KR20130112056A - 비디오 데이터 품질 평가 방법 및 장치 - Google Patents

비디오 데이터 품질 평가 방법 및 장치 Download PDF

Info

Publication number
KR20130112056A
KR20130112056A KR1020137018020A KR20137018020A KR20130112056A KR 20130112056 A KR20130112056 A KR 20130112056A KR 1020137018020 A KR1020137018020 A KR 1020137018020A KR 20137018020 A KR20137018020 A KR 20137018020A KR 20130112056 A KR20130112056 A KR 20130112056A
Authority
KR
South Korea
Prior art keywords
video
damage
frame
distortion
parameter
Prior art date
Application number
KR1020137018020A
Other languages
English (en)
Other versions
KR101464456B1 (ko
Inventor
리나 선
샨 가오
칭펭 시에
Original Assignee
후아웨이 테크놀러지 컴퍼니 리미티드
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 후아웨이 테크놀러지 컴퍼니 리미티드 filed Critical 후아웨이 테크놀러지 컴퍼니 리미티드
Publication of KR20130112056A publication Critical patent/KR20130112056A/ko
Application granted granted Critical
Publication of KR101464456B1 publication Critical patent/KR101464456B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • 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, rendering scenes according to MPEG-4 scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream

Abstract

비디오 데이터 품질 평가 방법 및 장치가 개시된다. 비디오 데이터 품질 평가 방법은 비디오 데이터의 압축 왜곡 파라미터를 취득하는 단계; 프레임 손상 왜곡 파라미터/비디오 데이터 리버퍼링 영향 파라미터를 취득하는 단계; 압축 왜곡 파라미터 및 프레임 손상 왜곡 파라미터/비디오 데이터 리버퍼링 영향 파라미터에 따라 비디오 품질 파라미터를 계산하는 단계를 포함하며, 비디오 품질 파라미터는 압축 왜곡 파라미터와 프레임 손상 왜곡 파라미터/비디오 데이터 리버퍼링 영향 파라미터 사이의 차이이다.

Description

비디오 데이터 품질 평가 방법 및 장치{VIDEO DATA QUALITY ASSESSMENT METHOD AND DEVICE}
<관련 출원>
본 출원은 2011년 4월 11일자로 중국 특허청에 출원되었고 발명의 명칭이 "비디오 데이터 품질 평가 방법 및 장치"인 중국 특허 출원 제201110090022.8호의 우선권을 주장하며, 그것의 전체 내용은 참조에 의해 여기에 포함된다.
<기술 분야>
본 발명은 디지털 신호 프로세싱 기술 분야에 관한 것이고, 더 구체적으로는 비디오 데이터 품질 평가 방법 및 장치에 관한 것이다.
네트워크 기술의 성장과 함께, 비디오-온-디맨드, 네트워크 텔레비전 및 영상 전화(viewphone)와 같은 서비스가 광역 네트워크의 주된 서비스로 되었으며, 이 서비스들은 3세대(3G) 무선 네트워크의 주된 서비스가 될 것이다. 비디오 신호의 저장 또는 전송 프로세스 동안 점유되는 자원을 줄이기 위해, 송신 단에서 비디오 신호에 대해 압축 프로세싱이 수행된 다음에, 비디오 신호가 수신 단으로 전송되고, 수신 단은 압축 해제 프로세싱을 통해 비디오 신호를 복구한 후에 비디오 신호를 재생한다.
네트워크 비디오 품질은 전송 채널의 서비스 품질, 비디오 인코딩/디코딩 단에서의 파라미터와 전송 채널 간의 적응 조건(adaptation condition) - 채널 패킷 손실, 지연 등으로 인해 발생한 비디오 데이터 손실 내에서의 서로 다른 위치 손실은 비디오의 주관적 품질(video subjective quality)에 크게 영향을 줌 - , 및 채널 지연 및 지터에 의해 야기되는 비디오 리버퍼링(rebuffering) 또는 지터와 같은 다수의 복잡한 인자에 의해 영향을 받는다. 네트워크 비디오의 서비스 품질을 보장하기 위해, 적시에 대응 조치를 취하여 조절 및 유지보수를 수행하고 비디오 서비스의 정상 동작을 보장하도록, 네트워크 비디오 서비스의 품질이 모니터링될 필요가 있다.
네트워크 비디오 응용에서, 네트워크 비디오 품질 평가는 필수적이고 중요한 기술이다. 그러나, 인간의 눈으로 관찰하여 수행되는 주관적 품질 평가는 시간 및 에너지를 소비하고, 네트워크 비디오 응용에는 실행할 수 없을 것이 분명하다. 가장 일반적이고 객관적인 비디오 품질 평가 방법조차도 네트워크 비디오의 응용 환경에는 적용될 수 없다. 원본 기준 비디오에 대한 요구의 정도에 따라, 종래 기술의 객관적 비디오 품질 평가 방법은 일반적으로 3가지 종류: 완전 기준(full reference), 감소된 기준(reduced reference) 및 무기준(no reference) 객관적 비디오 품질 평가로 나누어진다.
실제 제품 응용에서는 알고리즘 복잡도도 고려되어야 하는 인자이다. 계산 능력이 낮은 단말 디바이스(네트워크 디바이스 또는 테스트 디바이스)에서 실시간 모니터링 및 평가가 지원되고 수행될 필요가 있다. 채널 대역폭의 한계로 인해, 비디오 수신 단은 통상적으로 요구된 기준 비디오 시퀀스를 얻지 못하며, 일반적으로 네트워크에서 전송된 비디오 스트림은 무기준 비디오 품질 평가 방법을 이용하여 평가될 필요가 있다.
무기준 비디오 품질 평가 모델은 네트워크 정보, 네트워크 데이터 패킷, 및 비디오 스트림 자체의 정보를 이용하여 비디오 스트림의 품질을 평가할 수 있다. 비디오 스트림이 완벽하게 파싱(parsing)될 수 있는 경우에는 평가가 비교적 정확하다. 그러나, 비디오 스트림의 파싱은 복잡도가 높기 때문에, 비디오 품질 평가는 실시간으로 수행될 수 없거나, 계산 능력이 낮은 단말 디바이스(네트워크 디바이스 또는 테스트 디바이스)에는 적용될 수 없다.
비디오 품질 평가 방법에서, 비디오 품질
Figure pct00001
내에서 인코딩 품질
Figure pct00002
, 비디오 리버퍼링
Figure pct00003
, 네트워크 패킷 손실
Figure pct00004
의 영향이 고려된다:
Figure pct00005
인코딩 품질에서, 비트 스트림 x 및 인코딩 유형의 영향이 고려된다:
Figure pct00006
여기에서, c0, c1 및
Figure pct00007
는 상수이며, 서로 다른 인코딩 포맷들 하에서 서로 다른 값들을 가질 수 있다.
네트워크 패킷 손실 품질은 패킷 손실 레이트를 이용하여 계산되고, 슬라이딩 윈도우 내에서의 평균 패킷 손실 레이트가 먼저 계산된다:
Figure pct00008
최대 패킷 손실 레이트
Figure pct00009
및
Figure pct00010
은 미리 설정되는데, 슬라이딩 윈도우 내의 패킷 손실 레이트가
Figure pct00011
보다 크면 비디오 품질이 최악인 것으로 간주되고, 패킷 손실 레이트가
Figure pct00012
보다 작으면 그 시점에서의 패킷 손실이 비디오 품질에 영향을 주지 않는 것으로 간주된다:
Figure pct00013
및
Figure pct00014
소정 기간 내의 패킷 손실의 품질은 다음과 같다:
Figure pct00015
비디오 리버퍼링의 영향 품질에서, 소정 기간 내에서의 비디오 리버퍼링의 횟수, 리버퍼링 지속기간 및 최초 버퍼링 지속기간의 영향들이 고려되며, 모델은 다음과 같다:
Figure pct00016
최종 비디오 품질은 다음과 같다:
Figure pct00017
상술한 비디오 품질 평가 방법에서, 패킷 손실 레이트는 RTP 패킷의 패킷 헤더 정보를 이용하여 계산되고, 비디오 품질은 패킷 손실 레이트를 이용하여 계산되며, 그에 의해 복잡도가 감소되는데, 방법에서 패킷 손실 레이트만이 고려되므로 계산은 간단하지만 정확도가 낮다.
본 발명의 실시예들의 목적은 오디오-비디오 인코딩 절차 동안 시간 영역과 주파수 영역 간의 전환 프로세싱에서의 저장량을 감소시키도록 데이터 프로세싱 방법을 제공하는 것이다.
본 발명의 실시예에 따르면, 비디오 데이터 품질 평가 방법은:
비디오 데이터의 압축 왜곡 파라미터(compression distortion parameter)를 취득하는 단계;
프레임 손상 왜곡 파라미터(frame impairment distortion parameter)를 취득하는 단계; 및
압축 왜곡 파라미터 및 프레임 손상 왜곡 파라미터에 따라 비디오 품질 파라미터를 계산하는 단계 - 비디오 품질 파라미터는 압축 왜곡 파라미터와 프레임 손상 왜곡 파라미터 사이의 차이임 -
를 포함한다.
본 발명의 다른 실시예에 따르면, 비디오 데이터 품질 평가 방법은:
비디오 데이터의 압축 왜곡 파라미터를 취득하는 단계;
비디오 데이터 리버퍼링 영향 파라미터(video data rebuffering influence parameter)를 취득하는 단계; 및
압축 왜곡 파라미터 및 비디오 데이터 리버퍼링 영향 파라미터에 따라 비디오 품질 파라미터를 계산하는 단계 - 비디오 품질 파라미터는 압축 왜곡 파라미터와 비디오 데이터 리버퍼링 영향 파라미터 사이의 차이임 -
를 포함한다.
본 발명의 다른 실시예에 따르면, 비디오 데이터 품질 평가 장치는:
비디오 데이터의 압축 왜곡 파라미터를 취득하도록 구성된 압축 왜곡 계산 유닛;
프레임 손상 왜곡 파라미터를 취득하도록 구성된 프레임 손상 왜곡 계산 유닛; 및
압축 왜곡 파라미터 및 프레임 손상 왜곡 파라미터에 따라 비디오 품질 파라미터를 계산하도록 구성된 조합 유닛 - 비디오 품질 파라미터는 압축 왜곡 파라미터와 프레임 손상 왜곡 파라미터 사이의 차이임 -
을 포함한다.
[발명의 효과]
본 발명의 해법에서 제공되는 비디오 품질 평가 모델은 비디오 비트 스트림 페이로드를 파싱할 필요가 있는 것이 아니라, 데이터 패킷의 패킷 헤더 정보만을 이용하여 비디오 스트림을 평가하여, 계산 복잡도가 낮게 하고, 평가가 실시간으로 구현될 수 있게 한다. 한편, 비디오의 특징이면서 통상의 전송 데이터 패킷의 특징과는 다른 특징이 더 고려되므로, 패킷 손실 영향 계산 동안 데이터 패킷의 패킷 손실 레이트를 직접 이용하여 구해지는 것보다 결과가 더 정확하게 된다.
본 발명의 실시예들 또는 종래 기술에서의 기술적 해법들을 더 분명하게 설명하기 위해, 이하에서는 실시예들 또는 종래 기술을 설명하는 데에 필요한 첨부도면들을 간략하게 소개한다. 명백히, 이하의 설명에서의 첨부도면들은 단순히 본 발명의 일부 실시예들만을 보여주며, 본 기술분야에 통상의 지식을 가진 자들은 창의적 노력 없이도 첨부도면들에 따라 다른 도면들을 더 얻어낼 수 있을 것이다.
도 1a 내지 도 1e는 본 발명의 실시예들의 몇몇 주된 응용 시나리오를 보여준다.
도 2는 본 발명에 따른 비디오 데이터 품질 평가 방법의 계산 모델의 개략도이다.
도 3은 본 발명에 따른 비디오 데이터 품질 평가 방법의 실시예를 보여준다.
도 4는 본 발명에 따른 비디오 데이터의 압축 왜곡 파라미터를 취득하는 실시예의 개략적인 흐름도이다.
도 5는 본 발명에 따른 비디오 데이터 품질 평가 방법의 다른 계산 모델의 개략도이다.
도 6은 본 발명에 따른 비디오 데이터의 압축 왜곡 파라미터를 취득하는 다른 실시예의 개략적인 흐름도이다.
도 7은 I 프레임 인코딩 비트의 수에 대한 인코딩 레이트 Br의 비율인 비율 R의 관계를 보여주는 개략도이다.
도 8은 비디오 세그먼트 내의 I 프레임의 인코딩 비트의 수에 대한 P 프레임의 인코딩 비트의 평균 수의 비율인 비율 T의 관계를 보여주는 개략도이다.
도 9는 본 발명에 따른 비디오 데이터 품질 평가 방법의 다른 계산 모델의 개략도이다.
도 10은 본 발명에 따른 비디오 데이터 품질 평가 방법의 다른 실시예의 개략적인 흐름도이다.
도 11은 본 발명에 따른 비디오 데이터 품질 평가 방법의 다른 계산 모델의 개략도이다.
도 12는 본 발명에 따른 비디오 데이터 품질 평가 방법의 다른 실시예의 개략적인 흐름도이다.
도 13은 본 발명에 따른 비디오 데이터 품질 평가 방법의 다른 계산 모델의 개략도이다.
도 14는 본 발명에 따른 비디오 데이터 품질 평가 방법의 다른 계산 모델의 개략도이다.
도 15는 본 발명에 따른 비디오 데이터 품질 평가 방법의 다른 실시예의 개략적인 흐름도이다.
도 16은 본 발명에 따른 비디오 데이터 품질 평가 방법의 다른 계산 모델의 개략도이다.
도 17은 본 발명에 따른 비디오 데이터 품질 평가 방법의 다른 계산 모델의 개략도이다.
도 18은 본 발명에 따른 리버퍼링 영향 파라미터를 취득하는 실시예의 개략적인 흐름도이다.
도 19는 본 발명에 따른 비디오 데이터 품질 평가 장치의 실시예의 개략적인 구조도이다.
도 20은 본 발명에 따른 비디오 데이터 품질 평가 장치의 다른 실시예의 개략적인 구조도이다.
도 21은 본 발명에 따른 프레임 손상 왜곡 계산 유닛의 실시예의 개략적인 구조도이다.
도 22는 본 발명에 따른 압축 왜곡 계산 유닛의 실시예의 개략적인 구조도이다.
도 23은 본 발명에 따른 프레임 손상 왜곡 계산 유닛의 다른 실시예의 개략적인 구조도이다.
이하는 본 발명의 실시예의 첨부 도면들을 참조하여 본 발명의 실시예의 기술적 해법을 명확하고 완전하게 설명한다. 명백히, 설명될 실시예들은 본 발명의 실시예 전부가 아니라 일부에 지나지 않는다. 본 기술분야의 통상의 지식을 가진 자가 본 발명의 실시예에 기초하여 창의적 노력 없이 얻어내는 다른 실시예들 전부는 본 발명의 보호 범위 내에 포함되어야 한다.
무기준 비디오 품질 평가 모델은 네트워크 정보, 네트워크 데이터 패킷, 및 비디오 스트림 자체의 정보를 이용하여 비디오 스트림의 품질을 평가할 수 있다. 비디오 스트림이 완벽하게 파싱될 수 있는 경우에는 평가가 비교적 정확하다. 그러나, 비디오 스트림의 파싱은 복잡도가 높기 때문에, 비디오 품질 평가는 실시간으로 수행될 수 없거나, 계산 능력이 낮은 단말 디바이스(네트워크 디바이스 또는 테스트 디바이스)에는 적용될 수 없다.
본 발명의 해법에서 제공되는 비디오 품질 평가 모델은 비디오 비트 스트림 페이로드를 파싱할 필요가 있는 것이 아니라, 데이터 패킷의 패킷 헤더 정보만을 이용하여 비디오 스트림을 평가하여, 복잡도가 크게 감소되게 하고, 평가가 실시간으로 구현될 수 있게 한다. 한편, 비디오의 특징이면서 통상의 전송 데이터 패킷의 특징과는 다른 특징이 더 고려되므로, 패킷 손실 영향 계산 동안 데이터 패킷의 패킷 손실 레이트를 직접 이용하여 구해지는 것보다 결과가 더 정확하게 된다.
도 1을 참조하면, 본 발명의 몇몇 주된 응용 시나리오가 도시되어 있다. 송신 단에 의해 송신되는 비디오 RTP 스트림은 전송 네트워크를 통과하고, 네트워크 중간 노드 및 수신 단에서 비디오 품질 모니터링이 수행될 수 있다. 도 1a의 비디오 품질 모니터링은 네트워크에서 전개되고, 네트워크 전송 계층 정보, 예측 인코딩 정보 및 단말 정보가 입력되고; 도 1b의 비디오 품질 모니터링은 단말에서 전개되고, 네트워크 전송 계층 정보, 예측 인코딩 정보 및 단말 정보가 입력되고; 도 1c의 비디오 품질 모니터링은 네트워크에서 전개되고, 네트워크 전송 계층 정보, 예측 인코딩 정보, 및 단말에 의한 통계 수집을 통해 취득되어 프로토콜을 통해 피드백된 정보가 입력되고; 도 1d의 비디오 품질 모니터링은 네트워크에서 전개되지만, 단말에 의한 통계 수집을 통해 취득되어 프로토콜을 통해 피드백된 네트워크 전송 계층 정보, 단말에 의한 통계 수집을 통해 취득된 정보 및 예측 인코딩 정보가 입력되며; 도 1e의 비디오 품질 모니터링은 단말에서 전개되고, 네트워크 전송 계층 정보, 단말 정보 및 예측 인코딩 정보가 입력된다.
본 발명의 해법에서 제공되는 비디오 평가 모델은 3가지 부분, 즉 압축 왜곡 모델(compression distortion model), 패킷 손실 왜곡 모델(packet loss distortion) 및 리버퍼링 영향 모델(rebuffering influence model)을 포함한다. 압축 왜곡은 비디오 인코딩 압축에 의해 야기되는 왜곡이고, 압축 왜곡 품질은 서로 다른 비디오 스트림들이 서로 다른 인코딩 유형들의 경우에서 서로 다른 비트 레이트들로 인코딩될 때의 기본 품질이며; 패킷 손실 왜곡은 비디오 프레임의 손상에 의해 야기되는 비트 에러 왜곡 및 비트 에러 전파 왜곡이고, 여기에서 비디오 프레임의 손상은 네트워크 채널에서 전송되는 비디오 스트림 데이터 패킷의 손실 또는 지터로 인한 지연 패킷 손실에 의해 야기된다. 왜곡 정도 및 왜곡 값은 인코딩의 기본 품질에 의존하고, 리버퍼링 영향은 재생 단말 버퍼 내의 비디오 프레임의 수가 언더플로우 임계보다 낮기 때문에 야기되며, 이것은 특히 이미지의 한 프레임의 디스플레이 시간이 지나치게 긴 것으로서 나타난다. 리버퍼링 영향 모델 및 패킷 손실 왜곡 모델은 두 개의 독립적인 부분이며, 따로따로 계산될 수 있다.
비디오 데이터 품질
Figure pct00018
은 압축 왜곡 파라미터
Figure pct00019
, 프레임 손상 왜곡 파라미터
Figure pct00020
및 리버퍼링 왜곡 파라미터
Figure pct00021
에 관련될 수 있다.
Figure pct00022
는 다음과 같이 나타내어질 수 있다:
Figure pct00023
특정 비디오 데이터 품질은 서로 다른 방식들로 구해질 수 있다. 한 방식에서, 비디오 품질 파라미터는 압축 왜곡 파라미터와 프레임 손상 왜곡 파라미터 간의 차이이고; 다른 방식에서, 비디오 품질 파라미터는 압축 왜곡 파라미터와 비디오 데이터 리버퍼링 영향 파라미터 간의 차이이며; 또 다른 방식에서, 비디오 품질 파라미터는 압축 왜곡 파라미터로부터 프레임 손상 왜곡 파라미터를 감산한 후에 비디오 데이터 리버퍼링 영향 파라미터를 감산함으로써 구해지는 차이이다. 즉, 비디오 데이터 품질은 이하의 수학식들 중 하나를 통해 계산된다:
Figure pct00024
도 2를 참조하면, IP 데이터 패킷의 패킷 헤더 정보를 이용하고, 미리 취득된 파라미터 정보를 참조하여, 평가에 요구되는 직접 입력 파라미터가 추론되고, 압축 왜곡 파라미터 및 패킷 손실 왜곡 파라미터가 계산되며, 최종 비디오 시퀀스 품질이 구해진다. 실시예에서, 비디오 데이터의 압축 왜곡 파라미터가 구해지고, 프레임 손상 왜곡 파라미터가 구해지고, 압축 왜곡 파라미터 및 프레임 손상 왜곡 파라미터에 따라 비디오 품질 파라미터가 계산되며, 여기에서 비디오 품질 파라미터는 압축 왜곡 파라미터와 프레임 손상 왜곡 파라미터 간의 차이이다. 비디오 시퀀스 품질은 비디오 데이터의 압축 왜곡 파라미터로부터 프레임 손상 왜곡 파라미터를 감산함으로써 구해진다.
Figure pct00025
도 3을 참조하면, 본 발명의 비디오 데이터 품질 평가 방법의 실시예가 도시되어 있는데, 이것은 이하를 포함한다:
S301 : 비디오 데이터 패킷의 패킷 헤더로부터 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도 및 손상 빈도를 도출한다.
비디오 데이터 품질 평가 방법에서, 프레임 손상에 의해 야기되는 왜곡이 계산된다. 처음에, 프레임 경계가 RTP 데이터 패킷의 마커(Marker) 비트 또는 TS 패킷의 payload_unit_start_indicator 비트에 따라 취득될 필요가 있고, 각 비디오 프레임의 손상 조건이 데이터 패킷의 타임스탬프 및 시퀀스 번호와 같은 정보에 따라 취득되고, 동시에, 프레임 크기(인코딩된 데이터 양)에 따라 프레임 유형(I/IDR 프레임, P 프레임, B 프레임 및 비-I/IDR 시나리오 전환 프레임)이 추론되고, 통계 수집을 통해 이하의 정보가 취득된다:
(1) 손상된 프레임들의 비율(x) : 등급 부여가 필요한 시퀀스 내의 프레임의 총 개수에 대한 손상된 프레임들(패킷 손실을 갖는 프레임 및 비트 에러 전파로 인해 영향을 받은 프레임을 포함함)의 개수의 비율;
(2) 손상된 프레임들의 평균 손상 정도(y) : 손상된 프레임들의 평균 손상 비율; 및
(3) 소정 기간 내의 손상 빈도(FLF) : 손상 빈도는 패킷 손실 이벤트의 빈도, 즉 고정된 지속기간 내에서의 패킷 손실 이벤트의 수라고도 지칭되고; 패킷 손실 이벤트의 왜곡은 I/IDR 또는 시나리오 전환 프레임에서 종료하고; 일부 응용 시나리오에서 왜곡 종료 경계를 알 수 없을 때, 인접한 손상된 프레임이 하나의 손상으로 카운트되고, 손상 빈도에 대하여, 소정 기간 내의 손상의 수에 관한 통계가 직접 수집될 수 있다.
S302 : 비디오 데이터의 압축 왜곡 파라미터를 취득한다.
비디오 데이터의 압축 왜곡 파라미터는 비디오 인코딩 압축 왜곡의 비디오 기본 품질이 고려됨을 나타내며, 파라미터는 다수의 방법을 이용하여 구해질 수 있는데, 예를 들면, 종래 기술의 계산 방법이 이용될 수 있고, 본 실시예에서 이하에 설명되는 방법도 이용될 수 있다.
S303 : 압축 왜곡 파라미터, 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도, 및 손상 빈도를 이용하여 비디오 데이터의 프레임 손상 왜곡 파라미터를 계산하고, 여기에서 프레임 손상 왜곡 파라미터는 0과, 압축 왜곡 파라미터와 최소 품질 값 간의 차이의 사이에 있고, 비디오 프레임 손상 왜곡 파라미터는 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도, 및 손상 빈도 중 어느 하나라도 증가함에 따라, 최소 품질 값으로 감소한다.
실시예에서, 비디오 데이터의 프레임 손상 왜곡 파라미터는 이하의 수학식을 통해 계산된다:
Figure pct00026
수학식 3에서,
Figure pct00027
은 비디오 시퀀스의 최소 품질(예를 들어, 등급 부여(grading)가 5등급 분류 체계(five-grade rating system)인 경우에, 최소 품질은 1일 수 있음)을 나타내고,
Figure pct00028
는 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도 및 손상 빈도에 의해 형성되는 함수를 나타내며, 함수는
Figure pct00029
의 관계를 만족하고, 그것의 값은 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도 및 손상 빈도 중 임의의 변수의 값이 증가함에 따라 증가하여 1에 무한히 가까워진다. 즉, x, y 또는 FLF가 작을 때 왜곡은 보이지 않고, x, y 또는 FLF가 소정 정도까지 증가할 때 마크는 최저로 곧바로 떨어진다. 구체적인 계산 수학식은 상술한 규칙을 만족시키는 임의의 형태일 수 있다.
Figure pct00030
는 x, y, FLF 및 σ에 의해 형성되는 2차 다항식, 또는 멱 함수(power function)의 조합 또는 지수 함수의 조합일 수 있다.
실시예에서,
Figure pct00031
는 이하의 수학식을 이용하여 계산될 수 있다:
Figure pct00032
수학식 4에서, a1, a4, b4, a5, b5는 상수이고, 서로 다른 인코딩 유형들, 비디오 해상도들(및 디스플레이 스케일링) 및 비디오 컨텐츠 범주들 하에서 서로 다른 값들을 갖는다. 구체적인 물리적 의미는 다음과 같이 기술된다:
a1 : 비디오 시퀀스의 최소 품질(예를 들어, 등급 부여가 5등급 분류 체계인 경우에, 최소 품질은 1일 수 있음)을 나타낸다;
a4 : 주관적으로 허용가능한 비디오 컨텐츠 손상 비율을 나타낸다;
b4 : 비디오 컨텐츠 손상 비율에 대한 이러한 유형의 비디오를 향한 인간의 눈의 주관적 감각의 감도를 나타낸다;
a5 : 주관적으로 허용가능한 손상 빈도를 나타낸다;
b5 : 손상 빈도에 대한 이러한 유형의 비디오를 향한 인간의 눈의 주관적 감각의 감도를 나타낸다.
특히, 비디오 컨텐츠 범주를 알 수 없을 때, 상술한 파라미터 값들은 통계적 디폴트 값을 이용할 수 있다.
일부 응용 시나리오들에서, 예를 들어 단말 디바이스(네트워크 디바이스 또는 테스트 디바이스)의 계산 능력이 지나치게 낮을 때, 본 실시예에 수반된 각 수학식의 연산 결과는 테이블 검색을 통해 치환될 수 있다.
다른 실시예들에서,
Figure pct00033
는 이하의 수학식들을 이용하여 별도로 계산될 수 있다:
Figure pct00034
여기에서, a4, b4, c4, a5, b5, c5는 상수이고,
Figure pct00035
여기에서, a4, b4, c4, a5, b5, c5, a6, b6, c6은 상수이고,
Figure pct00036
또는,
Figure pct00037
여기에서, a4, b4, a5, b5는 상수이고,
Figure pct00038
또는,
Figure pct00039
여기에서, a4, b4, a5, b5, a6, b6은 상수이다.
또한, 일부 응용 시나리오들에서, H.264 프로토콜을 통해 인코딩된 비디오 스트림에 대하여, NAL 헤더에 관련된 정보가 파싱될 수 있는 경우, 복잡도가 지나치게 많이 증가하지 않고, 프레임이 기준 프레임인지에 관한 정보가 정확하게 취득될 수 있으며, 그러면, 프레임 유형 및 패킷 손실 분산 조건이 프레임 크기에 관하여 더 정확하게 추론될 수 있다.
본 발명의 해법에서 제공되는 비디오 품질 평가 모델은 비디오 비트 스트림 페이로드를 파싱할 필요가 있는 것이 아니라, 데이터 패킷의 패킷 헤더 정보만을 이용하여 비디오 스트림을 평가하여, 복잡도가 크게 감소되게 하고, 평가가 실시간으로 구현될 수 있게 한다. 한편, 비디오의 특징이면서 통상의 전송 데이터 패킷의 특징과는 다른 특징이 더 고려되므로, 패킷 손실 영향 계산 동안 데이터 패킷의 패킷 손실 레이트를 직접 이용하여 구해지는 것보다 결과가 더 정확하게 된다.
도 4를 참조하면, 비디오 데이터의 압축 왜곡 파라미터를 취득하는 실시예가 도시되어 있으며, 이것은 이하를 포함한다:
S401 : 비디오 스트림의 비트 레이트 및 프레임 레이트를 취득한다.
인코딩 유형, 비디오 해상도(및 디스플레이 스케일링) 및 비디오 컨텐츠 범주가 알려져 있는 경우, 비디오 스트림의 비트 레이트 및 프레임 레이트는 초당(per second) 데이터 패킷의 데이터 양 및 타임스탬프와 같은 정보에 따라 계산되고, 다르게는 채널 정보 전송 방식으로 취득될 수 있다.
S402 : 비디오 스트림의 비트 레이트 및 프레임 레이트에 따라 비디오 압축 왜곡 파라미터를 계산하며, 압축 왜곡 파라미터는 비트 레이트가 증가함에 따라 최대 값으로 증가하고, 소정의 비트 레이트에서, 압축 왜곡 파라미터는 프레임 레이트가 증가함에 따라 약간 감소한다.
실시예에서, 비디오 압축 왜곡 파라미터는 이하의 수학식에 따라 계산된다:
Figure pct00040
수학식 9에서, Fr은 프레임 레이트를 나타내고, Br은 비트 레이트를 나타내며, a1, a2, a3는 상수이고, 서로 다른 인코딩 유형들, 비디오 해상도들(및 디스플레이 스케일링) 및 비디오 컨텐츠 범주들 하에서 서로 다른 값들을 갖는다. 예를 들어, 비디오 압축 왜곡 파라미터는 5등급 분류 체계를 채택하며, a1은 일반적으로 1이고, a2는 해상도 및 디스플레이 스케일링에 관련된다. 일반적으로, 해상도가 작을수록 a2가 작고, 해상도가 커지면 a4는 4에 가까워지거나 그와 동일해진다. a3의 값은 주로 func(Fr,Br)와 조화를 이루며, 구체적으로는 인코딩 유형 및 비디오 해상도에 관련된다. 구체적인 물리적 의미는 아래와 같이 기술된다:
a1 : 비디오 시퀀스의 최소 품질(예를 들어, 등급 부여가 5등급 분류 체계인 경우에, 최소 품질은 1일 수 있음)을 나타낸다;
a1 + a2 : 비디오 시퀀스가 도달할 수 있는 최대 품질을 나타내며, 그것의 값은 해상도(및 디스플레이 스케일링)에 관련된다 (예를 들어, 등급 부여가 5등급 분류 체계인 경우, 최대 품질은 5일 수 있음);
a3 : 특정 인코딩 유형, 특정 비디오 해상도(및 디스플레이 스케일링), 특정 프레임 레이트, 및 특정 비디오 컨텐츠 범주 하에서의 압축 왜곡 감소 인자;
func(Fr,Br) : 비특정 프레임 레이트 하에서 비트 레이트에 행해진 조절이며, func(Fr,Br)은 Br이 증가함에 따라 증가하고, Fr이 감소함에 따라 증가하며; 프레임 레이트가 특정 프레임 레이트의 절반으로 감소하는 경우, 동일 비트 레이트 하에서 인코딩된 비디오 싱글 프레임의 품질은 증가하지만, 비디오 품질은 시간 영역 왜곡으로 인해 감소하며; 이 수학식은 선형 모델, 또는 비선형 모델, 또는 선형 모델과 비선형 모델의 조합일 수 있다.
특히, 비디오 컨텐츠 범주를 알 수 없는 경우, 상술한 파라미터 값들은 통계적 디폴트 값들(예를 들어, 서로 다른 종류의 파라미터 값들의 평균, 또는 특정 종류의 파라미터 값)을 이용할 수 있다.
일부 응용 시나리오들에서, 예를 들어, 단말 디바이스(네트워크 디바이스 또는 테스트 디바이스)의 계산 능력이 지나치게 낮을 때, 본 실시예에 수반된 각 수학식의 연산 결과는 테이블 검색을 통해 치환될 수 있다.
도 5를 참조하면, 비디오 컨텐츠 범주 정보를 미리 취득할 수 없을 때, 또는 범주가 충분히 정밀하지 않을 때, 더 정확한 압축 왜곡 품질을 취득하기 위해, 서로 다른 비디오 컨텐츠를 정밀하게 나타내는 비디오 컨텐츠 복잡도(λ로 나타내어지며; 본 실시예에서 제공되는 비디오 컨텐츠 복잡도는 비디오 인코딩의 복잡도 정도를 나타내기 위해 이용되고 비디오의 시간 복잡도 및 공간 복잡도에 관한 균일한 디스크립터(uniform descriptor)인데, 즉 활발한 움직임을 갖거나, 높은 시간 복잡도 및 풍부한 공간 상세라고 지칭되거나, 높은 공간 복잡도라고 지칭되는 비디오의 컨텐츠 복잡도는 비교적 높은 한편, 가벼운 움직임을 갖거나, 낮은 시간 복잡도 및 간단한 공간 상세라고 지칭되거나, 낮은 공간 복잡도라고 지칭되는 비디오의 컨텐츠 복잡도는 비교적 낮음)가 먼저 계산될 수 있고, 다음으로 압축 왜곡 파라미터의 제1 실시예의 모델에 관하여 계산이 수행된다.
도 6을 참조하면, 비디오 데이터의 압축 왜곡 파라미터를 취득하는 실시예가 도시되어 있는데, 이것은 이하를 포함한다:
S601 : 비디오 스트림의 비트 레이트 및 프레임 레이트를 취득한다.
인코딩 유형, 비디오 해상도(및 디스플레이 스케일링) 및 비디오 컨텐츠 범주가 알려져 있는 경우, 비디오 스트림의 비트 레이트 및 프레임 레이트는 초당 데이터 패킷의 데이터 양 및 타임스탬프와 같은 정보에 따라 계산되고, 다르게는 채널 정보 전송 방식으로 취득될 수 있다.
S602 : 비디오 컨텐츠 복잡도를 취득한다.
S603 : 비디오 스트림의 비트 레이트, 프레임 레이트 및 비디오 컨텐츠 복잡도에 따라 비디오 압축 왜곡 파라미터를 계산하는데, 압축 왜곡 파라미터는 비트 레이트가 증가함에 따라 최대 값으로 증가하고, 소정의 비트 레이트에서, 압축 왜곡 파라미터는 프레임 레이트가 증가함에 따라 약간 감소하고, 비디오 컨텐츠 복잡도가 증가함에 따라 감소한다.
실시예에서, 비디오 압축 왜곡 파라미터는 이하의 수학식에 따라 계산된다:
Figure pct00041
수학식 10에서, a1, a2는 상수이고, 그것의 상세는 압축 왜곡 파라미터의 제1 실시예에서의 것들과 동일하다.
Figure pct00042
는 비디오 컨텐츠 복잡도에 관련된 함수이고, 그것의 값은
Figure pct00043
가 증가함에 따라 증가하며, 구체적인 표시 형태는 선형 형태, 또는 비선형 형태, 또는 선형 형태와 비선형 형태의 조합일 수 있다.
비디오 스트림 내의 비디오 컨텐츠 복잡도
Figure pct00044
가 변경될 때, 작은
Figure pct00045
값들을 갖는 인접 비디오 세그먼트들(비트 에러 인코딩 경계에 의해 나누어지며, 일반적으로는 하나의 GOP가 하나의 비디오 세그먼트임) 내의
Figure pct00046
의 값들의 평균이 계산을 위해 이용되며, 전체 비디오 스트림의 마크를 취득하기 위해 조합이 더 수행된다.
구체적으로, 비디오 컨텐츠 복잡도를 계산하기 위해 두 가지 방법이 존재할 수 있다.
제1 방법에서, 많은 양의 비트 스트림 데이터에 대한 통계 분석 실험 후에, I 프레임 인코딩 비트의 수 RI(또는 다수의 비디오 세그먼트의 I 프레임 인코딩 비트의 평균 수)에 대한 인코딩 레이트 Br의 비율 R이 비디오 컨텐츠 특징을 어느 정도까지 반영할 수 있음이 밝혀졌다.
Figure pct00047
도 7을 참조하면, 일반적으로, 점점 더 활발해지는 움직임을 갖는 시퀀스 내에서는 R의 값이 점점 더 커지고, 점점 더 높아지는 공간 복잡도 정도를 갖는 시퀀스 내에서는 R의 값이 점점 더 작아지고, 비교적 가벼운 움직임 및 낮은 공간 복잡도 정도를 갖는 시퀀스 내에서의 R의 값은 상술한 두 가지 조건 내의 값들 사이에 있고 비교적 높은 공간 복잡도 정도를 갖는 시퀀스 내의 R의 값에 가깝다. 더욱이, R의 값 및 비트 레이트는 대략적으로 선형인 규칙 관계를 나타낸다.
상술한 규칙에 따르면, 임계값
Figure pct00048
가 설정되고, R과
Figure pct00049
사이의 차이의 절대값은 비디오 컨텐츠 복잡도를 나타내는 데 이용되며, 여기에서 임계값
Figure pct00050
와 비트 레이트 Br은 선형 관계를 나타내고, 그것의 값은 비교적 가벼운 움직임 및 낮은 공간 복잡도 정도를 갖는 시퀀스 내에서 R의 값에 가깝다.
Figure pct00051
구체적으로, 프레임 레이트 Fr 및 GOP 길이가 서로 다른 조합들을 가질 때,
Figure pct00052
를 함께 계산하기 위해 프레임 레이트와 GOP 길이를 가산하는 것도 생각될 수 있다.
제2 방법에서, 많은 양의 비트 스트림 데이터에 대한 통계 분석 실험 후에, 비디오 세그먼트 내의 I 프레임 인코딩 비트의 수 RI(또는 다수의 비디오 세그먼트의 I 프레임 인코딩 비트의 평균 수)에 대한 P 프레임 인코딩 비트의 평균 수
Figure pct00053
의 비율 T가 비디오 컨텐츠 특징을 어느 정도까지 반영할 수 있음이 밝혀졌다.
Figure pct00054
도 8을 참조하면, 일반적으로, 점점 더 활발해지는 움직임을 갖는 시퀀스 내에서는 T의 값이 점점 더 커지고, 점점 더 높아지는 공간 복잡도 정도를 갖는 시퀀스 내에서는 T의 값이 점점 더 작아지고, 비교적 가벼운 움직임 및 낮은 공간 복잡도 정도를 갖는 시퀀스 내에서의 T의 값은 상술한 두 가지 조건 내의 값들 사이에 있고 비교적 높은 공간 복잡도 정도를 갖는 시퀀스 내의 T의 값에 가깝다. 더욱이, T의 값 및 비트 레이트는 대략적으로 선형인 규칙 관계를 나타낸다.
상술한 규칙에 따르면, 임계값
Figure pct00055
가 설정되고, T와
Figure pct00056
사이의 차이의 절대값은 비디오 컨텐츠 복잡도를 나타내는 데 이용되며, 여기에서 임계값
Figure pct00057
와 비트 레이트 Br은 선형 관계를 나타내고, 그것의 값은 비교적 가벼운 움직임 및 낮은 공간 복잡도 정도를 갖는 시퀀스 내에서 T의 값에 가깝다.
Figure pct00058
구체적으로, 프레임 레이트 Fr 및 GOP 길이가 서로 다른 조합들을 가질 때,
Figure pct00059
를 함께 계산하기 위해 프레임 레이트와 GOP 길이를 가산하는 것도 생각될 수 있다.
구체적으로, 일부 응용 시나리오들에서, 비디오 컨텐츠 비디오 복잡도(
Figure pct00060
)가 채널 정보 전송에 의해 구해질 수 있는 경우에는 계산 프로세스가 생략될 수 있고, 압축 왜곡 품질은 본 실시예에 설명된 모델 수학식을 직접 이용하여 정확하게 계산된다.
일부 응용 시나리오들에서, 예를 들어, 단말 디바이스(네트워크 디바이스 또는 테스트 디바이스)의 계산 능력이 지나치게 낮을 때, 본 실시예에 수반된 각 수학식의 연산 결과는 테이블 검색을 통해 치환될 수 있다.
도 9를 참조하면, 비디오 컨텐츠 범주 정보를 미리 취득할 수 없을 때, 또는 범주가 충분히 정밀하지 않을 때, 더 정확한 패킷 손실 왜곡 품질을 취득하기 위해, 서로 다른 비디오 컨텐츠를 정밀하게 나타내는 비디오 컨텐츠 시간 복잡도(
Figure pct00061
로 나타내어지며; 본 실시예에서 제공되는 비디오 컨텐츠 시간 복잡도는 비디오 시퀀스 내의 움직임 강도를 나타내기 위해 이용되고, 움직임이 활발할수록 비디오 컨텐츠 시간 복잡도가 높아지고, 반대일 때 더 낮아짐)가 먼저 계산될 수 있고, 다음으로 도 3에 대응하는 실시예의 패킷 손실 왜곡 모델에 관하여 계산이 수행된다.
도 10을 참조하면, 본 발명의 비디오 데이터 품질 평가 방법의 다른 실시예가 도시되어 있는데, 이것은 이하를 포함한다:
S1001 : 비디오 데이터 패킷의 패킷 헤더로부터 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도, 손상 빈도 및 비디오 컨텐츠 시간 복잡도를 도출한다.
비디오 데이터 품질 평가 방법에서, 프레임 손상에 의해 야기되는 왜곡이 계산된다. 처음에, 프레임 경계가 RTP 데이터 패킷의 마커 비트 또는 TS 패킷의 payload_unit_start_indicator 비트에 따라 취득될 필요가 있고, 각 비디오 프레임의 손상 조건이 데이터 패킷의 타임스탬프 및 시퀀스 번호와 같은 정보에 따라 취득되고, 동시에, 프레임 크기(인코딩된 데이터 양)에 따라 프레임 유형(I/IDR 프레임, P 프레임, B 프레임 및 비-I/IDR 시나리오 전환 프레임)이 추론되고, 통계 수집을 통해 이하의 정보가 취득된다:
(1) 손상된 프레임들의 비율(x) : 등급 부여가 필요한 시퀀스 내의 프레임의 총 개수에 대한 손상된 프레임들(패킷 손실을 갖는 프레임 및 비트 에러 전파로 인해 영향을 받은 프레임을 포함함)의 개수의 비율;
(2) 손상된 프레임들의 평균 손상 정도(y) : 손상된 프레임들의 평균 손상 비율; 및
(3) 소정 기간 내의 손상 빈도(FLF) : 손상 빈도는 패킷 손실 이벤트의 빈도, 즉 고정된 지속기간 내에서의 패킷 손실 이벤트의 수라고도 지칭되고; 패킷 손실 이벤트의 왜곡은 I/IDR 또는 시나리오 전환 프레임에서 종료하고; 일부 응용 시나리오에서 왜곡 종료 경계를 알 수 없을 때, 인접한 손상된 프레임이 하나의 손상으로 카운트되고, 손상 빈도에 대하여, 소정 기간 내의 손상의 수에 관한 통계가 직접 수집될 수 있다.
비디오 컨텐츠 시간 복잡도
Figure pct00062
는 이하의 두 가지 방법을 이용한 계산을 통해 구해질 수 있다:
Figure pct00063
또는,
Figure pct00064
c4, c5는 상수이다.
구체적으로, 프레임 레이트 Fr 및 GOP 길이가 서로 다른 조합들을 가질 때,
Figure pct00065
를 함께 계산하기 위해 프레임 레이트와 GOP 길이를 가산하는 것도 생각될 수 있다.
S1002 : 비디오 데이터의 압축 왜곡 파라미터를 취득한다.
비디오 데이터의 압축 왜곡 파라미터는 비디오 인코딩 압축 왜곡의 비디오 기본 품질이 고려됨을 나타내며, 파라미터는 다수의 방법을 이용하여 구해질 수 있는데, 예를 들면, 종래 기술의 계산 방법이 이용될 수 있고, 본 실시예에서 이하에 설명되는 방법도 이용될 수 있다.
S1003 : 압축 왜곡 파라미터, 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도, 손상 빈도 및 비디오 컨텐츠 시간 복잡도를 이용하여 비디오 데이터의 프레임 손상 왜곡 파라미터를 계산하고, 프레임 손상 왜곡 파라미터는 0과, 압축 왜곡 파라미터와 최소 품질 값 간의 차이 사이에 있고, 비디오 프레임 손상 왜곡 파라미터는 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도, 및 손상 빈도 중 어느 하나라도 증가함에 따라, 최소 품질 값으로 감소하고, 비디오 컨텐츠 시간 복잡도가 증가함에 따라 증가한다. 비디오 시퀀스의 품질은 비디오 데이터의 압축 왜곡 파라미터로부터 프레임 손상 왜곡 파라미터를 감산함으로써 구해진다.
Figure pct00066
실시예에서, 비디오 데이터의 프레임 손상 왜곡 파라미터는 이하의 수학식을 이용하여 계산된다:
Figure pct00067
수학식 17에서, a1은 비디오 시퀀스의 최소 품질(예를 들어, 등급 부여가 5등급 분류 체계인 경우에, 최소 품질은 1일 수 있음)을 나타내고,
Figure pct00068
는 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도, 손상 빈도 및 비디오 컨텐츠 복잡도에 의해 형성되는 함수를 나타내며, 함수는
Figure pct00069
의 관계를 만족하고, 그것의 값은 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도 및 손상 빈도 중 임의의 변수가 증가함에 따라 증가하여 1에 무한히 가까워지고, 비디오 컨텐츠 복잡도가 증가함에 따라 증가한다. 즉, x, y 또는 FLF가 작을 때 왜곡은 보이지 않고, 비디오 컨텐츠 복잡도가 낮을수록 왜곡이 덜 분명해지는 한편, x, y 또는 FLF가 소정 정도까지 증가할 때 마크는 최저로 곧바로 떨어진다. 비디오 컨텐츠 시각 복잡도가 높을수록, 왜곡이 더 쉽게 발견될 수 있다.
실시예에서,
Figure pct00070
는 이하의 수학식을 이용하여 계산된다:
Figure pct00071
수학식 18에서, a1, b4, b5는 상수이고, 서로 다른 인코딩 유형들, 비디오 해상도들(및 디스플레이 스케일링) 및 비디오 컨텐츠 범주들 하에서 서로 다른 값들을 갖는다.
Figure pct00072
및
Figure pct00073
는 비디오 컨텐츠 시간 복잡도에 관련된 함수이고, 그들의 값은
Figure pct00074
의 값이 증가함에 따라 감소하며, 구체적인 표시 형태는 선형 형태, 또는 비선형 형태, 또는 선형 형태와 비선형 형태의 조합일 수 있다.
a1 : 비디오 시퀀스의 최소 품질(예를 들어, 등급 부여가 5등급 분류 체계인 경우에, 최소 품질은 1일 수 있음)을 나타낸다;
b4 : 비디오 컨텐츠 손상 비율에 대한 이러한 유형의 비디오를 향한 인간의 눈의 주관적 감각의 감도를 나타낸다;
b5 : 손상 빈도에 대한 이러한 유형의 비디오를 향한 인간의 눈의 주관적 감각의 감도를 나타낸다.
구체적으로, 일부 응용 시나리오들에서, 비디오 컨텐츠 시간 복잡도(
Figure pct00075
)가 채널 정보 전송에 의해 구해질 수 있는 경우에는 계산 프로세스가 생략될 수 있고, 패킷 손실 왜곡 품질은 본 실시예에 설명된 모델 수학식을 직접 이용하여 정확하게 계산된다.
일부 응용 시나리오들에서, 예를 들어, 단말 디바이스(네트워크 디바이스 또는 테스트 디바이스)의 계산 능력이 지나치게 낮을 때, 본 실시예에 수반된 각 수학식의 연산 결과는 테이블 검색을 통해 치환될 수 있다.
서로 다른 실시예들에서,
Figure pct00076
는 이하의 수학식을 이용하여 별도로 계산될 수 있다:
Figure pct00077
여기에서, a4, b4, c4, a5, b5, c5는 상수이고, 서로 다른 인코딩 유형들, 비디오 해상도들(및 디스플레이 스케일링) 및 비디오 컨텐츠 범주들 하에서 서로 다른 값들을 갖는다.
Figure pct00078
는 비디오 컨텐츠 시간 복잡도에 관련된 함수이고, 그것의 값은
Figure pct00079
의 값이 증가함에 따라 증가하며, 구체적인 표시 형태는 선형 형태, 또는 비선형 형태, 또는 선형 형태와 비선형 형태의 조합일 수 있다;
Figure pct00080
여기에서, a4, b4, c4, a5, b5, c5, a6, b6, c6는 상수이고, 서로 다른 인코딩 유형들, 비디오 해상도들(및 디스플레이 스케일링) 및 비디오 컨텐츠 범주들 하에서 서로 다른 값들을 가지며,
Figure pct00081
는 비디오 컨텐츠 시간 복잡도에 관련된 함수이고, 그것의 값은
Figure pct00082
의 값이 증가함에 따라 증가하며, 구체적인 표시 형태는 선형 형태, 또는 비선형 형태, 또는 선형 형태와 비선형 형태의 조합일 수 있다;
Figure pct00083
또는,
Figure pct00084
여기에서,b4, b5는 상수이고, 서로 다른 인코딩 유형들, 비디오 해상도들(및 디스플레이 스케일링) 및 비디오 컨텐츠 범주들 하에서 서로 다른 값들을 갖고,
Figure pct00085
및
Figure pct00086
는 비디오 컨텐츠 시간 복잡도에 관련된 함수이고, 그들의 값은
Figure pct00087
의 값이 증가함에 따라 감소하며, 구체적인 표시 형태는 선형 형태, 또는 비선형 형태, 또는 선형 형태와 비선형 형태의 조합일 수 있다; 그리고,
Figure pct00088
또는,
Figure pct00089
여기에서, b4, b5, b6는 상수이고, 서로 다른 인코딩 유형들, 비디오 해상도들(및 디스플레이 스케일링) 및 비디오 컨텐츠 범주들 하에서 서로 다른 값들을 갖고,
Figure pct00090
,
Figure pct00091
및
Figure pct00092
는 비디오 컨텐츠 시간 복잡도에 관련된 함수이고, 그들의 값은
Figure pct00093
의 값이 증가함에 따라 감소하며, 구체적인 표시 형태는 선형 형태, 또는 비선형 형태, 또는 선형 형태와 비선형 형태의 조합일 수 있다
또한, 일부 응용 시나리오들에서, H.264 프로토콜을 통해 인코딩된 비디오 스트림에 대하여, NAL 헤더에 관련된 정보가 파싱될 수 있는 경우에는 복잡도가 지나치게 많이 증가하지 않고, 프레임이 기준 프레임인지에 관한 정보가 정확하게 취득될 수 있으며, 그러면 프레임 유형 및 패킷 손실 분산 조건이 프레임 크기에 대하여 더 정확하게 추론될 수 있다.
본 발명의 해법에서 제공되는 비디오 품질 평가 모델은 비디오 비트 스트림 페이로드를 파싱할 필요가 있는 것이 아니라, 데이터 패킷의 패킷 헤더 정보만을 이용하여 비디오 스트림을 평가하여, 복잡도가 크게 감소되게 하고, 평가가 실시간으로 구현될 수 있게 한다. 한편, 비디오의 특징이면서 통상의 전송 데이터 패킷의 특징과는 다른 특징이 더 고려되므로, 패킷 손실 영향 계산 동안 데이터 패킷의 패킷 손실 레이트를 직접 이용하여 구해지는 것보다 결과가 더 정확하게 된다.
도 11을 참조하면, 데이터 패킷의 패킷 헤더 정보를 이용하고, 미리 취득된 파라미터 정보를 참조하여, 평가에 요구되는 직접 입력 파라미터가 함께 추론되고, 압축 왜곡 모델 및 패킷 손실 왜곡 모델이 계산되며, 최종 비디오 시퀀스 품질이 구해진다. 모델의 입력 파라미터는 상술한 실시예에서의 긴 기간의 비디오 시퀀스 또는 통계 정보가 아니라, 짧은 비디오 세그먼트(비트 에러 종료 프레임을 경계로 하고, 일반적으로 GOP임)의 특정 손상 정보이다. 먼저, 비디오 세그먼트를 나누기 위해 비트 에러 종료 경계(예를 들어, I/IDR 프레임 또는 시나리오 전환 프레임)이 검출된 다음, 긴 기간에서의 비디오 스트림의 품질 또는 비디오 시퀀스를 취득하기 위해 비디오 세그먼트에 대해 품질 평가가 수행된다.
도 12를 참조하면, 본 발명의 비디오 데이터 품질 평가 방법의 다른 실시예가 도시되며, 이것은 이하를 포함한다:
S1201 : 비디오 시퀀스의 각각의 비디오 세그먼트 내에서 비디오 세그먼트 내의 각각의 기준 프레임의 비트 에러 전파로 인해 영향을 받을 프레임의 수 및 손상 비율(impairment proportion), 및 비디오 세그먼트 내의 패킷 손실을 갖는 비-기준 프레임(non-reference frames)의 수 및 패킷 손실 손상 비율을 취득한다.
실제로, 패킷 손실 왜곡 모델은 프레임 손상에 의해 비디오 세그먼트에 야기되는 왜곡을 계산한다. 비디오 세그먼트는 전체 비디오 시퀀스의 짧은 섹션이며, 고정 길이 또는 가변 길이를 갖는 섹션일 수 있으며, 일반적으로는 GOP이다. 처음에, 프레임 경계가 RTP 데이터 패킷의 마커 비트 또는 TS 패킷의 payload_unit_start_indicator 비트에 따라 취득될 필요가 있고, 각 비디오 프레임의 패킷 손실 손상 조건이 데이터 패킷의 타임스탬프 및 시퀀스 번호와 같은 정보에 따라 취득되고, 동시에, 프레임 크기(인코딩된 데이터 양)에 따라 프레임 유형(I/IDR 프레임, P 프레임, B 프레임 및 비-I/IDR 시나리오 전환 프레임) 및/또는 이들 프레임이 기준 프레임인지의 여부가 추론되어, 비디오 세그먼트 경계가 구해진다. 통계 수집을 통해 이하의 정보가 취득된다:
(1) 비디오 세그먼트 내의 각 기준 프레임의 위치(비트 에러 전파로 인해 영향을 받을 프레임의 수) 및 손상 비율; 및
(2) 비디오 세그먼트 내의 패킷 손실을 갖는 비-기준 프레임의 수 및 패킷 손실 손상 비율.
S1202 : 비디오 세그먼트 내의 각각의 기준 프레임의 비트 에러 전파로 인해 영향을 받을 프레임의 수 및 손상 비율을 이용하여 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 계산하는데, 여기에서 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡은 비트 에러 전파로 인해 영향을 받을 프레임의 수 및 손상 비율 중 어느 하나라도 증가함에 따라 증가한다.
비디오 세그먼트 내의 기준 프레임이 패킷 손실을 갖는 경우, 비디오 세그먼트에 대한 영향은 압축 왜곡 모델, 즉 압축 왜곡 파라미터, 비디오 세그먼트에서의 기준 프레임의 상호 위치(reciprocal position)(비트 에러에 의해 전파되는 프레임의 수), 및 기준 프레임의 패킷 손실 손상 비율에 의해 계산된 기본 마크(
Figure pct00094
)에 의해 주로 결정된다. 구체적인 모델 수학식은 이하와 같다:
Figure pct00095
수학식 23에서,
Figure pct00096
는 i번째 비디오 세그먼트의 압축 왜곡 파라미터이고,
Figure pct00097
은 상수이고 비디오의 가장 낮은 마크(lowest mark)를 나타내고,
Figure pct00098
은 해당 기준 프레임보다는 뒤에 있으면서 비디오 세그먼트의 끝보다는 앞에 있는 프레임의 수, 즉 비트 에러에 의해 전파되는 프레임의 수를 나타내고,
Figure pct00099
는 해당 기준 프레임의 패킷 손실 손상 비율을 나타내고,
Figure pct00100
은 해당 기준 프레임의 전체 프레임이 손실되거나 프레임 헤더가 손실된 경우에 비디오 세그먼트에 야기되는 왜곡 영향 인자를 나타내고,
Figure pct00101
는 프레임의 서로 다른 패킷 손실 손상 비율들에 의해 야기되는 서로 다른 주관적 왜곡 정도 영향 인자들(subjective distortion degree influence factors)을 나타낸다.
Figure pct00102
은
Figure pct00103
이 증가함에 따라 증가할 필요가 있고, 그것의 모델은 비선형 또는 선형일 수 있으며, 예를 들면 이하의 수학식과 같다:
Figure pct00104
또는,
Figure pct00105
또는,
Figure pct00106
수학식 24에서, a11, b11은 상수이다. 분명히,
Figure pct00107
은 상술한 수학식과는 다른, 다른 선형 형태와 비선형 형태의 조합일 수도 있다.
Figure pct00108
는
Figure pct00109
가 증가함에 따라 증가할 필요가 있고, 그것의 모델은 비선형 또는 선형일 수 있으며, 예를 들면 이하의 수학식과 같다:
Figure pct00110
또는,
Figure pct00111
또는,
Figure pct00112
수학식 25에서, a12, b12, c12, d12는 상수이다. 분명히,
Figure pct00113
는 상술한 수학식과는 다른, 다른 선형 형태와 비선형 형태의 조합일 수도 있다.
비디오 세그먼트 내의 다수의 기준 프레임이 패킷 손실을 가질 때, 비디오 세그먼트에 대한 영향 요소는 주로, 비디오 세그먼트 상의 각각의 기준 프레임의 패킷 손실 손상의 주관적 왜곡 정도(
Figure pct00114
), 및 패킷 손실 손상을 갖는 기준 프레임의 수(N)를 포함한다. 구체적인 계산 수학식은 아래와 같다:
Figure pct00115
패킷 손실 손상을 갖는 각각의 기준 프레임에 대해 계산된 왜곡 값
Figure pct00116
이 점점 더 커질 때, 패킷 손실 손상을 갖는 프레임의 수 N이 증가함에 따라, 상술한 수학식에 따라 계산된
Figure pct00117
의 값도 점점 더 커진다. 구체적인 모델은 선형 또는 비선형일 수 있으며, 분명히 선형 모델과 비선형 모델의 조합일 수도 있다.
S1203 : 패킷 손실 손상을 갖는 비-기준 프레임의 수 및 패킷 손실 손상 비율을 이용하여 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 계산한다.
비디오 세그먼트 내의 하나 이상의 비-기준 프레임이 패킷 손실을 가질 때, 비디오 세그먼트에 대한 영향 요소는 주로, 패킷 손실 손상을 갖는 비-기준 프레임의 수(M), 및 비-기준 프레임의 패킷 손실 손상 정도(
Figure pct00118
)를 포함한다. 구체적인 모델 수학식은 다음과 같다:
Figure pct00119
상술한 수학식에서,
Figure pct00120
는 손상된 위치와 사람 눈의 초점이 맞춰지는 영역 간의 거리를 나타내고, M은 패킷 손실을 갖는 비-기준 프레임의 수를 나타내고, 패킷 손실을 갖는 비-기준 프레임의 수가 커질수록, 손상된 위치는 사람 눈의 초점이 맞춰지는 영역에 더 가까워지고, 왜곡 값은 더 커진다. 구체적인 모델은 선형 또는 비선형일 수 있으며, 분명히 선형 모델과 비선형 모델의 조합일 수도 있다.
S1204 : 패킷 손실(프레임 손상)에 의해 야기되는 왜곡(
Figure pct00121
)을 구하기 위해, 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡과 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 조합하는데, 이러한 왜곡은 비디오 프레임 손상 왜곡 파라미터(
Figure pct00122
)이고, 비디오 세그먼트의 품질
Figure pct00123
는 압축 왜곡 파라미터(
Figure pct00124
)로부터 비디오 프레임 손상 왜곡 파라미터를 감산함으로써 구해진다.
Figure pct00125
Figure pct00126
비디오 프레임 손상 왜곡 파라미터는 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡(
Figure pct00127
) 및 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡(
Figure pct00128
)을 이용한 계산을 통해 구해진다:
Figure pct00129
기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡이 비디오 세그먼트에 더 큰 영향을 갖는 반면, 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡은 비디오 세그먼트에 더 적은 영향을 갖는다. 상술한 수학식의 구체적인 형태는 서로 다른 응용 시나리오들, 또는 가중 평균 또는 비선형 조합을 통한 인코딩 방식에 따라 취득될 수 있다.
특히, 비디오 컨텐츠 범주를 알 수 없는 경우, 본 실시예에서 기술된 파라미터 값들은 통계적 디폴트 값들(예를 들어, 서로 다른 종류의 파라미터 값들의 평균, 또는 특정 종류의 파라미터 값)을 이용할 수 있다.
일부 응용 시나리오들에서, 예를 들어, 단말 디바이스(네트워크 디바이스 또는 테스트 디바이스)의 계산 능력이 지나치게 낮을 때, 본 실시예에 수반된 각 수학식의 연산 결과는 테이블 검색을 통해 치환될 수 있다.
상술한 실시예에서, 비디오 데이터의 압축 왜곡 파라미터는 비디오 인코딩 압축 왜곡의 비디오 기본 품질이 고려됨을 나타내며, 파라미터는 다수의 방법을 통해 구해질 수 있는데, 예를 들면, 종래 기술의 계산 방법이 이용될 수 있고, 상술한 실시예에서 언급된 방법도 이용될 수 있다. 예를 들어, 도 4에 대응하는 방법이 이용될 수 있고, 도 6에 대응하는 방법도 이용될 수 있다.
도 13 및 도 14를 참조하면, 비디오 컨텐츠 범주 정보를 미리 취득할 수 없을 때, 또는 범주가 충분히 정밀하지 않을 때, 더 정확한 패킷 손실 왜곡 품질을 취득하기 위해, 서로 다른 비디오 컨텐츠를 정밀하게 나타내는 비디오 컨텐츠 시간 복잡도가 먼저 계산될 수 있고(계산 방법은 도 10에 대응하는 실시예에서 설명된 것과 동일함), 다음으로 도 12에 대응하는 실시예의 패킷 손실 왜곡 모델에 관하여 계산이 수행된다. 동시에, 제1 실시예에서 언급된 모델을 이용하여 압축 왜곡 모델이 계산될 수 있고, 구체적인 파라미터 값은 통계적 디폴트 값을 이용할 수 있다.
도 15를 참조하면, 본 발명의 비디오 품질 파라미터를 취득하는 방법의 실시예가 도시되어 있으며, 이것은 이하를 더 포함한다:
비디오 컨텐츠 시간 복잡도를 취득한다.
비디오 프레임 손상 왜곡 파라미터는 비디오 컨텐츠 시간 복잡도가 증가함에 따라 증가한다. 비디오 컨텐츠 시간 복잡도의 영향은 기준 프레임 및 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡에 가산되고; 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡은 비디오 컨텐츠 시간 복잡도가 증가함에 따라 증가하고; 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡은 또한 비디오 컨텐츠 시간 복잡도가 증가함에 따라 증가한다.
기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡에 대한 비디오 컨텐츠 시간 복잡도
Figure pct00130
의 영향은 이하와 같이 표현된다:
Figure pct00131
수학식 31에서, a1은 상수이고 비디오의 가장 낮은 마크를 나타내며,
Figure pct00132
은 비트 에러에 의해 전파되는 프레임의 수 및 비디오 컨텐츠 시간 복잡도에 관련된 함수이고, 그것의 구체적인 형태는 아래와 같을 수 있다:
Figure pct00133
또는,
Figure pct00134
수학식 32에서, a11, b11은 상수이고,
Figure pct00135
는 선형 모델 또는 비선형 모델이며,
Figure pct00136
가 증가함에 따라
Figure pct00137
가 증가할 것을 보장할 수만 있다면, 선형 모델과 비선형 모델의 조합일 수도 있다.
Figure pct00138
는 다른 형태도 가질 수 있다.
비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡에 대한 비디오 컨텐츠 시간 복잡도
Figure pct00139
의 영향은 아래와 같이 표현된다:
Figure pct00140
상술한 수학식에서, 패킷 손실을 갖는 비-기준 프레임의 수가 많을수록, 손상된 위치는 사람 눈의 초점이 맞춰지는 영역에 더 가까워지고, 비디오 컨텐츠 시간 복잡도
Figure pct00141
가 더 커지며, 왜곡 값은 더 커진다. 구체적인 모델은 선형 또는 비선형일 수 있으며, 선형 모델과 비선형 모델의 조합일 수도 있다.
구체적으로, 일부 응용 시나리오들에서, 비디오 컨텐츠 시간 복잡도(
Figure pct00142
)가 채널 정보 전송에 의해 구해질 수 있는 경우, 패킷 손실 왜곡 품질은 또한 본 실시예의 모델 수학식을 이용하여 정확하게 계산될 수 있다.
일부 응용 시나리오들에서, 예를 들어, 단말 디바이스(네트워크 디바이스 또는 테스트 디바이스)의 계산 능력이 지나치게 낮을 때, 본 실시예에 수반된 각 수학식의 연산 결과는 테이블 검색을 통해 치환될 수 있다.
패킷 손실 왜곡 파라미터는 도 4에 대응하는 방법을 통해 구해진다.
도 16을 참조하면, 비디오 시퀀스 품질이 계산될 때, 비디오 컨텐츠 복잡도를 고려하여 계산된 압축 왜곡 모델과 비디오 컨텐츠 시간 복잡도를 고려하여 계산된 패킷 손실 왜곡 모델이 함께 조합된다.
구체적으로, 일부 응용 시나리오들에서, 비디오 컨텐츠 비디오 복잡도(
Figure pct00143
) 및 비디오 컨텐츠 시간 복잡도(
Figure pct00144
)가 채널 정보 전송에 의해 취득될 수 있는 경우, 압축 왜곡 품질 및 패킷 손실 왜곡 품질은 또한 본 실시예에 설명된 모델 수학식으로 정확하게 계산될 수 있다.
상술한 실시예에서, 프레임 손상 정도 및 비트 에러 확장을 야기한 영향 및 서로 다른 비디오 컨텐츠에 대한 패킷 손실 손상의 영향을 고려하여 비디오 데이터 품질이 계산될 때, 평가 결과는 더 정확하다.
도 17을 참조하면, 본 발명은 리버퍼링 영향 파라미터를 취득하는 방법을 더 제공하며, 리버퍼링 영향 평가 모델은 상술한 실시예에서 언급된 압축 왜곡 모델 및 패킷 손실 왜곡 모델에 관하여 비디오 시퀀스 품질을 계산할 수 있다. 비디오 데이터의 압축 왜곡 파라미터가 구해진 다음, 비디오 데이터 리버퍼링 영향 파라미터가 구해지고; 비디오 품질 파라미터는 압축 왜곡 파라미터와 비디오 데이터 리버퍼링 영향 파라미터 간의 차이이다. 패킷 손실 손상이 동시에 존재할 때, 비디오 품질 파라미터는 압축 왜곡 파라미터로부터 프레임 손상 왜곡 파라미터를 감산한 후 비디오 데이터 리버퍼링 영향 파라미터를 감산함으로써 구해지는 차이이다. 리버퍼링의 영향은 패킷 손실과 같은 다른 손상 인자에는 의존하지 않고, 리버퍼링 지속기간, 리버퍼링 종료 시간으로부터 등급부여 시간까지의 지속기간, 및 2회의 인접한 리버퍼링 간의 간격에 관련된다. 리버퍼링이 발생할 때, 비디오 시퀀스의 품질이 감소된다(
Figure pct00145
으로서 기록됨). 리버퍼링이 종료할 때, 비디오 재생이 시작하고, 비디오 시퀀스의 품질이 점진적으로 복구된다(
Figure pct00146
로서 기록됨). 마지막 리버퍼링으로부터 현재 리버퍼링까지의 간격 내에 다른 리버퍼링이 존재할 때, 마지막 리버퍼링은 현재의 리버퍼링에 소정의 영향을 가질 수 있다(2개의 리버퍼링 간의 상호 영향은
Figure pct00147
로서 기록됨).
도 18을 참조하면, 본 발명에서 리버퍼링 영향 파라미터를 취득하는 방법의 실시예는 이하를 포함한다:
S1801 : 비디오 데이터 패킷의 패킷 헤더로부터 각각의 리버퍼링 지속기간, 리버퍼링 복구 지속기간 및 리버퍼링 간격을 취득한다.
S1802 : 각각의 리버퍼링 지속기간을 이용하여 리버퍼링 감소 품질을 계산하는데, 리버퍼링 감소 품질은 상기 리버퍼링 지속기간이 증가함에 따라 선형 또는 비선형으로 증가한다.
1회의 리버퍼링의 리버퍼링 지속기간은 t1으로서 기록되고, 리버퍼링 감소 품질은 다음과 같다:
Figure pct00148
상술한 수학식에서, 리버퍼링 지속기간 t1이 길수록, 품질은 더 많이 감소한다. 구체적인 형태는 아래와 같을 수 있다:
Figure pct00149
수학식 35에서, a8은 상수이다. 리버퍼링 감소 품질 모델은 또한 다른 선형 수학식 또는 비선형 수학식일 수 있고, 또는 상술한 규칙을 만족하는 다른 선형 수학식과 비선형 수학식의 조합일 수 있다.
다른 실시예에서, 구체적인 형태는 다음과 같을 수 있다:
Figure pct00150
또는,
Figure pct00151
또는,
Figure pct00152
여기에서, a8, b8, c8은 상수이다.
S1803 : 리버퍼링 복구 지속기간을 이용하여 리버퍼링 복구 품질을 계산하는데, 리버퍼링 복구 품질은 리버퍼링 복구 지속기간이 증가함에 따라 선형 또는 비선형으로 증가한다.
리버퍼링 종료 시간으로부터 등급부여 시간까지의 복구 지속기간은 t2로서 기록되며, 리버퍼링 복구 품질은 다음과 같다:
Figure pct00153
상술한 수학식에서, 복구 지속기간 t2가 길수록, 품질은 더 높게 복구된다(리버퍼링 복구 품질이 리버퍼링이 발생하지 않은 때의 원래의 품질을 초과하지 않을 것이 보장되어야 함). 구체적인 형태는 다음과 같을 수 있다:
Figure pct00154
수학식 38에서, a9, b9, c9는 상수이다. 리버퍼링 복구 품질 모델은 또한 다른 선형 수학식 또는 비선형 수학식일 수 있고, 또는 상술한 규칙을 만족하는 다른 선형 수학식과 비선형 수학식의 조합일 수 있다.
다른 실시예에서, 구체적인 형태는 다음과 같을 수 있다:
Figure pct00155
또는,
Figure pct00156
또는,
Figure pct00157
여기에서, a9, b9는 상수이다.
S1804 : 리버퍼링 간격을 이용하여 리버퍼링 영향 품질을 계산하는데, 리버퍼링 영향 품질은 리버퍼링 간격이 증가함에 따라 선형 또는 비선형으로 감소한다.
현재 리버퍼링 앞의 간격 내에 다른 리버퍼링이 존재하는 경우, 이 시간은 t3로서 기록되고, 2회의 인접한 리버퍼링 간의 상호 영향(mutual influence)의 품질은 다음과 같다:
[수학식 39]
Figure pct00158
상술한 수학식에서, 복구 지속기간 t3가 길수록, 상호 영향 품질은 더 작아진다. 구체적인 형태는 아래와 같을 수 있다:
[수학식 39]
Figure pct00159
수학식 39에서, a10, b10은 상수이다. 2회의 인접 리버퍼링의 상호 영향 품질 모델은 또한 다른 선형 수학식 또는 비선형 수학식일 수 있고, 또는 상술한 규칙을 만족하는 다른 선형 수학식과 비선형 수학식의 조합일 수 있다.
다른 실시예에서, 구체적인 형태는 아래와 같을 수 있다:
Figure pct00160
또는,
Figure pct00161
또는,
Figure pct00162
a10, b10, c10은 상수이다.
S1805 : 리버퍼링 영향 파라미터를 구하기 위해, 리버퍼링 감소 품질, 리버퍼링 복구 품질 및 리버퍼링 영향 품질을 조합한다.
리버퍼링 영향 모델은 다음과 같다:
Figure pct00163
등급부여 시간 전의 각각의 리버퍼링의 영향은 상술한 모델을 이용하여 계산되며, 구체적인 등급부여 시간은 각각의 비디오 세그먼트가 종료한 후의 시간, 각각의 리버퍼링 후 비디오 재생이 시작될 때의 시간, 또는 비디오 시퀀스가 종료할 때의 시간일 수 있다. 각각의 리버퍼링 영향의 구체적인 모델은 이하의 수학식과 같을 수 있다:
Figure pct00164
다른 실시예에서, 구체적인 형태는 다음과 같을 수 있다:
[수학식 42]
Figure pct00165
또는,
Figure pct00166
S1806 : 비디오 시퀀스의 품질을 취득하기 위해, 압축 왜곡 파라미터와 리버퍼링 영향 파라미터를 조합한다.
비디오 시퀀스의 품질은 비디오 데이터의 압축 왜곡 파라미터로부터 리버퍼링 영향 파라미터를 감산함으로써 구해진다:
Figure pct00167
패킷 손실이 동시에 발생할 때, 비디오 시퀀스의 품질은 비디오 데이터의 압축 왜곡 파라미터로부터 프레임 손상 왜곡 파라미터 및 리버퍼링 영향 파라미터를 감산함으로써 구해진다.
Figure pct00168
일부 응용 시나리오들에서, 예를 들어, 단말 디바이스(네트워크 디바이스 또는 테스트 디바이스)의 계산 능력이 지나치게 낮은 경우, 본 실시예에 수반된 각 수학식의 연산 결과는 테이블 검색을 통해 치환될 수 있다.
본 실시예에서, 리버퍼링 영향 파라미터가 소정 기간 내의 복수의 리버퍼링의 상호 영향을 고려하여 계산된다면, 평가 결과는 더 정확하다.
본 기술분야의 통상의 지식을 가진 자들은 상술한 실시예들에 따른 방법의 프로세스들의 전부 또는 일부가 관련 하드웨어에 명령을 내리는 컴퓨터 프로그램에 의해 구현될 수 있음을 이해해야 한다. 프로그램은 컴퓨터 판독가능한 저장 매체에 저장될 수 있다. 프로그램이 실행될 때, 실시예들에 따른 방법의 프로세스들이 수행된다. 저장 매체는 자기 디스크, 광학 디스크, 판독 전용 메모리(ROM: Read-Only Memory) 또는 랜덤 액세스 메모리(RAM: Random Access Memory), 또는 그와 유사한 것일 수 있다.
상술한 방법 실시예들과 관련하여, 본 발명은 비디오 데이터 품질 평가 장치를 더 제공하며, 장치는 단말 디바이스, 네트워크 디바이스 또는 테스트 디바이스 내에 위치될 수 있다. 비디오 데이터 품질 평가 장치는 하드웨어 회로를 이용하여, 또는 소프트웨어 및 하드웨어의 협동을 통해 구현될 수 있다. 예를 들어, 도 19를 참조하면, 비디오 데이터 품질 평가는 프로세서를 이용하여 비디오 데이터 품질 평가 장치를 호출함으로써 구현된다. 비디오 데이터 품질 평가 유닛은 상술한 방법 실시예들에서의 다양한 방법 및 절차를 실행할 수 있다.
도 20을 참조하면, 비디오 데이터 품질 평가 장치의 실시예는:
비디오 데이터의 압축 왜곡 파라미터를 취득하도록 구성된 압축 왜곡 계산 유닛(2001);
프레임 손상 왜곡 파라미터를 취득하도록 구성된 프레임 손상 왜곡 계산 유닛(2002); 및
압축 왜곡 파라미터 및 프레임 손상 왜곡 파라미터에 따라 비디오 품질 파라미터를 계산하도록 구성된 조합 유닛(2003) - 비디오 품질 파라미터는 압축 왜곡 파라미터와 프레임 손상 왜곡 파라미터 사이의 차이임 -
을 포함한다.
도 21을 참조하면, 프레임 손상 왜곡 계산 유닛(2002)은:
비디오 데이터 패킷의 패킷 헤더로부터 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도, 및 손상 빈도를 도출해내도록 구성된 파라미터 추출 유닛(2101);
비디오 데이터의 압축 왜곡 파라미터를 취득하도록 구성된 왜곡 취득 유닛(2102); 및
압축 왜곡 파라미터, 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도, 및 손상 빈도를 이용하여 비디오 데이터의 프레임 손상 왜곡 파라미터를 계산하도록 구성된 계산 유닛(2103) - 프레임 손상 왜곡 파라미터는 0과, 압축 왜곡 파라미터와 최소 품질 값 간의 차이 사이에 있고, 비디오 프레임 손상 왜곡 파라미터는 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도, 및 손상 빈도 중 어느 하나라도 증가함에 따라, 최소 품질 값으로 감소함 -
을 포함한다.
도 22를 참조하면, 실시예에서, 압축 왜곡 계산 유닛(2102)은:
비디오 스트림의 비트 레이트 및 프레임 레이트를 취득하도록 구성된 파라미터 추출 유닛(2201); 및
비디오 스트림의 비트 레이트 및 프레임 레이트에 따라 비디오 압축 왜곡 파라미터를 계산하도록 구성된 계산 유닛(2202) - 압축 왜곡 파라미터는 비트 레이트가 증가함에 따라 최대 값으로 증가하고, 소정의 비트 레이트에서, 압축 왜곡 파라미터는 프레임 레이트가 증가함에 따라 감소함 -
을 포함한다.
도 22를 참조하면, 다른 실시예에서, 압축 왜곡 계산 유닛(2102)은:
비디오 스트림의 비트 레이트, 프레임 레이트 및 비디오 컨텐츠 복잡도를 취득하도록 구성된 파라미터 추출 유닛(2201); 및
비디오 스트림의 비트 레이트, 프레임 레이트 및 비디오 컨텐츠 복잡도에 따라 비디오 압축 왜곡 파라미터를 계산하도록 구성된 계산 유닛(2202) - 압축 왜곡 파라미터는 비트 레이트가 증가함에 따라 최대 값으로 증가하고, 비디오 컨텐츠 복잡도가 증가함에 따라 감소하며, 소정의 비트 레이트에서, 압축 왜곡 파라미터는 프레임 레이트가 증가함에 따라 감소함 -
을 포함한다.
또한, 비디오 데이터 품질 평가 장치는:
비디오 컨텐츠 시간 복잡도를 취득하도록 구성된 비디오 컨텐츠 시간 복잡도 추출 유닛을 더 포함하고,
비디오 프레임 손상 왜곡 파라미터는 비디오 컨텐츠 시간 복잡도가 증가함에 따라 증가한다.
도 23을 참조하면, 다른 실시예에서, 프레임 손상 왜곡 계산 유닛(2002)은 이하를 포함한다:
파라미터 추출 유닛(2301)은 비디오 데이터 패킷의 패킷 헤더로부터, 비디오 시퀀스의 각각의 비디오 세그먼트 내에서 비디오 세그먼트 내의 각각의 기준 프레임의 비트 에러 전파로 인해 영향을 받을 프레임의 수 및 손상 비율, 및 비디오 세그먼트 내의 패킷 손실을 갖는 비-기준 프레임의 수 및 패킷 손실 손상 비율을 취득하도록 구성된다.
왜곡 취득 유닛(2302)은 비디오 데이터의 압축 왜곡 파라미터를 취득하도록 구성된다.
기준 프레임 손상 계산 유닛(2303)은 비디오 세그먼트 내의 각각의 기준 프레임의 비트 에러 전파로 인해 영향을 받을 프레임의 수 및 손상 비율을 이용하여 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 계산하도록 구성되는데, 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡은 비트 에러 전파로 인해 영향을 받을 프레임의 수 및 손상 비율 중 어느 하나라도 증가함에 따라 증가한다.
기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 계산하는 것은:
각각의 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을
Figure pct00169
에 의해 계산하는 것 -
Figure pct00170
은 상수이고 비디오의 가장 낮은 마크를 나타내고,
Figure pct00171
은 해당 기준 프레임보다는 뒤에 있으면서 비디오 세그먼트의 끝보다는 앞에 있는 프레임의 수를 나타내고,
Figure pct00172
는 해당 기준 프레임의 패킷 손실 손상 비율을 나타내고,
Figure pct00173
은 해당 기준 프레임의 전체 프레임이 손실되거나 프레임 헤더가 손실된 경우에 비디오 세그먼트에 야기되는 왜곡 영향 인자를 나타내고,
Figure pct00174
은
Figure pct00175
이 증가함에 따라 증가할 필요가 있고,
Figure pct00176
는 프레임의 서로 다른 패킷 손실 손상 비율들에 의해 야기되는 서로 다른 주관적 왜곡 정도 영향 인자들을 나타내며,
Figure pct00177
는
Figure pct00178
가 증가함에 따라 증가할 필요가 있음 - ; 및
비디오 세그먼트에서의 손상된 기준 프레임의 패킷 손실 손상 왜곡을 조합하여, 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 얻는 것
을 포함한다.
비-기준 프레임 손상 계산 유닛(2304)은 패킷 손실을 갖는 비-기준 프레임의 수 및 패킷 손실 손상 비율을 이용하여, 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 계산하도록 구성된다.
비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡은 이하의 수학식:
Figure pct00179
에 따라 계산되고,
Figure pct00180
는 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 나타내고,
Figure pct00181
는 손상된 위치와 사람 눈의 초점이 맞춰지는 영역 간의 거리를 나타내고, M은 패킷 손실을 갖는 비-기준 프레임의 수를 나타내고, 패킷 손실을 갖는 비-기준 프레임의 수가 커질수록, 손상된 위치는 사람 눈의 초점이 맞춰지는 영역에 더 가까워지고, 비-기준 프레임의 패킷 손실 손상은 더 커진다.
조합 유닛(2305)은 프레임 손상 왜곡 파라미터를 얻기 위해, 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡 및 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 조합하도록 구성된다.
본 발명의 실시예들에 관련된 예시적인 논리 블록, 모듈 및 회로는 이하의 장치들: 범용 프로세서, DSP(digital signal processor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 또는 다른 프로그래밍가능한 논리 장치, 이산 도어(discrete door) 또는 트랜지스터 로직, 이산 하드웨어 컴포넌트, 또는 위에 설명된 기능들을 구현하도록 설계 및 구성된 임의의 조합에 의해 구성 또는 구현될 수 있다. 범용 프로세서는 마이크로프로세서일 수 있지만, 다른 선택안으로서, 프로세서는 임의의 보통의 프로세서, 컨트롤러, 마이크로컨트롤러 또는 상태 머신일 수 있다. 프로세서는 또한 계산 장치들의 조합, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서의 조합, 하나 이상의 마이크로프로세서와 DSP 코어의 조합, 또는 임의의 다른 그러한 구성으로서도 구성될 수 있다.
상술한 설명은 본 발명의 일부 실시예들에 지나지 않으며, 본 기술분야에 숙련된 자들은 본 발명의 취지 및 범위로부터 벗어나지 않고서 출원 명세서에 따른 본 발명에 대해 다양한 수정 및 변형을 가할 수 있을 것이다.

Claims (30)

  1. 비디오 데이터 품질 평가 방법으로서,
    비디오 데이터 패킷의 패킷 헤더 정보에 따라 비디오 데이터의 압축 왜곡 파라미터(compression distortion parameter)를 취득하는 단계;
    상기 비디오 데이터 패킷의 상기 패킷 헤더 정보에 따라 프레임 손상 왜곡 파라미터(frame impairment distortion parameter)를 취득하는 단계; 및
    상기 압축 왜곡 파라미터 및 상기 프레임 손상 왜곡 파라미터에 따라 비디오 품질 파라미터를 계산하는 단계 - 상기 비디오 품질 파라미터는 상기 압축 왜곡 파라미터와 상기 프레임 손상 왜곡 파라미터의 차이임 -
    를 포함하는 비디오 데이터 품질 평가 방법.
  2. 제1항에 있어서,
    상기 프레임 손상 왜곡 파라미터를 취득하는 단계는,
    상기 비디오 데이터 패킷의 패킷 헤더로부터 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도 및 손상 빈도를 도출해내는 단계;
    상기 비디오 데이터의 상기 압축 왜곡 파라미터를 취득하는 단계; 및
    상기 압축 왜곡 파라미터, 상기 손상된 프레임들의 비율, 상기 손상된 프레임들의 평균 손상 정도 및 상기 손상 빈도를 이용하여 상기 비디오 데이터의 프레임 손상 왜곡 파라미터를 계산하는 단계 - 상기 프레임 손상 왜곡 파라미터는 0과, 상기 압축 왜곡 파라미터와 최소 품질 값의 차이 사이에 있고, 상기 비디오 프레임 손상 왜곡 파라미터는 상기 손상된 프레임들의 비율, 상기 손상된 프레임들의 평균 손상 정도 및 상기 손상 빈도 중 어느 하나라도 증가함에 따라, 상기 최소 품질 값으로 감소함-
    를 포함하는, 비디오 데이터 품질 평가 방법.
  3. 제1항 또는 제2항에 있어서,
    상기 비디오 데이터의 압축 왜곡 파라미터를 취득하는 단계는,
    비디오 스트림의 비트 레이트 및 프레임 레이트를 취득하는 단계; 및
    상기 비디오 스트림의 상기 비트 레이트 및 상기 프레임 레이트에 따라 상기 비디오 압축 왜곡 파라미터를 계산하는 단계 - 상기 압축 왜곡 파라미터는 상기 비트 레이트가 증가함에 따라 최대 값으로 증가하고, 소정의 비트 레이트에서 상기 압축 왜곡 파라미터는 상기 프레임 레이트가 증가함에 따라 감소함 -
    를 포함하는, 비디오 데이터 품질 평가 방법.
  4. 제1항 또는 제2항에 있어서,
    상기 비디오 데이터의 압축 왜곡 파라미터를 취득하는 단계는,
    비디오 스트림의 비트 레이트, 프레임 레이트 및 비디오 컨텐츠 복잡도를 취득하는 단계; 및
    상기 비디오 스트림의 상기 비트 레이트, 상기 프레임 레이트 및 상기 비디오 컨텐츠 복잡도에 따라 상기 비디오 압축 왜곡 파라미터를 계산하는 단계 - 상기 압축 왜곡 파라미터는 상기 비트 레이트가 증가함에 따라 최대 값으로 증가하고 상기 비디오 컨텐츠 복잡도가 증가함에 따라 감소하며, 소정의 비트 레이트에서 상기 압축 왜곡 파라미터는 상기 프레임 레이트가 증가함에 따라 감소함 -
    를 포함하는, 비디오 데이터 품질 평가 방법.
  5. 제2항에 있어서,
    상기 프레임 손상 왜곡 파라미터는 이하의 수학식:
    Figure pct00182

    에 따라 계산되고, 여기서
    Figure pct00183
    은 상기 프레임 손상 왜곡 파라미터를 나타내고,
    Figure pct00184
    은 상기 압축 왜곡 파라미터를 나타내고,
    Figure pct00185
    은 상수이고 비디오 시퀀스의 최소 품질을 나타내며,
    Figure pct00186
    는 손상된 프레임들의 비율 x, 손상된 프레임들의 평균 손상 정도 y 및 상기 손상 빈도에 의해 형성되는 함수 FLF를 나타내며, 상기 함수는
    Figure pct00187
    의 관계를 만족하고, FLF에서의 상기 손상된 프레임들의 비율 x, 상기 손상된 프레임들의 평균 손상 정도 y 및 상기 손상 빈도 중 어느 하나라도 증가함에 따라 증가하여 1에 무한히 가까워지는, 비디오 데이터 품질 평가 방법.
  6. 제5항에 있어서,
    상기
    Figure pct00188
    는 x, y 및 FLF에 의해 형성되는 2차 다항식이거나, 멱 함수(power function) 또는 지수 함수의 조합인, 비디오 데이터 품질 평가 방법.
  7. 제2항에 있어서,
    비디오 컨텐츠 시간 복잡도(video content temporal complexity)를 취득하는 단계를 더 포함하고,
    상기 비디오 프레임 손상 왜곡 파라미터는 상기 비디오 컨텐츠 시간 복잡도가 증가함에 따라 증가하는, 비디오 데이터 품질 평가 방법.
  8. 제7항에 있어서,
    상기 프레임 손상 왜곡 파라미터는 이하의 수학식:
    Figure pct00189
    에 따라 계산되고,
    Figure pct00190
    은 상기 프레임 손상 왜곡 파라미터를 나타내고,
    Figure pct00191
    은 상기 압축 왜곡 파라미터를 나타내고,
    Figure pct00192
    은 상수이고 비디오 시퀀스의 최소 품질을 나타내며,
    Figure pct00193
    는 손상된 프레임들의 비율 x, 손상된 프레임들의 평균 손상 정도 y 및 상기 손상 빈도에 의해 형성되는 함수 FLF를 나타내며, 상기 함수는
    Figure pct00194
    의 관계를 만족하고, FLF에서의 상기 손상된 프레임들의 비율 x, 상기 손상된 프레임들의 평균 손상 정도 y 및 상기 손상 빈도 중 어느 하나라도 증가함에 따라 증가하여 1에 무한히 가까워지고, 상기 비디오 컨텐츠 시간 복잡도가 증가함에 따라 증가하는, 비디오 데이터 품질 평가 방법.
  9. 제8항에 있어서,
    상기
    Figure pct00195
    는 x, y, FLF 및 σ에 의해 형성되는 2차 다항식이거나, 멱 함수 또는 지수 함수의 조합인, 비디오 데이터 품질 평가 방법.
  10. 제1항에 있어서,
    상기 프레임 손상 왜곡 파라미터를 취득하는 단계는,
    비디오 데이터 패킷의 패킷 헤더로부터, 비디오 시퀀스의 각각의 비디오 세그먼트 내에서 비디오 세그먼트 내의 각각의 기준 프레임의 비트 에러 전파로 인해 영향을 받을 프레임들의 수 및 손상 비율(impairment proportion), 상기 비디오 세그먼트 내의 패킷 손실을 갖는 비-기준 프레임들(non-reference frames)의 수 및 패킷 손실 손상 비율을 취득하는 단계;
    상기 비디오 데이터의 상기 압축 왜곡 파라미터를 취득하는 단계;
    상기 비디오 세그먼트 내의 각각의 기준 프레임의 비트 에러 전파로 인해 영향을 받을 프레임들의 수 및 상기 손상 비율을 이용하여 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 계산하는 단계 - 상기 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡은 상기 비트 에러 전파로 인해 영향을 받을 프레임들의 수 및 상기 손상 비율 중 어느 하나라도 증가함에 따라 증가함 -;
    상기 패킷 손실을 갖는 비-기준 프레임들의 수 및 상기 패킷 손실 손상 비율을 이용하여, 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 계산하는 단계; 및
    상기 프레임 손상 왜곡 파라미터를 얻기 위해, 상기 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡 및 상기 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 조합하는 단계
    를 포함하는, 비디오 데이터 품질 평가 방법.
  11. 제10항에 있어서,
    상기 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 계산하는 단계는,
    각각의 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을
    Figure pct00196
    에 의해 계산하는 단계 -
    Figure pct00197
    은 상수이고 비디오의 가장 낮은 마크(lowest mark)를 나타내고,
    Figure pct00198
    은 해당 기준 프레임보다는 뒤에 있으면서 상기 비디오 세그먼트의 끝보다는 앞에 있는 프레임들의 수를 나타내고,
    Figure pct00199
    는 해당 기준 프레임의 패킷 손실 손상 비율을 나타내고,
    Figure pct00200
    은 해당 기준 프레임의 전체 프레임이 손실되거나 프레임 헤더가 손실된 경우에 상기 비디오 세그먼트에 야기되는 왜곡 영향 인자를 나타내고,
    Figure pct00201
    은
    Figure pct00202
    이 증가함에 따라 증가할 필요가 있고,
    Figure pct00203
    는 프레임의 서로 다른 패킷 손실 손상 비율들에 의해 야기되는 서로 다른 주관적 왜곡 정도 영향 인자들(subjective distortion degree influence factors)을 나타내며,
    Figure pct00204
    는
    Figure pct00205
    가 증가함에 따라 증가할 필요가 있음 - ; 및
    상기 비디오 세그먼트에서의 손상된 기준 프레임의 패킷 손실 손상 왜곡을 조합하여, 상기 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 얻는 단계
    를 포함하는, 비디오 데이터 품질 평가 방법.
  12. 제11항에 있어서,
    상기 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡은 이하의 수학식:
    Figure pct00206
    에 따라 계산되고,
    Figure pct00207
    는 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 나타내고,
    Figure pct00208
    는 손상된 위치와 사람 눈의 초점이 맞춰지는 영역 간의 거리를 나타내고, M은 패킷 손실을 갖는 비-기준 프레임들의 수를 나타내고, 패킷 손실을 갖는 비-기준 프레임들의 수가 커질수록 상기 손상된 위치는 상기 사람 눈의 초점이 맞춰지는 영역에 더 가까워지고 상기 비-기준 프레임의 패킷 손실 손상이 더 커지는, 비디오 데이터 품질 평가 방법.
  13. 제11항에 있어서,
    비디오 컨텐츠 시간 복잡도를 취득하는 단계를 더 포함하고,
    상기 비디오 프레임 손상 왜곡 파라미터는 상기 비디오 컨텐츠 시간 복잡도가 증가함에 따라 증가하는, 비디오 데이터 품질 평가 방법.
  14. 제13항에 있어서,
    상기 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 얻는 단계는,
    각각의 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을
    Figure pct00209
    에 의해 계산하는 단계 -
    Figure pct00210
    은 상수이고 상기 비디오의 가장 낮은 마크를 나타내고,
    Figure pct00211
    은 해당 기준 프레임보다는 뒤에 있으면서 상기 비디오 세그먼트의 끝보다는 앞에 있는 프레임들의 수를 나타내고,
    Figure pct00212
    는 해당 기준 프레임의 패킷 손실 손상 비율을 나타내고,
    Figure pct00213
    는 비트 에러에 의해 전파되는 프레임들의 수 및 상기 비디오 컨텐츠 시간 복잡도에 관련된 함수이고,
    Figure pct00214
    은
    Figure pct00215
    및
    Figure pct00216
    가 증가함에 따라 증가할 필요가 있고,
    Figure pct00217
    는 프레임의 서로 다른 패킷 손실 손상 비율들에 의해 야기되는 서로 다른 주관적 왜곡 정도 영향 인자들을 나타내며,
    Figure pct00218
    는
    Figure pct00219
    가 증가함에 따라 증가함 -; 및
    상기 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 얻기 위해, 상기 비디오 세그먼트에서의 손상된 기준 프레임의 패킷 손실 손상 왜곡을 조합하는 단계
    를 포함하는, 비디오 데이터 품질 평가 방법.
  15. 제13항에 있어서,
    상기 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡은 이하의 수학식:
    Figure pct00220
    에 따라 계산되고,
    Figure pct00221
    는 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 나타내고,
    Figure pct00222
    는 손상된 위치와 사람 눈의 초점이 맞춰지는 영역 간의 거리를 나타내고, M은 패킷 손실을 갖는 비-기준 프레임들의 수를 나타내고, σ는 상기 비디오 컨텐츠 시간 복잡도를 나타내고, 패킷 손실을 갖는 비-기준 프레임들의 수가 커질수록 상기 손상된 위치는 상기 사람 눈의 초점이 맞춰지는 영역에 더 가까워지고, 상기 비디오 컨텐츠 시간 복잡도 σ가 높아지고, 왜곡 값이 더 커지는, 비디오 데이터 품질 평가 방법.
  16. 비디오 데이터 품질 평가 방법으로서,
    비디오 데이터 패킷의 패킷 헤더 정보에 따라 비디오 데이터의 압축 왜곡 파라미터를 취득하는 단계;
    상기 비디오 데이터 패킷의 상기 패킷 헤더 정보에 따라 비디오 데이터 리버퍼링 영향 파라미터(video data rebuffering influence parameter)를 취득하는 단계; 및
    상기 압축 왜곡 파라미터 및 상기 비디오 데이터 리버퍼링 영향 파라미터에 따라 비디오 품질 파라미터를 계산하는 단계 - 상기 비디오 품질 파라미터는 상기 압축 왜곡 파라미터와 상기 비디오 데이터 리버퍼링 영향 파라미터의 차이임 -
    를 포함하는 비디오 데이터 품질 평가 방법.
  17. 제16항에 있어서,
    상기 비디오 데이터 패킷의 상기 패킷 헤더 정보에 따라 프레임 손상 왜곡 파라미터를 취득하는 단계
    를 더 포함하고,
    상기 비디오 품질 파라미터는 상기 압축 왜곡 파라미터로부터 상기 프레임 손상 왜곡 파라미터를 감산하고, 이어서 상기 비디오 데이터 리버퍼링 영향 파라미터를 감산함으로써 구해지는 차이인, 비디오 데이터 품질 평가 방법.
  18. 제16항 또는 제17항에 있어서,
    상기 비디오 데이터 리버퍼링 영향 파라미터를 취득하는 단계는,
    상기 비디오 데이터 패킷의 패킷 헤더로부터 각각의 리버퍼링 지속기간, 리버퍼링 복구 지속기간 및 리버퍼링 간격을 취득하는 단계;
    각각의 리버퍼링 지속기간을 이용하여 리버퍼링 감소 품질을 계산하는 단계 - 상기 리버퍼링 감소 품질은 상기 리버퍼링 지속기간이 증가함에 따라 선형 또는 비선형으로 증가함 -;
    상기 리버퍼링 복구 지속기간을 이용하여 리버퍼링 복구 품질을 계산하는 단계 - 상기 리버퍼링 복구 품질은 상기 리버퍼링 복구 지속기간이 증가함에 따라 선형 또는 비선형으로 증가함 -;
    상기 리버퍼링 간격을 이용하여 리버퍼링 영향 품질을 계산하는 단계 - 상기 리버퍼링 영향 품질은 상기 리버퍼링 간격이 증가함에 따라 선형 또는 비선형으로 감소함 -; 및
    상기 리버퍼링 영향 파라미터를 얻기 위해, 상기 리버퍼링 감소 품질, 상기 리버퍼링 복구 품질 및 상기 리버퍼링 영향 품질을 조합하는 단계
    를 포함하는, 비디오 데이터 품질 평가 방법.
  19. 제18항에 있어서,
    상기 리버퍼링 감소 품질은 상기 리버퍼링 지속기간의 선형 함수, 또는 이항 함수(binomial function), 또는 멱 함수, 또는 지수 함수인, 비디오 데이터 품질 평가 방법.
  20. 제18항에 있어서,
    상기 리버퍼링 복구 품질은 상기 복구 지속기간의 선형 함수, 또는 이항 함수, 또는 멱 함수, 또는 지수 함수인, 비디오 데이터 품질 평가 방법.
  21. 제18항에 있어서,
    상기 리버퍼링 영향 품질은 상기 리버퍼링 간격의 선형 함수, 또는 이항 함수, 또는 멱 함수, 또는 지수 함수인, 비디오 데이터 품질 평가 방법.
  22. 비디오 데이터 품질 평가 장치로서,
    비디오 데이터 패킷의 패킷 헤더 정보에 따라 비디오 데이터의 압축 왜곡 파라미터를 취득하도록 구성된 압축 왜곡 계산 유닛;
    상기 비디오 데이터 패킷의 상기 패킷 헤더 정보에 따라 프레임 손상 왜곡 파라미터를 취득하도록 구성된 프레임 손상 왜곡 계산 유닛; 및
    상기 압축 왜곡 파라미터 및 상기 프레임 손상 왜곡 파라미터에 따라 비디오 품질 파라미터를 계산하도록 구성된 조합 유닛 - 상기 비디오 품질 파라미터는 상기 압축 왜곡 파라미터와 상기 프레임 손상 왜곡 파라미터의 차이임 -
    을 포함하는 비디오 데이터 품질 평가 장치.
  23. 제22항에 있어서,
    상기 프레임 손상 왜곡 계산 유닛은,
    상기 비디오 데이터 패킷의 패킷 헤더로부터 손상된 프레임들의 비율, 손상된 프레임들의 평균 손상 정도 및 손상 빈도를 도출해내도록 구성된 파라미터 추출 유닛;
    상기 비디오 데이터의 상기 압축 왜곡 파라미터를 취득하도록 구성된 왜곡 취득 유닛; 및
    상기 압축 왜곡 파라미터, 상기 손상된 프레임들의 비율, 상기 손상된 프레임들의 평균 손상 정도 및 상기 손상 빈도를 이용하여 상기 비디오 데이터의 프레임 손상 왜곡 파라미터를 계산하도록 구성된 계산 유닛 - 상기 프레임 손상 왜곡 파라미터는 0과, 상기 압축 왜곡 파라미터와 최소 품질 값의 차이 사이에 있고, 상기 비디오 프레임 손상 왜곡 파라미터는 상기 손상된 프레임들의 비율, 상기 손상된 프레임들의 평균 손상 정도 및 상기 손상 빈도 중 어느 하나라도 증가함에 따라, 상기 최소 품질 값으로 감소함 -
    을 포함하는, 비디오 데이터 품질 평가 장치.
  24. 제22항에 있어서,
    상기 압축 왜곡 계산 유닛은,
    비디오 스트림의 비트 레이트 및 프레임 레이트를 취득하도록 구성된 파라미터 추출 유닛; 및
    상기 비디오 스트림의 상기 비트 레이트 및 상기 프레임 레이트에 따라 상기 비디오 압축 왜곡 파라미터를 계산하도록 구성된 계산 유닛 - 상기 압축 왜곡 파라미터는 상기 비트 레이트가 증가함에 따라 최대 값으로 증가하고, 소정의 비트 레이트에서, 상기 압축 왜곡 파라미터는 상기 프레임 레이트가 증가함에 따라 감소함 -
    을 포함하는, 비디오 데이터 품질 평가 장치.
  25. 제22항에 있어서,
    상기 압축 왜곡 계산 유닛은,
    비디오 스트림의 비트 레이트, 프레임 레이트 및 비디오 컨텐츠 복잡도를 취득하도록 구성된 파라미터 추출 유닛; 및
    상기 비디오 스트림의 상기 비트 레이트, 상기 프레임 레이트 및 상기 비디오 컨텐츠 복잡도에 따라 상기 비디오 압축 왜곡 파라미터를 계산하도록 구성된 계산 유닛 - 상기 압축 왜곡 파라미터는 상기 비트 레이트가 증가함에 따라 최대 값으로 증가하고 상기 비디오 컨텐츠 복잡도가 증가함에 따라 감소하며, 소정의 비트 레이트에서, 상기 압축 왜곡 파라미터는 상기 프레임 레이트가 증가함에 따라 감소함 -
    을 포함하는, 비디오 데이터 품질 평가 장치.
  26. 제22항에 있어서,
    비디오 컨텐츠 시간 복잡도를 취득하도록 구성된 비디오 컨텐츠 시간 복잡도 추출 유닛을 더 포함하고,
    상기 비디오 프레임 손상 왜곡 파라미터는 상기 비디오 컨텐츠 시간 복잡도가 증가함에 따라 증가하는, 비디오 데이터 품질 평가 장치.
  27. 제22항에 있어서,
    상기 프레임 손상 왜곡 계산 유닛은,
    비디오 데이터 패킷의 패킷 헤더로부터, 비디오 시퀀스의 각각의 비디오 세그먼트 내에서 비디오 세그먼트 내의 각각의 기준 프레임의 비트 에러 전파로 인해 영향을 받을 프레임들의 수 및 손상 비율, 상기 비디오 세그먼트 내의 패킷 손실을 갖는 비-기준 프레임들의 수 및 패킷 손실 손상 비율을 취득하도록 구성된 파라미터 추출 유닛;
    상기 비디오 데이터의 상기 압축 왜곡 파라미터를 취득하도록 구성된 왜곡 취득 유닛;
    상기 비디오 세그먼트 내의 각각의 기준 프레임의 비트 에러 전파로 인해 영향을 받을 프레임들의 수 및 상기 손상 비율을 이용하여 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 계산하도록 구성된 기준 프레임 손상 계산 유닛 - 상기 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡은 상기 비트 에러 전파로 인해 영향을 받을 프레임들의 수 및 상기 손상 비율 중 어느 하나라도 증가함에 따라 증가함 -;
    상기 패킷 손실을 갖는 비-기준 프레임들의 수 및 상기 패킷 손실 손상 비율을 이용하여, 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 계산하도록 구성된 비-기준 프레임 손상 계산 유닛; 및
    상기 프레임 손상 왜곡 파라미터를 얻기 위해, 상기 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡 및 상기 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 조합하도록 구성된 조합 유닛
    을 포함하는, 비디오 데이터 품질 평가 장치.
  28. 제27항에 있어서,
    상기 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 계산하는 것은,
    각각의 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을
    Figure pct00223
    에 의해 계산하는 것 -
    Figure pct00224
    은 상수이고 비디오의 가장 낮은 마크를 나타내고,
    Figure pct00225
    은 해당 기준 프레임보다는 뒤에 있으면서 상기 비디오 세그먼트의 끝보다는 앞에 있는 프레임들의 수를 나타내고,
    Figure pct00226
    는 해당 기준 프레임의 패킷 손실 손상 비율을 나타내고,
    Figure pct00227
    은 해당 기준 프레임의 전체 프레임이 손실되거나 프레임 헤더가 손실된 경우에 상기 비디오 세그먼트에 야기되는 왜곡 영향 인자를 나타내고,
    Figure pct00228
    은
    Figure pct00229
    이 증가함에 따라 증가할 필요가 있고,
    Figure pct00230
    는 프레임의 서로 다른 패킷 손실 손상 비율들에 의해 야기되는 서로 다른 주관적 왜곡 정도 영향 인자들을 나타내며,
    Figure pct00231
    는
    Figure pct00232
    가 증가함에 따라 증가할 필요가 있음 - ; 및
    상기 비디오 세그먼트에서의 손상된 기준 프레임의 패킷 손실 손상 왜곡을 조합하여, 상기 기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 얻는 것
    을 포함하는, 비디오 데이터 품질 평가 장치.
  29. 제27항에 있어서,
    상기 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡은 이하의 수학식:
    Figure pct00233
    에 따라 계산되고,
    Figure pct00234
    는 비-기준 프레임의 패킷 손실 손상에 의해 야기되는 왜곡을 나타내고,
    Figure pct00235
    는 손상된 위치와 사람 눈의 초점이 맞춰지는 영역 간의 거리를 나타내고, M은 패킷 손실을 갖는 비-기준 프레임들의 수를 나타내고, 패킷 손실을 갖는 비-기준 프레임들의 수가 커질수록 상기 손상된 위치는 상기 사람 눈의 초점이 맞춰지는 영역에 더 가까워지고 상기 비-기준 프레임의 패킷 손실 손상이 더 커지는, 비디오 데이터 품질 평가 장치.
  30. 제27항에 있어서,
    비디오 컨텐츠 시간 복잡도를 취득하도록 구성된 비디오 컨텐츠 시간 복잡도 추출 유닛
    을 더 포함하고,
    상기 비디오 프레임 손상 왜곡 파라미터는 상기 비디오 컨텐츠 시간 복잡도가 증가함에 따라 증가하는, 비디오 데이터 품질 평가 장치.
KR1020137018020A 2011-04-11 2012-03-30 비디오 데이터 품질 평가 방법 및 장치 KR101464456B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201110090022.8A CN102740108B (zh) 2011-04-11 2011-04-11 一种视频数据质量评估方法和装置
CN201110090022.8 2011-04-11
PCT/CN2012/073317 WO2012139467A1 (zh) 2011-04-11 2012-03-30 一种视频数据质量评估方法和装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020137020206A Division KR101465927B1 (ko) 2011-04-11 2012-03-30 비디오 데이터 품질 평가 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20130112056A true KR20130112056A (ko) 2013-10-11
KR101464456B1 KR101464456B1 (ko) 2014-11-21

Family

ID=46994772

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020137018020A KR101464456B1 (ko) 2011-04-11 2012-03-30 비디오 데이터 품질 평가 방법 및 장치
KR1020137020206A KR101465927B1 (ko) 2011-04-11 2012-03-30 비디오 데이터 품질 평가 방법 및 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020137020206A KR101465927B1 (ko) 2011-04-11 2012-03-30 비디오 데이터 품질 평가 방법 및 장치

Country Status (6)

Country Link
US (1) US9319670B2 (ko)
EP (2) EP2663088A3 (ko)
JP (2) JP5745098B2 (ko)
KR (2) KR101464456B1 (ko)
CN (2) CN102740108B (ko)
WO (1) WO2012139467A1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180045722A (ko) * 2016-10-26 2018-05-04 에스케이텔레콤 주식회사 영상품질 측정장치 및 방법
KR20180045726A (ko) * 2016-10-26 2018-05-04 에스케이텔레콤 주식회사 영상품질 측정장치 및 방법
KR20180045711A (ko) * 2016-10-26 2018-05-04 에스케이텔레콤 주식회사 영상품질 측정장치 및 방법
KR20180045719A (ko) * 2016-10-26 2018-05-04 에스케이텔레콤 주식회사 영상품질 측정장치 및 방법

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2679015A4 (en) * 2011-06-07 2014-05-21 Huawei Tech Co Ltd DEVICE AND METHOD FOR CONTROLLING VIDEO SESSION IN A DATA NETWORK
CN103634594B (zh) 2012-08-21 2015-04-29 华为技术有限公司 一种获得视频编码压缩质量的方法及装置
CN103747237B (zh) * 2013-02-06 2015-04-29 华为技术有限公司 视频编码质量的评估方法及设备
CN104935918B (zh) * 2013-02-20 2017-04-05 华为技术有限公司 视频静止失真程度评估方法和装置
CN104185022B (zh) * 2013-09-18 2016-03-30 电子科技大学 基于视觉信息失真分解的全参考视频质量评估方法
JP5707461B2 (ja) * 2013-09-24 2015-04-30 日本電信電話株式会社 映像品質推定装置、映像品質推定方法及びプログラム
CN103533367B (zh) * 2013-10-23 2015-08-19 传线网络科技（上海）有限公司 一种无参考视频质量评价方法及装置
AU2013273829A1 (en) * 2013-12-23 2015-07-09 Canon Kabushiki Kaisha Time constrained augmented reality
US10271112B2 (en) * 2015-03-26 2019-04-23 Carnegie Mellon University System and method for dynamic adaptive video streaming using model predictive control
CN104811694B (zh) 2015-04-28 2017-03-08 华为技术有限公司 一种视频数据质量评估的方法和装置
CN105357526B (zh) * 2015-11-13 2016-10-26 西安交通大学 基于压缩域的考虑场景分类的手机足球视频质量评估装置和方法
CN106713901B (zh) * 2015-11-18 2018-10-19 华为技术有限公司 一种视频质量评价方法及装置
CN106911926B (zh) * 2015-12-23 2019-01-08 华为技术服务有限公司 一种视频码率识别方法和装置
CN105847970A (zh) * 2016-04-06 2016-08-10 华为技术有限公司 视频显示质量的计算方法及设备
CN107770538B (zh) 2016-08-23 2020-09-11 华为技术有限公司 一种检测场景切换帧的方法、装置和系统
CN111918060B (zh) 2016-08-23 2023-11-17 华为技术有限公司 一种实现视频质量评估的方法、装置和系统
DE102016216346B4 (de) * 2016-08-30 2018-03-15 Opticom Dipl.-Ing. Michael Keyhl Gmbh Vorrichtung und verfahren zum bestimmen einer qualität eines mediadatenstroms
CN107979781B (zh) * 2016-10-24 2019-09-17 南京中兴软件有限责任公司 视频的推荐方法和装置及终端
CN106507101B (zh) * 2016-11-21 2018-12-28 中国联合网络通信集团有限公司 一种视频业务质量评价方法及装置
US10147040B2 (en) 2017-01-20 2018-12-04 Alchemy IoT Device data quality evaluator
CN112702630A (zh) * 2017-05-27 2021-04-23 华为技术有限公司 一种故障检测方法、监控设备及网络设备
CN109714557A (zh) * 2017-10-25 2019-05-03 中国移动通信集团公司 视频通话的质量评估方法、装置、电子设备和存储介质
CN109379593B (zh) * 2018-10-25 2020-08-18 西安交通大学 一基于超前预测的码率控制方法
CN109451303B (zh) * 2018-12-24 2019-11-08 合肥工业大学 一种针对VR视频中用户体验质量QoE的建模方法
CN111953959A (zh) * 2019-05-17 2020-11-17 华为技术有限公司 Vr视频质量评估方法及装置
IL274803B2 (en) * 2019-07-16 2023-06-01 Beamr Imaging Ltd System and method for subjective evaluation of video quality
CN110769271B (zh) * 2019-11-11 2021-09-14 广州酷狗计算机科技有限公司 调节多路码流的码率的方法和装置
CN111416986B (zh) * 2020-03-24 2021-12-10 中国建设银行股份有限公司 一种码率确定方法、装置、存储介质及电子设备
CN111883147B (zh) * 2020-07-23 2024-05-07 北京达佳互联信息技术有限公司 音频数据处理方法、装置、计算机设备及存储介质
US11438670B2 (en) * 2020-11-20 2022-09-06 At&T Intellectual Property I, L.P. Video complexity detection for network traffic management
CN112822482B (zh) * 2020-12-31 2022-11-08 上海掌门科技有限公司 一种确定音视频通话的评估得分的方法与设备

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8204323B2 (en) * 2003-06-05 2012-06-19 Aware, Inc. Image quality control techniques
JP4377357B2 (ja) 2005-07-07 2009-12-02 日本電信電話株式会社 映像品質推定装置および映像品質推定方法
JP5043856B2 (ja) * 2005-12-05 2012-10-10 ブリティッシュ・テレコミュニケーションズ・パブリック・リミテッド・カンパニー 映像品質測定
US7965203B2 (en) * 2006-05-09 2011-06-21 Nippon Telegraph And Telephone Corporation Video quality estimation apparatus, method, and program
JP4817246B2 (ja) 2006-07-31 2011-11-16 Ｋｄｄｉ株式会社 映像品質の客観評価装置
US8339976B2 (en) 2006-10-19 2012-12-25 Telefonaktiebolaget Lm Ericsson (Publ) Method of determining video quality
DE602007007587D1 (de) * 2007-05-25 2010-08-19 Psytechnics Ltd Videoqualitätsbestimmung
JP4787210B2 (ja) 2007-05-30 2011-10-05 日本電信電話株式会社 映像品質推定方法、装置、およびプログラム
KR100996348B1 (ko) * 2007-08-07 2010-11-23 주식회사 케이티테크 적응형 스트리밍 서비스 버퍼링 방법 및 이를 이용한스트리밍 서비스 수신장치
JP4796019B2 (ja) 2007-08-08 2011-10-19 日本電信電話株式会社 映像品質推定装置、方法、およびプログラム
CA2668003C (en) 2007-08-22 2013-04-02 Nippon Telegraph And Telephone Corporation Video quality estimation device, video quality estimation method, frame type judgment method, and recording medium
CN101442400B (zh) * 2007-11-23 2012-03-07 国际商业机器公司 在数字内容传送系统中使用的质量管理器和方法
JP5172440B2 (ja) * 2008-01-08 2013-03-27 日本電信電話株式会社 映像品質推定装置、方法およびプログラム
WO2009091530A1 (en) * 2008-01-18 2009-07-23 Thomson Licensing Method for assessing perceptual quality
EP2106154A1 (en) * 2008-03-28 2009-09-30 Deutsche Telekom AG Audio-visual quality estimation
JP4914400B2 (ja) * 2008-05-09 2012-04-11 日本電信電話株式会社 品質推定方法、品質推定システム、ユーザ端末、品質管理端末およびプログラム
JP4802209B2 (ja) * 2008-05-09 2011-10-26 日本電信電話株式会社 映像品質推定方法、装置およびプログラム
WO2010009637A1 (zh) 2008-07-21 2010-01-28 华为技术有限公司 一种视频质量评估方法、系统及装置
CN101448175B (zh) * 2008-12-25 2010-12-01 华东师范大学 一种无参考的流视频质量评估方法
CN101790107B (zh) * 2009-01-22 2012-10-17 华为技术有限公司 一种测量视频质量的方法、装置及系统
JP5221459B2 (ja) 2009-07-01 2013-06-26 日本電信電話株式会社 映像品質推定装置、システム、方法およびプログラム
US8885050B2 (en) * 2011-02-11 2014-11-11 Dialogic (Us) Inc. Video quality monitoring

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180045722A (ko) * 2016-10-26 2018-05-04 에스케이텔레콤 주식회사 영상품질 측정장치 및 방법
KR20180045726A (ko) * 2016-10-26 2018-05-04 에스케이텔레콤 주식회사 영상품질 측정장치 및 방법
KR20180045711A (ko) * 2016-10-26 2018-05-04 에스케이텔레콤 주식회사 영상품질 측정장치 및 방법
KR20180045719A (ko) * 2016-10-26 2018-05-04 에스케이텔레콤 주식회사 영상품질 측정장치 및 방법

Also Published As

Publication number Publication date
EP2648415A4 (en) 2014-03-05
WO2012139467A1 (zh) 2012-10-18
JP5938786B2 (ja) 2016-06-22
EP2648415A1 (en) 2013-10-09
JP5745098B2 (ja) 2015-07-08
EP2648415B1 (en) 2017-01-18
JP2014064271A (ja) 2014-04-10
CN102740108A (zh) 2012-10-17
EP2663088A3 (en) 2014-03-05
CN102740108B (zh) 2015-07-08
KR20130110213A (ko) 2013-10-08
US20130314553A1 (en) 2013-11-28
JP2014509128A (ja) 2014-04-10
KR101465927B1 (ko) 2014-11-26
CN104883563A (zh) 2015-09-02
KR101464456B1 (ko) 2014-11-21
US9319670B2 (en) 2016-04-19
CN104883563B (zh) 2017-04-12
EP2663088A2 (en) 2013-11-13

Similar Documents

Publication Publication Date Title
KR101464456B1 (ko) 비디오 데이터 품질 평가 방법 및 장치
US9438913B2 (en) Method, apparatus and system for evaluating quality of video streams
KR101414435B1 (ko) 비디오 스트림 품질 평가 방법 및 장치
US9210419B2 (en) System and method for diagnostic modeling of audio and video quality of service
US10869072B2 (en) Audio-visual quality estimation device, method for estimating audio-visual quality, and program
Yang et al. Content-adaptive packet-layer model for quality assessment of networked video services
CN102868666A (zh) 基于用户体验交互的流媒体质量监测报告的实现方法
CN107105224A (zh) 一种视频体验质量评估的方法、装置与系统
Chen et al. End-to-end quality adaptation scheme based on QoE prediction for video streaming service in LTE networks
EP3491784B1 (en) Estimation of losses in a video stream
Atzori et al. Quality perception when streaming video on tablet devices
Singh et al. No-reference quality of experience monitoring in DVB-H networks
JP5335867B2 (ja) 基本ＧｏＰ長を用いた映像品質推定装置及び方法及びプログラム
US9723266B1 (en) Lightweight content aware bit stream video quality monitoring service
JP5851332B2 (ja) ３ｄ映像品質評価装置及び方法及びプログラム
JP5405915B2 (ja) 映像品質推定装置、映像品質推定方法および映像品質推定装置の制御プログラム
Chen et al. Impact of packet loss distribution on the perceived IPTV video quality
Zhao et al. Research on Quality Assessment of Network Video Based Frame Freezing Duration
Zhang et al. Packet-layer model for quality assessment of encrypted video in IPTV services
JP5384586B2 (ja) ＴｉｍｅｓｔａｍｐｅｄＴＳ（ＴＴＳ）を用いた映像フレーム判別装置および方法およびプログラム、及びＴＴＳを用いて判別した映像フレームを用いた映像品質推定装置及び方法及びプログラム
JP2013236132A (ja) ３ｄ映像品質評価装置及び方法及びプログラム
Fajardo et al. Cross–layer cross–domain adaptation of mobile video services

Legal Events

Date Code Title Description
A201 Request for examination
A107 Divisional application of patent
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20171018

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20181101

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20191016

Year of fee payment: 6