CN115225936A - 一种视频资源的清晰度指标确定方法、装置、设备及介质 - Google Patents

一种视频资源的清晰度指标确定方法、装置、设备及介质 Download PDF

Info

Publication number
CN115225936A
CN115225936A CN202110421130.2A CN202110421130A CN115225936A CN 115225936 A CN115225936 A CN 115225936A CN 202110421130 A CN202110421130 A CN 202110421130A CN 115225936 A CN115225936 A CN 115225936A
Authority
CN
China
Prior art keywords
characteristic
determining
definition
target
characters
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
CN202110421130.2A
Other languages
English (en)
Other versions
CN115225936B (zh
Inventor
李绍庆
唐蓉
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 Mobile Communications Group Co Ltd
China Mobile Group Hebei Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Hebei 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 Mobile Communications Group Co Ltd, China Mobile Group Hebei Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202110421130.2A priority Critical patent/CN115225936B/zh
Publication of CN115225936A publication Critical patent/CN115225936A/zh
Application granted granted Critical
Publication of CN115225936B publication Critical patent/CN115225936B/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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2408—Monitoring of the upstream path of the transmission network, e.g. client requests
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • 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
    • 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
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Graphics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例提供一种视频资源的清晰度指标确定方法、装置、设备及介质，用以定位与视频资源的清晰切换行为相关的信息，以从用户侧准确地反映用户收看视频资源的网络质量情况。所述方法包括：获取外部数据表示法XDR话单中的目标报文数据；根据目标统一资源标识符URI，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值，目标URI是由目标报文数据解析确定的；基于卡方检验，确定Q类第一特征字符中与视频资源的清晰度切换行为具有显著相关性的至少一类第二特征字符；基于皮尔森列联系数，将至少一类第二特征字符中与视频资源的清晰度切换行为相关性最大的第一目标特征字符，确定为视频资源的清晰度指标。

Description

一种视频资源的清晰度指标确定方法、装置、设备及介质
技术领域
本申请属于视频检测领域，尤其涉及一种视频资源的清晰度指标确定方法、装置、设备及介质。
背景技术
视频业务作为高码流、高并发的移动业务，是近年来发展最为迅速的业务之一。同时，视频清晰度是视频图像质量及网络质量的重要衡量指标，用户在网络质量不同的情形下，会选择不同清晰度的视频资源进行收看以保障视频播放的流畅性。
现有技术中，对视频资源的质量评估一般只能在资源侧、网络侧，反应用户访问视频资源的质量情况。另外，通过拨测技术所获取到的指标虽然可以从用户侧角度评估用户访问视频业务的感知，但是拨测是在特定条件下进行的，不能全面且真实的评估视频资源的质量。
因此，上述对视频资源的质量评估方法，无法从用户感知角度准确地反映用户收看视频资源的网络质量情况。
发明内容
本申请实施例提供一种视频资源的清晰度指标确定方法、装置、设备及介质，用以定位与视频资源的清晰切换行为相关的信息，以从用户侧准确地反映用户收看视频资源的网络质量情况。
第一方面，本申请实施例提供一种视频资源的清晰度指标确定方法，方法包括：
获取外部数据表示法XDR话单中的目标报文数据，目标报文数据是在用户在进行视频资源清晰度的切换行为时，由客户端上报至状态接收服务器的报文数据；
根据目标统一资源标识符URI，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值，其中，目标URI是由目标报文数据解析确定的，第一特征字符用于反应视频资源清晰度的切换行为，Q为正整数；
基于卡方检验，确定Q类第一特征字符中与视频资源的清晰度切换行为具有显著相关性的至少一类第二特征字符；
基于皮尔森列联系数，将至少一类第二特征字符中与视频资源的清晰度切换行为相关性最大的第一目标特征字符，确定为视频资源的清晰度指标。
第二方面，本申请实施例提供一种视频资源的清晰度指标确定装置，装置包括：
获取模块，用于获取外部数据表示法XDR话单中的目标报文数据，目标报文数据是在用户在进行视频资源清晰度的切换行为时，由客户端上报至状态接收服务器的报文数据；
第一确定模块，用于根据目标统一资源标识符URI，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值，其中，目标URI是由目标报文数据解析确定的，第一特征字符用于反应视频资源清晰度的切换行为，Q为正整数；
第二确定模块，用于基于卡方检验，确定Q类第一特征字符中与视频资源的清晰度切换行为具有显著相关性的至少一类第二特征字符；
第三确定模块，用于基于皮尔森列联系数，将至少一类第二特征字符中与视频资源的清晰度切换行为相关性最大的第一目标特征字符，确定为视频资源的清晰度指标。
第三方面，本申请实施例提供了一种视频资源的清晰度指标确定设备，设备包括：
处理器，以及存储有计算机程序指令的存储器；处理器读取并执行计算机程序指令，以实现如本申请实施例第一方面提供的视频资源的清晰度指标确定方法。
第四方面，本申请实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如本申请实施例第一方面提供的视频资源的清晰度指标确定方法。
本申请实施例提供的视频资源的清晰度指标确定方法、装置、设备及介质，在XDR话单中获取目标报文数据，在目标报文数据中提取URI，根据上述URI确定Q个特征字符及每一特征字符对应的至少一个特征值，根据卡方检验和Pearson列联系数逐步缩小特征字符的范围，最终确定与视频资源的清晰度切换行为相关性最大的特征字符，为视频资源的清晰度指标。相比于现有技术，由于上述目标报文数据是在用户在进行视频资源清晰度的切换行为时，由客户端上报至状态接收服务器的报文数据，因此可以通过用户浏览视频资源过程中对清晰度的偏好情况推断用户对流量的需求程度，基于上述确定的与视频资源的清晰切换行为相关的信息，从用户侧准确地反映用户收看视频资源的网络质量情况。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种视频资源的清晰度指标确定方法的流程示意图；
图2是本申请实施例提供的一种视频资源的清晰度指标确定装置的结构示意图；
图3是本申请实施例提供的一种视频资源的清晰度指标确定设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
随着互联网的快速发展，网络视频业务在人们的日常生活中越来越多的被使用，同时基于网络视频业务的高码流和高并发性的特性，其成为了互联网主要流量业务之一。视频清晰度从流畅到省流、标清、高清、720P、1024P等不断突破，以满足视频观看者对视频业务高音质、高画质的内容需求。同时，视频清晰度是视频图像质量及网络质量的重要衡量指标，用户在网络质量不同的情形下会选择不同清晰度的视频资源进行收看以保障视频播放的流畅性，由于个人偏好也会对相同视频资源进行不同清晰度切换操作，尤其在移动端最为明显。
因此，了解用户收看视频资源清晰度特征对于清楚掌握用户行为偏好、流量需求等起到至关重要的作用，同时将视频清晰度与卡顿指标相结合可以从用户侧更精准的判定网络质量的真实情况。
为了保障视频业务的快速发展及用户收看视频资源的访问感知，通过用户浏览视频资源的清晰度特征掌握用户行为偏好及收看不同清晰度视频资源过程中发生卡顿次数是保障视频业务持续发展过程中不可或缺的一步。现有技术中，基于用户侧监测访问视频资源的网络质量情况的方案有以下两种：
方案一、采用拨测技术，通过各拨测节点所部署的拨测探针，对视频包进行定时定量的拨测，模拟用户收看视频的行为，可统计拨测过程中用户收看视频资源的清晰度指标，卡顿指标及与用户侧感知较强的质量评估指标。
方案二、基于DPI检测到的用户上网日志进行分析，DPI是指深度报文解析技术，基于DPI探针设备采集，汇聚海量互联网数据生成XDR话单，在通过对XDR话单的全量数据运用质量指标算法模型得到能够反映视频质量的指标数据，如：上下行速率，客户端/服务端时延，成功/失败率，重传率等网络质量指标。
一方面现有技术中对网络质量的评估指标，大多只能在资源测、网络侧的一定程度上反应用户访问视频资源的网络质量情况，不足以从用户感知角度准确地反映用户收看视频资源的网络质量情况。例如，下载速率指标的高低与用户收看视频资源清晰度和视频加载时长均有关，当用户选择视频资源的清晰度不同时，用户相同视觉感知的下载速率亦存在差异；视频资源的加载方式是分片缓存，即缓冲过程中速率较高，缓冲结束后不再需要数据交互，此时视频加载速率非常低近乎0。
另一方面，上述方案一中的拨测技术所获取到的指标虽可以从用户侧角度评估用户访问视频业务的感知，但是拨测始终是在特定条件下进行的，不能全面的、真实的评估用户感知。同时，上述方案二中DPI探针设备所采集的指标数据，并不包括能够在用户侧来评估网络质量的指标数据，例如用户访问视频资源的视频清晰度及卡顿次数。
针对上述无法从用户感知角度准确地反映用户收看视频资源的网络质量情况的问题，本申请实施例提供一种视频资源的清晰度指标确定方法，通过用户浏览视频资源过程中对视频清晰度的偏好情况，以及在切换视频清晰度中的卡顿情况，推断用户对流量的需求程度，从而基于与视频资源的清晰切换行为相关的信息，从用户侧准确地反映用户收看视频资源的网络质量情况。
如图1所示，本申请实施例提供一种视频资源的清晰度指标确定方法，方法包括：
S101，获取外部数据表示法XDR话单中的目标报文数据，目标报文数据是在用户在进行视频资源清晰度的切换行为时，由客户端上报至状态接收服务器的报文数据。
需要说明的是，在用户收看视频资源进行清晰度切换操作的情况下，客户端会自动上报带有切换前后视频清晰度特征变化的报文信息至状态接收服务器，通过wireshark抓包软件获取用户浏览视频资源时进行视频清晰度切换操作的报文信息，并从中提取与清晰度切换行为相关的目标报文数据，以用于评估用户观看视频时的清晰度切换情况。
具体地，利用网络嗅探抓包工具wireshark对用户通过网页浏览器、网页客户端、手机APP等客户端收看视频资源时所产生的所有交互信息进行抓包，可以有以下步骤：
步骤A：用户通过客户端收看视频资源时，首先向页面服务器发送观看视频剧集的请求；页面服务器响应上述请求，返回视频剧集实体资源所在服务器IP。
步骤B：用户向视频剧集实体所在服务器(即视频服务器)发送视频实体的请求报文；视频服务器响应用户请求，并返回视频实体分片报文，其中，视频实体分片报文中至少携带视频资源特征码，视频清晰度信息。
步骤C：在用户对收看的视频资源进行清晰度切换操作的情况下，发送请求切换报文至页面服务器；页面服务器响应切换请求，返回指定清晰度视频剧集实体资源所在服务器IP。
步骤D：用户向该IP(视频服务器)发送指定清晰度视频剧集请求报文；视频服务器响应请求信息同时返回视频实体分片报文，待用户视频清晰度切换操作完成后，客户端会将切换前后视频清晰度的相关报文信息上报至状态接收服务器(即用户日志管理平台)。
步骤E：在状态接收服务器获取到切换视频清晰度的相关报文信息后，参考DPI探针深度报文解析能力和XDR话单的合成功能，利用wireshark工具对上述相关报文信息进行抓包，确定用户观看视频资源时发生清晰度切换行为的目标报文数据。
S102，根据目标统一资源标识符URI，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值，其中，目标URI是由目标报文数据解析确定的，第一特征字符用于反应视频资源清晰度的切换行为，Q为正整数。
本申请实施例的目的是对特征字符的选择范围进行逐渐缩小，最终确定其中与视频清晰度切换行为相关性最大的一类特征字符，因此首先需要对多个特征字符及其对应的特征值，按照特征字符类型的不同进行分类处理，划分为Q类第一特征字符及每一类第一特征字符对应的至少一个特征值。
S103，基于卡方检验，确定Q类第一特征字符中与视频资源的清晰度切换行为具有显著相关性的至少一类第二特征字符。
卡方检验是用途很广的一种假设检验方法，它在分类资料统计推断中可以应用于，多个率或多个构成比比较的卡方检验以及分类资料的相关分析。因此，本申请实施例中将卡方检验作为检测每一类第一特征字符与视频清晰度切换行为是否具备相关性的关键步骤。
具体地，对Q类第一特征字符中的每一特征字符及其对应的特征值分别进行卡方检验。取目标分组中的特征字符key及其对应的q个value值，分别为V1/V2/…/Vq。以清晰度的取值和key对应的value取值做列联表，运用卡方检验对清晰度特征与key参数的相关性进行检验，原假设为H0：清晰度特征与Key参数无关，备择假设H1为：清晰度特征与Key参数有关。那么key的自由度df＝(X1-1)*(X2-1)(X1表示行数，代表清晰度种类，如省流，流畅，高清，超清，蓝光等；X2表示列数，代表key的取值种类)。
通过卡方检验公式获取Q个第一特征字符的卡方检验统计量，卡方检验可以通过公式1表示：
Figure BDA0003027875340000071
按照上述方式对R1中的所有key组合进行卡方统计量求值，将χ2结果数据与卡方检验临界值表进行对比，将具有相关性的key作为第二特征字符。
S104，基于皮尔森列联系数，将至少一类第二特征字符中与视频资源的清晰度切换行为相关性最大的第一目标特征字符，确定为视频资源的清晰度指标。
上述运用卡方检验从目标URI中获取与视频资源清晰度相关的第二特征字符，接下来通过皮尔森Pearson列联系数确定与视频清晰度相关系数最大的第一目标特征字符，将其作为视频清晰度特征指标的唯一标识，以定位用户访问视频资源时进行清晰度切换操作后，标识切换前后视频清晰度信息的域。
具体地，Pearson列联系数如公式2所示：
Figure BDA0003027875340000081
由公式2可知，其取值在0～1之间。通过Pearson列联系数计算集合R2中每个第一特征字符key与清晰度的相关性，当清晰度与key值相关性越小，该Pearson列联系数C越小，逐渐趋近于0；当清晰度与key值相关性越大，该Pearson列联系数C越大，并趋近于1。对比定位与清晰度指标强相关的key，以此作为视频清晰度的唯一特征标识。
本申请实施例提供的视频资源的清晰度指标确定方法，在XDR话单中获取目标报文数据，在目标报文数据中提取URI，根据上述URI确定Q个特征字符及每一特征字符对应的至少一个特征值，根据卡方检验和Pearson列联系数逐步缩小特征字符的范围，最终确定与视频资源的清晰度切换行为相关性最大的特征字符，为视频资源的清晰度指标。相比于现有技术，由于上述目标报文数据是在用户在进行视频资源清晰度的切换行为时，由客户端上报至状态接收服务器的报文数据，因此可以通过用户浏览视频资源过程中对清晰度的偏好情况推断用户对流量的需求程度，基于上述确定的与视频资源的清晰切换行为相关的信息，从用户侧准确地反映用户收看视频资源的网络质量情况。
在一些实施例中，在根据目标统一资源标识符URI，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值之前，方法还包括：
解析目标报文数据，确定至少一个URI；
过滤至少一个URI中不包含特征字符的URI，得到目标URI。
具体地，对目标报文数据进行解析，确定其中所包含的至少一个URI，URI是用于标识某一互联网资源名称的字符串，其格式如下：
协议://域名/目录A/目录B/文件C？查询参数D&查询参数E#分片F
例如：http://data.video.iqiyi.com/videos/v0/20190108/6c/8c/f3db5fefcb98604d15fb3daba46ef2f6.f4v？qd_tvid＝1776034400&qd_vipres＝0&qd_index＝1&qd_aid＝216266201&qd_stert＝0&qd_scc＝c7548401dd7a4f30cb46639fcff08492&qd_sc＝7b0103018e0197bf64179d0c3d0683a7&qd_p＝b7c62dca&qd_k＝0e2c60163cbf00fb213a688da546b926&qd_src＝01010031010000000000&qd_vipdyn＝0&qd_uid＝&qd_tm＝1551018003342&qd_vip＝0&cross-domain＝1&qyid＝58486728edd4bab00e4b8dca38a8d48a&qypid＝1776034400_02020031010000000000&qypid＝1776034400_02020031010000000000&rn＝1551018010906&pv＝0.1&cross-domain＝1&pri_idc＝shijiazhuang_cmnet
解析上述URI，确定如下格式的信息：
协议：http；域名：data.video.iqiyi.com；目录及文件为：
videos/v0/20190108/6c/8c/f3db5fefcb98604d15fb3daba46ef2f6.f4v；查询参数为：qd_tvid＝1776034400&qd_vipres＝0&qd_index＝1&qd_aid＝216266201&qd_stert＝0&qd_scc＝c7548401dd7a4f30cb46639fcff08492&qd_sc＝7b0103018e0197bf64179d0c3d0683a7&qd_p＝b7c62dca&qd_k＝0e2c60163cbf00fb213a688da546b926&qd_src＝01010031010000000000&qd_vipdyn＝0&qd_uid＝&qd_tm＝1551018003342&qd_vip＝0&cross-domain＝1&qyid＝58486728edd4bab00e4b8dca38a8d48a&qypid＝1776034400_02020031010000000000&qypid＝1776034400_02020031010000000000&rn＝1551018010906&pv＝0.1&cross-domain＝1&pri_idc＝shijiazhuang_cmnet
基于以上对URI的描述，将不包含query参数的URI进行过滤，确定目标URI，其中query参数中包含特征字符及其对应的特征值。
上述对目标报文数据的解析以及对URI的过滤，提取其中能够标识视频资源清晰度切换行为的目标URI，以便于降低卡方检验过程中的计算量，提高检验效率。
在一些实施例中，根据目标统一资源标识符URI，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值，包括：
在目标URI中，提取M个第三特征字符及每一第三特征字符对应的特征值，M为正整数；
对M个第三特征字符及每一第三特征字符对应的特征值进行过滤，确定N个第四特征字符及每一第四特征字符对应的特征值，N为小于M、且不小于Q的正整数；
基于特征字符类型，对N个第四特征字符及每一第四特征字符对应的特征值进行分类，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值。
在目标URI中仍然存在大量冗余信息，因此需要对其进行进一步的特征提取，以确定用于卡方检验的第一特征字符。
具体地，基于拨测技术获取用户浏览视频资源过程中进行M次视频清晰度切换操作的目标报文数据，提取目标报文数据中的目标URI，每一目标URI记录均被转换，生成M个第三特征字符及其对应的特征值<kj,vj>，kj与vj是成对存在的，以此确定包含P次视频清晰度切换操作的全域数据R，R＝{<u1,u1(k),u1(v)>,…,<um,um(k),um(v)>}，R的大小依赖于目标报文数据中query的参数的数量级。
在一些实施例中，对M个第三特征字符及每一第三特征字符对应的特征值进行过滤，确定N个第四特征字符及每一第四特征字符对应的特征值，包括：
基于特征字符及其对应的特征值所属URI的视频资源属性，对M个第三特征字符及每一第三特征字符对应的特征值进行分组，确定多组不同视频资源属性的至少一个特征对，特征对包括特征字符及其对应的特征值；
对每一组中的至少一个特征对，分别执行以下步骤：
对第二目标特征字符和第二目标特征字符对应的目标特征值均一致的至少两个特征对，进行过滤，第二目标特征字符为特征对中的任一特征字符。
具体地，对比M次视频清晰度切换操作后上报至状态接收服务器的各记录中<k,v>值对，过滤剔除M条记录中k与v均相同的key-value组合域(由于key-value值均未发生变化，因此可判定此类key不能标识清晰度特征)，将剩余的N个第四特征字符及其对应的特征值key-value进行统计汇总形成新的集合R1＝{<ui,ua(k),ua(v)>,<ui,ub(k),ub(v)>…,<un,un(k),un(v)>}，R1中包含域的个数与上述集合R中包含域的个数相同，但R1中各域的key-value值对个数少于R中各域的key-value值对个数，针对集合R1中的各key进行分组，按照key类型的不同分为Q类，分别对这类组中的第一特征字符及其对应的特征值进行卡方检验。
在一些实施例中，基于卡方检验，确定Q类第一特征字符中与视频资源的清晰度切换行为具有显著相关性的至少一类第二特征字符，可以包括：
对于每一类第二特征字符，分别执行以下步骤：
以视频资源的至少一个清晰度的取值，和第一特征字符对应的至少一个特征值，建立列联表；
对列联表进行卡方检验，确定第一特征字符的自由度及卡方统计值；
根据自由度及预设的显著性水平，确定卡方检验临界值；
将卡方统计值大于卡方检验临界值的第一特征字符，确定为与视频资源的清晰度切换行为具有显著相关性的第二特征字符。
具体地，对Q类第一特征字符中的每一特征字符及其对应的特征值分别进行卡方检验。取目标分组中的特征字符key及其对应的q个value值，分别为V1/V2/…/Vq。以清晰度的取值和key对应的value取值做列联表，运用卡方检验对清晰度特征与key参数的相关性进行检验，原假设为H0：清晰度特征与Key参数无关，备择假设H1为：清晰度特征与Key参数有关。那么key的自由度df＝(X1-1)*(X2-1)(X1表示行数，代表清晰度种类，如省流，流畅，高清，超清，蓝光等；X2表示列数，代表key的取值种类)。
通过卡方检验公式获取各组key的卡方检验统计量，卡方检验可以通过公式1表示：
Figure BDA0003027875340000111
假设目标分组key取值包含V1，V2，V3共3种类型，清晰度包含省流，标清，高清，蓝光4种类型，那么自由度df＝(4-1)*(3-1)＝6。通过卡方检验求值计算公式获取key1的卡方统计量值的过程，可以通过下述表2来表示：
表2卡方统计量值的计算过程
Figure BDA0003027875340000121
按照上述表2数据进行卡方检验求值，可以通过公式3来获取key1的卡方统计量值：
χ2＝(M1-(M1+M2+M3)(M1+N1+P1+Q1)/L)2/(M1+M2+M3)(M1+N1+P1+Q1)/L+(M2-(M1+M2+M3)(M2+N2+P2+Q2)/L)2/(M1+M2+M3)(M2+N2+P2+Q2)/L+…+(Q3-(Q1+Q2+Q3)(M3+N3+P3+Q3)/L)2/(Q1+Q2+Q3)(M3+N3+P3+Q3)/L
其中，
Figure BDA0003027875340000122
将通过公式3计算得到的卡方统计量值χ2与预设的卡方检验临界值表进行比较，(key1的自由度为6)，若key的卡方值大于12.592(取α＝0.05)我们就拒绝原假设，认为key与清晰度指标有关系。
按照上述方式对R中的所有key组合进行卡方统计量求值，将χ2结果数据与卡方检验临界值表进行对比，将具有相关性的key值作为第二特征字符。
其中，预设的卡方检验临界值表如表3所示：
表3卡方检验临界表
Figure BDA0003027875340000131
在一些实施例中，基于皮尔森列联系数，将至少一个第二特征字符中与视频资源的清晰度切换行为相关性最大的第一目标特征字符，确定为视频资源的清晰度指标，包括：
分别对每一第二特征字符的皮尔森列联系数进行计算；
将皮尔森列联系数取值最大的第一目标特征字符，确定为视频资源的清晰度指标。
具体地，Pearson列联系数如公式2所示：
Figure BDA0003027875340000132
由公式2可知，其取值在0～1之间。通过Pearson列联系数计算集合R2中每个第一特征字符key与清晰度的相关性，当清晰度与key值相关性越小，该Pearson列联系数C越小，逐渐趋近于0；当清晰度与key值相关性越大，该Pearson列联系数C越大，并趋近于1。对比定位与清晰度指标强相关的key，以此作为视频清晰度的唯一特征标识。
在一些实施例中，在过滤至少一个URI中不包含特征字符的URI，得到目标URI之后，方法还包括：
利用多个预设符号，对目标URI进行分割；
根据分割结果，至少提取目标URI中的视频资源属性、特征字符及其对应的特征值。
由于目标URI中携带有视频名称、URI、域名、以及query参数等信息，其中query参数包括特征字符key及每一特征字符对应的特征值value，因此需要对其进行分割提取，以便于对特征字符的统计分析。
具体地，在确定目标URI之后，可以使用‘：’、‘/’、‘.’、‘-’、‘？’、‘&’等预设符号对上述目标URI进行分割，将各目标URI中的域名和query参数中的特征字符key及每一特征字符对应的特征值value提取出来，提取结果可以如表4所示：
表4目标URI的提取结果
Figure BDA0003027875340000141
由表2内容可知，在用户U观看视频剧集A和视频剧集B时进行了清晰度切换操作(例如由省流模式切换至蓝光模式)的情况下，共获得5个域名、以及5个带有query参数的URI，共拆分得到15个key和value，其中的域名、key和value可以相同也可以不同。
下面以一个具体实施例，对上述本申请实施例提供的视频资源的清晰度指标确定方法，进行详细说明。
一、获取报文信息
打开某视频资源播放界面，点击视频资源L的第一集进行观看，同时打开wireshark抓包工具获取用户收看视频资源L的报文信息，基于多次进行的视频清晰度切换操作，最终获取到URI 308条。
二、基于URI规则对报文信息进行初处理
基于URI的规则，先将步骤一获取到的308个URI中进行过滤和分割，将各URI中域名和query参数中的key和value值提取出来，如表5所示：
表5报文信息提取结果
Figure BDA0003027875340000151
三、基于卡方检验及Pearson列联系数确定URI中与视频清晰度标识强相关的key
3.1、话单过滤与特征对提取
报文信息中包含45个因切换前后视频清晰度而上报用户信息的目标报文数据，即根据域名过滤出msg.qy.net的有效可用记录45条。
3.2、特征对过滤
对比45次视频清晰度切换操作后上报至状态接收服务器的各记录中query参数和参数值对，针对同一剧集，过滤剔除45条记录中k与v均相同的key-value组合域(由于key-value值均未发生变化，因此可判定此类key不能标识清晰度特征)，如视频资源L中的bstp参数对应的两条记录的参数值均为6，则将该query参数和参数值对剔除。45条记录中，剩余的query参数和参数值对作为Q组，进行卡方检验。
3.3、卡方检验
对步骤3.2中得到的Q组数据分别进行卡方检验，运用卡方检验对清晰度特征与tra3参数的相关性进行检验，原假设为H0：清晰度特征与tra3参数无关，备择假设H1为：清晰度特征与tra3参数有关。以清晰度的取值和tra3参数对应的Value取值做列联表，那么tra3组的自由度df＝(X1-1)*(X2-1)＝(X1表示行数，代表清晰度种类，如省流，流畅，高清，超清，蓝光等7个种类；X2表示列数，代表tra3的取值种类，共4种)，则df＝(7-1)*(4-1)＝18。
通过卡方检验公式获取tra3参数的卡方检验统计量为：65。以此为例，运用卡方检验对清晰度特征与其他query参数o3，aid，pu，ra1及va的相关性进行检验，验证结果如表6所示：
表6卡方检验验证结果
Key 自由度 卡方值 显著性水平
tra3 18 65 28.8
o3 12 421 21.03
Aid 12 121 21.03
pu 8 83 15.51
ra1 20 214 31.41
va 16 86 26.3
通过表6中内容可知，卡方统计量均大于卡方检验临界值，针对以上6个query参数，均可拒绝原假设，认为清晰度特征与以上6个参数均有关。3.4、基于Pearson列联系数定位强相关性key值
通过Pearson列联系数定位与清晰度指标有强相关性的key值，以此作为视频清晰度指标的唯一特征标识。通过Pearson列联系数公式分别对第三步中卡方检验结果中与清晰度指标具有关系性的tra3、o3、aid、pu、ra1及va参数进行统计计算列联系数值，相应的列联系数对应如表7所示：
表7 Pearson列联系数结果
key 卡方值 n取值 Pearson列联系数
tra3 65 35 0.650
o3 421 45 0.903
aid 121 27 0.818
pu 83 35 0.703
ra1 214 25 0.895
va 86 23 0.789
将上述结果与标准值1和0进行比较，可知o3的Pearson列联系数取值最大最接近于1，因此判定o3与清晰度指标的相关性最大，即确定uri中o3参数为清晰度指标的唯一标识字段。
本申请实施例提供的视频资源的清晰度指标确定方法的具体实施例，根据卡方检验和Pearson列联系数逐步缩小特征字符的范围，最终确定与视频资源的清晰度切换行为相关性最大的特征字符o3为视频资源的清晰度的唯一指标。相比于现有技术，可以通过用户浏览视频资源过程中对清晰度的偏好情况推断用户对流量的需求程度，基于上述确定的与视频资源的清晰切换行为相关的信息，从用户侧准确地反映用户收看视频资源的网络质量情况。
基于相同发明构思，本申请实施例还提供一种视频资源的清晰度指标确定装置。
如图2所示，本申请实施例提供一种视频资源的清晰度指标确定装置，可以包括：
获取模块201，用于获取外部数据表示法XDR话单中的目标报文数据，所述目标报文数据是在用户在进行视频资源清晰度的切换行为时，由客户端上报至状态接收服务器的报文数据；
第一确定模块202，用于根据目标统一资源标识符URI，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值，其中，所述目标URI是由所述目标报文数据解析确定的，所述第一特征字符用于反应视频资源清晰度的切换行为，所述Q为正整数；
第二确定模块203，用于基于卡方检验，确定所述Q类第一特征字符中与所述视频资源的清晰度切换行为具有显著相关性的至少一类第二特征字符；
第三确定模块204，用于基于皮尔森列联系数，将所述至少一类第二特征字符中与所述视频资源的清晰度切换行为相关性最大的第一目标特征字符，确定为所述视频资源的清晰度指标。
在一些实施例中，装置还可以包括：
解析模块，用于解析所述目标报文数据，确定至少一个URI；
过滤模块，用于过滤所述至少一个URI中不包含特征字符的URI，得到目标URI。
在一些实施例中，第一确定模块可以包括：
提取单元，用于在所述URI中，提取M个第三特征字符及每一第三特征字符对应的特征值，所述M为正整数；
过滤单元，用于对所述M个第三特征字符及每一第三特征字符对应的特征值进行过滤，确定N个第四特征字符及每一第四特征字符对应的特征值，所述N为小于M、且不小于Q的正整数；
分类单元，用于基于特征字符类型，对所述N个第四特征字符及每一第四特征字符对应的特征值进行分类，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值。
过滤单元具体用于：
基于特征字符及其对应的特征值所属URI的视频资源属性，对所述M个第三特征字符及每一第三特征字符对应的特征值进行分组，确定多组不同视频资源属性的至少一个特征对，所述特征对包括特征字符及其对应的特征值；
对每一组中的至少一个特征对，分别执行以下步骤：
对第二目标特征字符和第二目标特征字符对应的目标特征值均一致的至少两个特征对，进行过滤，所述第二目标特征字符为所述特征对中的任一特征字符。
在一些实施例中，第二确定模块具体可以用于：
对于每一类所述第二特征字符，分别执行以下步骤：
以所述视频资源的至少一个清晰度的取值，和所述第一特征字符对应的至少一个特征值，建立列联表；
对所述列联表进行卡方检验，确定所述第一特征字符的自由度及卡方统计值；
根据所述自由度及预设的显著性水平，确定卡方检验临界值；
将所述卡方统计值大于所述卡方检验临界值的第一特征字符，确定为与所述视频资源的清晰度切换行为具有显著相关性的所述第二特征字符。
在一些实施例中，第三确定模块具体可以用于：
分别对每一第二特征字符的所述皮尔森列联系数进行计算；
将所述皮尔森列联系数取值最大的第一目标特征字符，确定为所述视频资源的清晰度指标。
在一些实施例中，装置还可以包括：
采集模块，用于通过深度报文解析DPI探针，采集所述XDR话单。
在一些实施例中，装置还可以包括：
分割模块，用于利用多个预设符号，对所述目标URI进行分割；
提取模块，用于根据分割结果，至少提取所述目标URI中的视频资源属性、特征字符及其对应的特征值。
根据本申请实施例提供的视频资源的清晰度指标确定装置的其他细节与以上结合图1描述的根据本申请实施例的视频资源的清晰度指标确定方法类似，在此不再赘述。
图3示出了本申请实施例提供的视频资源的清晰度指标确定的硬件结构示意图。
结合图1、图2描述的根据本申请实施例提供的视频资源的清晰度指标确定方法和装置可以由视频资源的清晰度指标确定设备来实现。图3是示出根据发明实施例的视频资源的清晰度指标确定设备的硬件结构300示意图。
在视频资源的清晰度指标确定设备中可以包括处理器301以及存储有计算机程序指令的存储器302。
具体地，上述处理器301可以包括中央处理器(Central Processing Unit，CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器302可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在一个实例中，存储器302可以包括可移除或不可移除(或固定)的介质，或者存储器302是非易失性固态存储器。存储器302可在综合网关容灾设备的内部或外部。
在一个实例中，存储器302可以是只读存储器(Read Only Memory，ROM)。在一个实例中，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器301通过读取并执行存储器302中存储的计算机程序指令，以实现图1所示实施例中的方法/步骤S101至S103，以及图2所示实施例中的方法/步骤S201至S205，并达到图1和/或图2所示实例执行其方法/步骤达到的相应技术效果，为简洁描述在此不再赘述。
在一个示例中，视频资源的清晰度指标确定设备还可包括通信接口303和总线310。其中，如图3所示，处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。
通信接口303，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线310包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(Accelerated Graphics Port，AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，EISA)总线、前端总线(Front Side Bus，FSB)、超传输(Hyper Transport，HT)互连、工业标准架构(Industry Standard Architecture，ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、***组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线310可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
本申请实施例提供的视频资源的清晰度指标确定设备，可以通过用户浏览视频资源过程中对清晰度的偏好情况推断用户对流量的需求程度，基于上述确定的与视频资源的清晰切换行为相关的信息，从用户侧准确地反映用户收看视频资源的网络质量情况。
另外，结合上述实施例中的视频资源的清晰度指标确定方法，本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种视频资源的清晰度指标确定方法。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RadioFrequency，RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或***。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，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，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的***、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (11)

1.一种视频资源的清晰度指标确定方法，其特征在于，所述方法包括：
获取外部数据表示法XDR话单中的目标报文数据，所述目标报文数据是在用户在进行视频资源清晰度的切换行为时，由客户端上报至状态接收服务器的报文数据；
根据目标统一资源标识符URI，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值，其中，所述目标URI是由所述目标报文数据解析确定的，所述第一特征字符用于反应视频资源清晰度的切换行为，所述Q为正整数；
基于卡方检验，确定所述Q类第一特征字符中与所述视频资源的清晰度切换行为具有显著相关性的至少一类第二特征字符；
基于皮尔森列联系数，将所述至少一类第二特征字符中与所述视频资源的清晰度切换行为相关性最大的第一目标特征字符，确定为所述视频资源的清晰度指标。
2.根据权利要求1所述的方法，其特征在于，在所述根据目标统一资源标识符URI，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值之前，所述方法还包括：
解析所述目标报文数据，确定至少一个URI；
过滤所述至少一个URI中不包含特征字符的URI，得到目标URI。
3.根据权利要求1所述的方法，其特征在于，所述根据目标统一资源标识符URI，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值，包括：
在所述目标URI中，提取M个第三特征字符及每一第三特征字符对应的特征值，所述M为正整数；
对所述M个第三特征字符及每一第三特征字符对应的特征值进行过滤，确定N个第四特征字符及每一第四特征字符对应的特征值，所述N为小于M、且不小于Q的正整数；
基于特征字符类型，对所述N个第四特征字符及每一第四特征字符对应的特征值进行分类，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值。
4.根据权利要求3所述的方法，其特征在于，所述对所述M个第三特征字符及每一第三特征字符对应的特征值进行过滤，确定N个第四特征字符及每一第四特征字符对应的特征值，包括：
基于特征字符及其对应的特征值所属URI的视频资源属性，对所述M个第三特征字符及每一第三特征字符对应的特征值进行分组，确定多组不同视频资源属性的至少一个特征对，所述特征对包括特征字符及其对应的特征值；
对每一组中的至少一个特征对，分别执行以下步骤：
对第二目标特征字符和第二目标特征字符对应的目标特征值均一致的至少两个特征对，进行过滤，所述第二目标特征字符为所述特征对中的任一特征字符。
5.根据权利要求1所述的方法，其特征在于，基于卡方检验，确定所述Q类第一特征字符中与所述视频资源的清晰度切换行为具有显著相关性的至少一类第二特征字符，包括：
对于每一类所述第二特征字符，分别执行以下步骤：
以所述视频资源的至少一个清晰度的取值，和所述第一特征字符对应的至少一个特征值，建立列联表；
对所述列联表进行卡方检验，确定所述第一特征字符的自由度及卡方统计值；
根据所述自由度及预设的显著性水平，确定卡方检验临界值；
将所述卡方统计值大于所述卡方检验临界值的第一特征字符，确定为与所述视频资源的清晰度切换行为具有显著相关性的所述第二特征字符。
6.根据权利要求5所述的方法，其特征在于，所述基于皮尔森列联系数，将所述至少一个第二特征字符中与所述视频资源的清晰度切换行为相关性最大的第一目标特征字符，确定为所述视频资源的清晰度指标，包括：
分别对每一第二特征字符的所述皮尔森列联系数进行计算；
将所述皮尔森列联系数取值最大的第一目标特征字符，确定为所述视频资源的清晰度指标。
7.根据权利要求1所述的方法，其特征在于，在所述获取外部数据表示法XDR话单中的目标报文数据之前，所述方法还包括：
通过深度报文解析DPI探针，采集所述XDR话单。
8.根据权利要求2所述的方法，其特征在于，在所述过滤所述至少一个URI中不包含特征字符的URI，得到目标URI之后，所述方法还包括：
利用多个预设符号，对所述目标URI进行分割；
根据分割结果，至少提取所述目标URI中的视频资源属性、特征字符及其对应的特征值。
9.一种视频资源的清晰度指标确定装置，其特征在于，所述装置包括：
获取模块，用于获取外部数据表示法XDR话单中的目标报文数据，所述目标报文数据是在用户在进行视频资源清晰度的切换行为时，由客户端上报至状态接收服务器的报文数据；
第一确定模块，用于根据目标统一资源标识符URI，确定Q类第一特征字符及每一类第一特征字符对应的至少一个特征值，其中，所述目标URI是由所述目标报文数据解析确定的，所述第一特征字符用于反应视频资源清晰度的切换行为，所述Q为正整数；
第二确定模块，用于基于卡方检验，确定所述Q类第一特征字符中与所述视频资源的清晰度切换行为具有显著相关性的至少一类第二特征字符；
第三确定模块，用于基于皮尔森列联系数，将所述至少一类第二特征字符中与所述视频资源的清晰度切换行为相关性最大的第一目标特征字符，确定为所述视频资源的清晰度指标。
10.一种视频资源的清晰度指标确定设备，其特征在于，所述设备包括：处理器，以及存储有计算机程序指令的存储器；所述处理器读取并执行所述计算机程序指令，以实现如权利要求1-8任意一项所述的视频资源的清晰度指标确定方法。
11.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-8任意一项所述的视频资源的清晰度指标确定方法。
CN202110421130.2A 2021-04-19 2021-04-19 一种视频资源的清晰度指标确定方法、装置、设备及介质 Active CN115225936B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110421130.2A CN115225936B (zh) 2021-04-19 2021-04-19 一种视频资源的清晰度指标确定方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110421130.2A CN115225936B (zh) 2021-04-19 2021-04-19 一种视频资源的清晰度指标确定方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115225936A true CN115225936A (zh) 2022-10-21
CN115225936B CN115225936B (zh) 2023-07-14

Family

ID=83604742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110421130.2A Active CN115225936B (zh) 2021-04-19 2021-04-19 一种视频资源的清晰度指标确定方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115225936B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009059521A1 (fr) * 2007-11-01 2009-05-14 Huawei Technologies Co., Ltd. Procede et systeme de controle et de commande de qualite de transmission multimedia
CN102685790A (zh) * 2012-05-22 2012-09-19 北京东方文骏软件科技有限责任公司 模拟用户行为的移动流媒体业务感知体验QoE的测评方法
EP2706752A1 (en) * 2012-09-06 2014-03-12 Alcatel Lucent Method to determine the global quality of a video stream delivered using adaptive streaming
US20140254688A1 (en) * 2013-03-08 2014-09-11 Cisco Technology, Inc. Perceptual Quality Of Content In Video Collaboration
US20140280679A1 (en) * 2013-03-14 2014-09-18 The Regents Of The University Of California System and method for video caching in wireless networks
US20160112568A1 (en) * 2014-10-17 2016-04-21 Avaya Inc. System and method for selecting agents to improve call routing
CN105897736A (zh) * 2016-05-17 2016-08-24 北京邮电大学 一种tcp视频流业务用户体验质量评估方法及装置
CN108074115A (zh) * 2016-11-11 2018-05-25 上海文化广播影视集团有限公司 一种电视节目版权价值评估***及其评估方法
WO2018133083A1 (en) * 2017-01-23 2018-07-26 Microsoft Technology Licensing, Llc. Quantitative measurement of video system
CN109873797A (zh) * 2018-02-14 2019-06-11 南京邮电大学 基于统计分析的会话视频业务QoE-QoS参数映射方法
CN110475124A (zh) * 2019-09-06 2019-11-19 广州虎牙科技有限公司 视频卡顿检测方法及装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009059521A1 (fr) * 2007-11-01 2009-05-14 Huawei Technologies Co., Ltd. Procede et systeme de controle et de commande de qualite de transmission multimedia
CN102685790A (zh) * 2012-05-22 2012-09-19 北京东方文骏软件科技有限责任公司 模拟用户行为的移动流媒体业务感知体验QoE的测评方法
EP2706752A1 (en) * 2012-09-06 2014-03-12 Alcatel Lucent Method to determine the global quality of a video stream delivered using adaptive streaming
US20140254688A1 (en) * 2013-03-08 2014-09-11 Cisco Technology, Inc. Perceptual Quality Of Content In Video Collaboration
US20140280679A1 (en) * 2013-03-14 2014-09-18 The Regents Of The University Of California System and method for video caching in wireless networks
US20160112568A1 (en) * 2014-10-17 2016-04-21 Avaya Inc. System and method for selecting agents to improve call routing
CN105897736A (zh) * 2016-05-17 2016-08-24 北京邮电大学 一种tcp视频流业务用户体验质量评估方法及装置
CN108074115A (zh) * 2016-11-11 2018-05-25 上海文化广播影视集团有限公司 一种电视节目版权价值评估***及其评估方法
WO2018133083A1 (en) * 2017-01-23 2018-07-26 Microsoft Technology Licensing, Llc. Quantitative measurement of video system
CN109873797A (zh) * 2018-02-14 2019-06-11 南京邮电大学 基于统计分析的会话视频业务QoE-QoS参数映射方法
CN110475124A (zh) * 2019-09-06 2019-11-19 广州虎牙科技有限公司 视频卡顿检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王泽东;王晶;李成才;费泽松;: "不同场景下多指标的VoIP视频质量主观测试方法", 电视技术 *

Also Published As

Publication number Publication date
CN115225936B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
EP3379419B1 (en) Situation analysis
CN110839016B (zh) 异常流量监测方法、装置、设备及存储介质
CN111090776B (zh) 一种视频审核的方法、装置、审核服务器和存储介质
CN108206769B (zh) 过滤网络质量告警的方法、装置、设备和介质
CN107547490B (zh) 一种扫描器识别方法、装置及***
CN108334758A (zh) 一种用户越权行为的检测方法、装置及设备
US8818927B2 (en) Method for generating rules and parameters for assessing relevance of information derived from internet traffic
CN106230809B (zh) 一种基于url的移动互联网舆情监测方法及***
CN113407886A (zh) 网络犯罪平台识别方法、***、设备和计算机存储介质
CN105224691A (zh) 一种信息处理方法及装置
CN111107423A (zh) 一种视频业务播放卡顿的识别方法和装置
CN111327539B (zh) 一种业务调度的方法、装置及设备
CN107085549A (zh) 故障信息生成的方法和装置
CN114915479A (zh) 一种基于Web日志的Web攻击阶段分析方法及***
CN106294765A (zh) 处理新闻数据的方法及装置
CN108268370B (zh) 基于Referer和模板库匹配的网站质量分析方法、装置和***
CN115225936B (zh) 一种视频资源的清晰度指标确定方法、装置、设备及介质
CN116915630A (zh) 网络卡顿预测方法、装置、电子设备、介质和程序产品
CN113453076B (zh) 用户视频业务质量评估方法、装置、计算设备和存储介质
CN108495150B (zh) 一种视频点击满意度的确定方法及装置
Dubin et al. Video quality representation classification of encrypted http adaptive video streaming
CN112333756A (zh) 区域网络质量监测方法、***、电子设备和存储介质
CN112261001A (zh) 一种基于流量数据分析的服务器行为监控方法
CN109583211B (zh) 网站聚类及漏洞扫描方法、装置、电子设备及存储介质
CN114070819B (zh) 恶意域名检测方法、设备、电子设备及存储介质

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