骤1023中从视频传输设备与各基站之间的当前距离信息中选择预设数量的当前距离信息进行了进一步细化，具体包括以下步骤：
步骤1023a，根据所在区域内各基站位置信息和当前位置信息计算得到各基站与视频传输设备对应的各当前距离差值。
本实施例中，根据视频传输设备所在区域内各基站位置信息和视频传输设备的当前位置信息计算得到各基站与视频传输设置之间的距离差值，例如，所在区域内某基站位置信息表示为：基站1(LonB，LatB)，按照0度经线的基准，东经取经度的正值(Longitude)，西经取经度负值(-Longitude)，北纬取90-纬度值(90-Latitude)，南纬取90+纬度值(90+Latitude)，经过处理后基站位置信息表示为基站X(MLonB，MLatB)，经过处理后视频传输设备当前位置信息表示为(MLonA，MLatA)。根据基站位置信息以及视频传输设备当前位置信息计算基站与视频传输设备之间的距离，按照如下公式计算：
C＝sin(MLatA)×sin(MLatB)×cos(MLonA-MLonB)+cos(MLatA)×cos(MLatB)公式(1)
Figure BDA0003370520630000081
其中，D为基站与视频传输设备的距离，R为地球半径，Pi为π，C为位置参数，MLatA为视频传输设备当前纬度，MLatB为基站当前纬度，MLonA为视频传输设备当前经度，MLonB为基站当前经度。
上述公式中地球半径可取6371.004km，Pi可取3.14，将视频传输设备的经度、纬度以及各基站的经度、纬度代入公式(1)中，得到对应的C，将C代入公式(2)中，得到各基站与视频传输设备的距离差值D，单位为km。
步骤1023b，对各当前距离差值按照递增次序进行排序获取距离排序结果，从距离排序结果中获取位于第一位至第N位的预设数量的当前距离差值，并将第一位至第N位的预设数量的当前距离差值作为选择的预设数量的当前距离信息。
本实施例中，将距离差值按照递增次序进行排序获得距离排序结果，例如，基站1与视频传输设备的距离差值D1为1km，基站2与视频传输设备的距离差值D2为2km，基站3与视频传输设备的距离差值D3为0.5km，基站4与视频传输设备的距离差值D4为1.5km，基站5与视频传输设备的距离差值D5为2.5km，基站6与视频传输设备的距离差值D6为2.2km，将上述距离差值按照递增次序进行排序，获得的排序结果为：D3＜D1＜D4＜D6＜D2＜D5，从距离排序结果中获取第一位至第N位的预设数量的当前距离差值，例如，获取D3、D1、D4、D6及D2，第一位至第五位前五位的当前距离差值，并不仅限于前五位，可根据实际情况设定。将第一位至第N位的预设数量的所对应的当前距离差值作为选择的预设数量的当前距离信息。
实施例四
在本发明实施例一提供的视频码率调整方法的基础上，步骤104之前，还包括以下步骤：
步骤1041，获取预设视频码率波动值，并根据预设视频码率波动值以及当前视频码率确定当前视频码率对应的视频码率比较基准区间。
本实施例中，获取预设视频码率波动值，预设码率波动值可根据实际情况设定，根据预设视频码率波动值以及视频传输设备传输视频的当前码率确定当前码率视频对应的视频码率比较基准区间，其中，视频码率预先设定多个值，例如，第一预设码率为96Kbps、第二预设码率为320Kbps、第三预设码率为640Kbps、第四预设码率为1024Kbps、第五预设码率为4096Kbps，若视频传输设备传输视频的当前码率为第二预设码率，预设视频码率波动值可设定为200Kbps，则根据视频传输设备传输视频的当前码率以及预设视频码率波动值得到的对应的视频码率比较基准区间为[320-200，320+200]，即[120Kbps，520Kbps]。
需要说明的是，预设视频码率波动值、第一预设码率至第五预设码率的取值并不限于上述取值，还可以是其他适合的值。
步骤1042，将预测视频码率与视频码率比较基准区间进行比较，并根据比较结果确定是否需要对视频传输设备传输视频数据的当前视频码率进行调整。若是，则执行步骤104。
本实施例中，将深度神经网络模型输出的预测视频码率与视频传输设备的当前视频码率对应的视频码率比较基准区间进行比较，根据比较结果确定是否需要对视频传输设备传输视频数据的当前视频码率进行调整，若预测视频码率在视频码率比较基准区间内，则确定无需对视频传输设备传输视频数据的当前视频码率进行调整；若预测视频码率不在视频码率比较基准区间内，则确定对视频传输设备传输视频数据的当前视频码率进行调整，进一步根据预测视频码率确定新的视频码率，从而根据新的视频码率对视频传输设备的视频码率进行调整。
实施例五
在本发明实施例四提供的视频码率调整方法的基础上，对步骤1042中根据比较结果确定是否需要对视频传输设备传输视频数据的当前视频码率进行调整进行了进一步细化，具体包括以下步骤：
步骤1042a，若预测视频码率在视频码率比较基准区间内，则确定无需对视频传输设备传输视频数据的当前视频码率进行调整。
本实施例中，若预测视频码率在视频码率比较基准区间内，例如，视频码率比较基准区间为[120Kbps，520Kbps]，预测视频码率归属于该视频码率比较基准区间，说明此时的视频码率可满足视频传输需求，视频码率较为适合，无需对视频传输设备传输视频数据的当前视频码率进行调整。
步骤1042b，若预测视频码率大于视频码率比较基准区间的右边界值或小于视频码率比较基准区间的左边界值，则确定对视频传输设备传输视频数据的当前视频码率进行调整。
本实施例中，若预测视频码率大于视频码率比较基准区间的右边界值，例如，视频码率比较基准区间为[120Kbps，520Kbps]，预测视频码率大于520Kbps，说明此时的视频码率无法满足视频传输需求，视频码率不适合，需要对视频传输设备传输视频数据的当前视频码率进行调整；若预测视频码率小于视频码率比较基准区间的左边界值，例如，视频码率比较基准区间为[120Kbps，520Kbps]，预测视频码率小于120Kbps，说明此时的视频码率无法满足视频传输需求，视频码率不适合，需要对视频传输设备传输视频数据的当前视频码率进行调整。
实施例六
在本发明实施例一提供的视频码率调整方法的基础上，对步骤1041进行了进一步的细化，包括以下步骤：
步骤104A，若预测视频码率小于当前视频码率对应的视频码率比较基准区间的左边界值，则在预设视频码率表中查找小于当前视频码率的相邻预设视频码率，并将该预设视频码率确定为新的视频码率。
本实施例中，若预设视频码率小于视频传输设备的当前视频码率对应的视频码率比较基准区间的左边界值，获取预设视频码率表，如表1所示，在预设视频码率表中查找小于当前视频码率的相邻的预设视频码率，例如，当前视频码率为1024Kbps，小于当前视频码率的相邻的预设视频码率为640Kbps，将640Kbps确定为新的视频码率。
表1预设视频码率表
编码 码率/Kbps
1 4096
2 1024
3 640
4 320
5 93
步骤104B，若预测视频码率大于当前视频码率对应的视频码率比较基准区间的右边界值，则在预设视频码率表中查找大于当前视频码率的相邻预设视频码率，并将该预设视频码率确定为新的视频码率。
本实施例中，若预设视频码率大于视频传输设备的当前视频码率对应的视频码率比较基准区间的右边界值，在预设视频码率表中查找大于当前视频码率的相邻的预设视频码率，例如，当前视频码率为1024Kbps，大于当前视频码率的相邻的预设视频码率为4096Kbps，将4096Kbps确定为新的视频码率。
实施例七
在本发明实施例一提供的视频码率调整方法的基础上，步骤103之前，包括以下步骤：
步骤103a，获取对预设深度神经网络模型进行训练的训练样本，采用训练样本对预设深度神经网络模型进行训练。
本实施例中，深度神经网络(Deep Neural Networks，简称DNN)按不同层的位置划分，可将DNN内部的神经网络层可以分为三类，输入层，隐藏层和输出层，一般来说第一层是输入层，最后一层是输出层，而中间的层数都是隐藏层，每个隐藏层可以有很多层，可增加模型的表达能力，层与层之间是全连接的，预设深度神经网络模型是未经训练的神经网络模型，收集测试产生的真实特征数据，包括视频传输设备传输视频数据的视频码率、视频传输设备的位置信息、视频传输设备所在车辆的行驶信息、视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息，将真实特征数据作为训练样本，采用训练样本对预设深度神经网络模型进行训练。
步骤103b，判断是否满足预设深度神经网络模型的收敛条件。
本实施例中，根据损失函数的值调整优化预设深度神经网络模型的参数直至满足收敛条件，判断是否满足预设深度神经网络模型的收敛条件，其中，损失函数为：
Figure BDA0003370520630000121
其中，MSE为均方差损失函数，n为样本数量，yi为第i个样本的真实值，yix为第i个样本的预测值。
步骤103c，若确定满足预设深度神经网络模型的收敛条件，则将满足收敛条件的深度神经网络模型确定为训练至收敛的深度神经网络模型。
本实施例中，若确定满足预设深度神经网络模型的收敛条件，完成对预设深度神经网络模型的训练，将训练好的深度神经网络模型确定为训练至收敛的深度神经网络模型。
图5是本发明一实施例提供的视频码率调整装置的结构示意图，如图5所示，本实施例提供的视频码率调整装置200包括获取单元201，确定单元202，预测单元203，调整单元204。
其中，获取单元201，用于获取视频传输设备传输视频数据的当前视频码率、视频传输设备的当前位置信息以及视频传输设备所在车辆的当前行驶信息。确定单元202，用于根据当前位置信息确定视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息。预测单元203，用于将当前视频码率、当前位置信息、当前距离信息及当前行驶信息输入至训练至收敛的深度神经网络模型中，通过训练至收敛的深度神经网络模型输出预测视频码率。调整单元204，用于根据预测视频码率确定新的视频码率，并将视频传输设备传输视频数据的当前视频码率调整为新的视频码率。
可选地，确定单元，还用于根据当前位置信息确定视频传输设备所在区域；获取所在区域内各基站位置信息，并根据当前位置信息和各基站位置信息计算视频传输设备与各基站之间的当前距离信息；从视频传输设备与各基站之间的当前距离信息中选择预设数量的当前距离信息，将预设数量的当前距离信息确定为视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息。
可选地，根据所在区域内各基站位置信息和当前位置信息计算得到各基站与视频传输设备对应的各当前距离差值；对各当前距离差值按照递增次序进行排序获取距离排序结果，从距离排序结果中获取位于第一位至第N位的预设数量的当前距离差值，并将第一位至第N位的预设数量的当前距离差值作为选择的预设数量的当前距离信息。
可选地，确定单元，还用于获取预设视频码率波动值，并根据预设视频码率波动值以及当前视频码率确定当前视频码率对应的视频码率比较基准区间；将预测视频码率与视频码率比较基准区间进行比较，并根据比较结果确定是否需要对视频传输设备传输视频数据的当前视频码率进行调整；若是，则执行根据预测视频码率确定新的视频码率的步骤。
可选地，确定单元，还用若预测视频码率在视频码率比较基准区间内，则确定无需对视频传输设备传输视频数据的当前视频码率进行调整；若预测视频码率大于视频码率比较基准区间的右边界值或小于视频码率比较基准区间的左边界值，则确定对视频传输设备传输视频数据的当前视频码率进行调整。
可选地，调整单元，还用于若预测视频码率小于当前视频码率对应的视频码率比较基准区间的左边界值，则在预设视频码率表中查找小于当前视频码率的相邻预设视频码率，并将该预设视频码率确定为新的视频码率；若预测视频码率大于当前视频码率对应的视频码率比较基准区间的右边界值，则在预设视频码率表中查找大于当前视频码率的相邻预设视频码率，并将该预设视频码率确定为新的视频码率。
可选地，视频码率调整装置还包括：训练单元。
训练单元，用于获取对预设深度神经网络模型进行训练的训练样本，采用训练样本对预设深度神经网络模型进行训练；判断是否满足预设深度神经网络模型的收敛条件；若确定满足预设深度神经网络模型的收敛条件，则将满足收敛条件的深度神经网络模型确定为训练至收敛的深度神经网络模型。
图6是用来实现本发明实施例的视频码率调整方法的视频传输设备的框图，如图6所示，该视频传输设备300包括：存储器301，以及与处理器通信连接的处理器302。
存储器301存储计算机执行指令；
处理器302执行存储器301存储的计算机执行指令，使得处理器执行上述任意一个实施例提供的方法。
在示例性实施例中，还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行上述任意一个实施例中的方法。
在示例性实施例中，还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行上述任意一个实施例中的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求书指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。

Claims (9)

1.一种视频码率调整方法，其特征在于，所述方法包括：
获取视频传输设备传输视频数据的当前视频码率、视频传输设备的当前位置信息以及视频传输设备所在车辆的当前行驶信息；
根据所述当前位置信息确定视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息；
将所述当前视频码率、所述当前位置信息、所述当前距离信息及所述当前行驶信息输入至训练至收敛的深度神经网络模型中，通过所述训练至收敛的深度神经网络模型输出预测视频码率；
根据预测视频码率确定新的视频码率，并将视频传输设备传输视频数据的当前视频码率调整为新的视频码率；
所述根据所述当前位置信息确定视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息，包括：
根据所述当前位置信息确定视频传输设备所在区域；
获取所在区域内各基站位置信息，并根据当前位置信息和所述各基站位置信息计算视频传输设备与所述各基站之间的当前距离信息；其中，计算基站与视频传输设备之间的距离的公式为：C＝sin(MLatA)×sin(MLatB)×cos(MLonA-MLonB)+cos(MLatA)×cos(MLatB)和
Figure FDA0004169531850000011
其中，D为基站与视频传输设备的距离，R为地球半径，Pi为π，C为位置参数，MLatA为视频传输设备当前纬度，MLatB为基站当前纬度，MLonA为视频传输设备当前经度，MLonB为基站当前经度；
从视频传输设备与所述各基站之间的当前距离信息中选择预设数量的当前距离信息，将预设数量的当前距离信息确定为视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息。
2.根据权利要求1所述的方法，其特征在于，所述从视频传输设备与所述各基站之间的当前距离信息中选择预设数量的当前距离信息，包括：
根据所在区域内各基站位置信息和所述当前位置信息计算得到所述各基站与视频传输设备对应的各当前距离差值；
对所述各当前距离差值按照递增次序进行排序获取距离排序结果，从距离排序结果中获取位于第一位至第N位的预设数量的当前距离差值，并将第一位至第N位的预设数量的当前距离差值作为选择的预设数量的当前距离信息。
3.根据权利要求1所述的方法，其特征在于，所述根据预测视频码率确定新的视频码率之前，还包括：
获取预设视频码率波动值，并根据预设视频码率波动值以及当前视频码率确定当前视频码率对应的视频码率比较基准区间；
将预测视频码率与所述视频码率比较基准区间进行比较，并根据比较结果确定是否需要对视频传输设备传输视频数据的当前视频码率进行调整；
若是，则执行所述根据预测视频码率确定新的视频码率的步骤。
4.根据权利要求3所述的方法，其特征在于，所述根据比较结果确定是否需要对视频传输设备传输视频数据的当前视频码率进行调整，包括：
若预测视频码率在所述视频码率比较基准区间内，则确定无需对视频传输设备传输视频数据的当前视频码率进行调整；
若预测视频码率大于所述视频码率比较基准区间的右边界值或小于所述视频码率比较基准区间的左边界值，则确定对视频传输设备传输视频数据的当前视频码率进行调整。
5.根据权利要求1所述的方法，其特征在于，所述根据预测视频码率确定新的视频码率，包括：
若预测视频码率小于当前视频码率对应的视频码率比较基准区间的左边界值，则在预设视频码率表中查找小于当前视频码率的相邻预设视频码率，并将该预设视频码率确定为新的视频码率；
若预测视频码率大于当前视频码率对应的视频码率比较基准区间的右边界值，则在预设视频码率表中查找大于当前视频码率的相邻预设视频码率，并将该预设视频码率确定为新的视频码率。
6.根据权利要求1所述的方法，其特征在于，所述将所述当前视频码率、所述当前位置信息、所述当前距离信息及所述当前行驶信息输入至训练的深度神经网络模型中之前，还包括：
获取对预设深度神经网络模型进行训练的训练样本，采用所述训练样本对预设深度神经网络模型进行训练；
判断是否满足预设深度神经网络模型的收敛条件；
若确定满足预设深度神经网络模型的收敛条件，则将满足收敛条件的深度神经网络模型确定为训练至收敛的深度神经网络模型。
7.一种视频码率调整装置，包括：
获取单元，用于获取视频传输设备传输视频数据的当前视频码率、视频传输设备的当前位置信息以及视频传输设备所在车辆的当前行驶信息；
确定单元，用于根据所述当前位置信息确定视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息；
预测单元，用于将所述当前视频码率、所述当前位置信息、所述当前距离信息及所述当前行驶信息输入至训练至收敛的深度神经网络模型中，通过所述训练至收敛的深度神经网络模型输出预测视频码率；
调整单元，用于根据预测视频码率确定新的视频码率，并将视频传输设备传输视频数据的当前视频码率调整为新的视频码率；
所述确定单元，具体用于根据所述当前位置信息确定视频传输设备所在区域；
获取所在区域内各基站位置信息，并根据当前位置信息和所述各基站位置信息计算视频传输设备与所述各基站之间的当前距离信息；其中，计算基站与视频传输设备之间的距离的公式为：C＝sin(MLatA)×sin(MLatB)×cos(MLonA-MLonB)+cos(MLatA)×cos(MLatB)和
Figure FDA0004169531850000031
其中，D为基站与视频传输设备的距离，R为地球半径，Pi为π，C为位置参数，MLatA为视频传输设备当前纬度，MLatB为基站当前纬度，MLonA为视频传输设备当前经度，MLonB为基站当前经度；
从视频传输设备与所述各基站之间的当前距离信息中选择预设数量的当前距离信息，将预设数量的当前距离信息确定为视频传输设备所在区域内对应的基站与视频传输设备之间的当前距离信息。
8.一种视频传输设备，包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至6中任一项所述的方法。
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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至6任一项所述的方法。
CN202111397542.3A 2021-11-23 2021-11-23 视频码率调整方法、装置、设备及存储介质 Active CN114245189B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111397542.3A CN114245189B (zh) 2021-11-23 2021-11-23 视频码率调整方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111397542.3A CN114245189B (zh) 2021-11-23 2021-11-23 视频码率调整方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114245189A CN114245189A (zh) 2022-03-25
CN114245189B true CN114245189B (zh) 2023-05-30

Family

ID=80750629

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111397542.3A Active CN114245189B (zh) 2021-11-23 2021-11-23 视频码率调整方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114245189B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115474077A (zh) * 2022-09-06 2022-12-13 一汽解放汽车有限公司 视频传输方法、装置、车端控制器和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101345756A (zh) * 2008-08-18 2009-01-14 浙江大学 一种基于带宽预测的无线Ad Hoc网络实时视频传输方法
CN107801239A (zh) * 2016-09-07 2018-03-13 中兴通讯股份有限公司 一种动态调整射频前端工作模式的方法、装置及移动终端
CN113329470A (zh) * 2021-05-28 2021-08-31 中移智行网络科技有限公司 网络资源分配方法、装置、终端设备及目标基站

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105898800B (zh) * 2015-10-30 2019-05-14 法法汽车(中国)有限公司 用于移动网络的多链路聚合的链路带宽分配方法及装置
EP3556092A1 (en) * 2016-12-19 2019-10-23 Telicomm City Connect, Ltd. Predictive network management for real-time video with varying video and network conditions
CN109756943A (zh) * 2017-11-03 2019-05-14 海能达通信股份有限公司 通信系统、通信终端及其自动切换基站的方法
CN109600670B (zh) * 2018-11-22 2021-05-28 深圳市同行者科技有限公司 基于大数据的车联网多媒体的缓冲方法、存储介质及终端
CN113037410A (zh) * 2019-12-24 2021-06-25 中兴通讯股份有限公司 信道识别方法、装置、传输方法、传输设备、基站、介质
CN111884939B (zh) * 2020-08-31 2022-04-08 广州文远知行科技有限公司 数据传输方法、装置、可移动载体和存储介质
CN112383823B (zh) * 2020-10-16 2023-04-07 北京奇艺世纪科技有限公司 码率自适应方法、装置、电子设备及存储介质
CN112272299A (zh) * 2020-11-27 2021-01-26 广州市网星信息技术有限公司 一种视频编码的方法、装置、设备和存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101345756A (zh) * 2008-08-18 2009-01-14 浙江大学 一种基于带宽预测的无线Ad Hoc网络实时视频传输方法
CN107801239A (zh) * 2016-09-07 2018-03-13 中兴通讯股份有限公司 一种动态调整射频前端工作模式的方法、装置及移动终端
CN113329470A (zh) * 2021-05-28 2021-08-31 中移智行网络科技有限公司 网络资源分配方法、装置、终端设备及目标基站

Also Published As

Publication number Publication date
CN114245189A (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
CN114827198B (zh) 一种应用于车联网的多层中心异步联邦学习方法
CN106657209B (zh) 一种基于vanet的obu与rsu快速切换方法
CN114245189B (zh) 视频码率调整方法、装置、设备及存储介质
CN111884939B (zh) 数据传输方法、装置、可移动载体和存储介质
CN111768654B (zh) 一种多无人机协同中继辅助车载自组网数据传输方法
CN112637817B (zh) 接入控制方法及装置、电子设备、存储介质
CN113904948B (zh) 基于跨层的多维参数的5g网络带宽预测系统及方法
CN113687875B (zh) 一种车联网中车辆任务卸载方法及装置
CN105872959A (zh) 基于移动自适应聚类的城市道路状况自动感知方法
CN113194440A (zh) 车联网中传输资源的抢占方法
Aparna et al. Steering angle prediction for autonomous driving using federated learning: The impact of vehicle-to-everything communication
CN115209426A (zh) 一种边缘车联网内数字孪生服务器动态部署方法
CN114650567A (zh) 一种无人机辅助v2i网络任务卸载方法
CN115314944A (zh) 基于移动车辆社会关系感知的车联网协作缓存方法
CN110225452B (zh) 一种基于分簇路由协议的行驶车辆通信方法、装置及介质
Ide et al. Cluster-based vehicular data collection for efficient LTE machine-type communication
CN109587751B (zh) 无人机自组网自适应路由方法和系统
CN107548075B (zh) 一种基于有用贡献量的路侧单元部署方法
CN111447669B (zh) 一种提高移动广播通信系统传输能耗效率的方法
CN111356199B (zh) 一种三维场景中车载自组织网络路由选择方法
CN116360996A (zh) 一种车联网环境下的可靠边缘加速推理任务分配方法
CN114915940A (zh) 一种基于边云计算的车路通信链路匹配方法及系统
CN114979145A (zh) 一种车联网中集成感知、通信与缓存的内容分发方法
US20230351205A1 (en) Scheduling for federated learning
Xu et al. Autonomous rate control for mobile Internet of Things: A deep reinforcement learning approach

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