CN116074586A - 视频体验质量的预测方法、装置、电子设备及存储介质 - Google Patents

视频体验质量的预测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116074586A
CN116074586A CN202211601452.6A CN202211601452A CN116074586A CN 116074586 A CN116074586 A CN 116074586A CN 202211601452 A CN202211601452 A CN 202211601452A CN 116074586 A CN116074586 A CN 116074586A
Authority
CN
China
Prior art keywords
video
predicted
pause
quality
expressed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211601452.6A
Other languages
English (en)
Inventor
张杨
杜长宇
孙乔
赵蕾
纪鹏
曲传哲
靳莉
于卉淼
程强
李春阳
杨莹
韩天琦
李华勤
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.)
Beijing Zhongdian Feihua Communication Co Ltd
Original Assignee
Beijing Zhongdian Feihua Communication 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 Beijing Zhongdian Feihua Communication Co Ltd filed Critical Beijing Zhongdian Feihua Communication Co Ltd
Priority to CN202211601452.6A priority Critical patent/CN116074586A/zh
Publication of CN116074586A publication Critical patent/CN116074586A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

本公开提供一种视频体验质量的预测方法、装置、电子设备及存储介质，包括：获取待预测视频，并确定所述待预测视频的呈现质量；响应于所述待预测视频中的暂停事件，生成所述暂停事件对所述待预测视频的影响函数；根据所述待遇测视频的呈现质量以及所述影响函数，预测所述待预测视频的体验质量。本公开通过待测视频中的暂停事件确定了待测视频的影响函数，进而再通过影响函数以及待测视频的呈现质量对待测视频的体验质量进行了预测，使得最终的预测结果能够更加准确的反应观看者得体验感受。

Description

视频体验质量的预测方法、装置、电子设备及存储介质
技术领域
本发明涉及流媒体传输技术领域，尤其涉及一种视频体验质量的预测方法、装置、电子设备及存储介质。
背景技术
随着流媒体视频的不断发展，消费者对流媒体视频的需求量也日益增加。这使得现阶段流媒体视频方面的研发，已经从强调用户规模走向注重提升服务品质的阶段。由于消费者对视频观看体验的要求不断提高，使得提升用户的视频体验质量(Quality ofExperience，QoE)成为了流媒体视频服务方面的主要竞争因素。
在现有技术中，传统的预测视频体验质量(QoE)的方法大多都只考虑，网络技术层面的参数对观看过程的影响。但在实际的观看过程中中，视频体验质量(QoE)还受到视频本身的呈现质量以及观看者在观看视频过程中的暂停事件的影响。
发明内容
有鉴于此，本公开的目的在于提出一种视频体验质量的预测方法、装置、电子设备及存储介质。
作为本公开的一个方面，提供了一种视频体验质量的预测方法，其特征在于，包括：
获取待预测视频，并确定所述待预测视频的呈现质量；
响应于所述待预测视频中的暂停事件，生成所述暂停事件对所述待预测视频的影响函数；
根据所述待遇测视频的呈现质量以及所述影响函数，预测所述待预测视频的体验质量。
可选的，所述确定所述待预测视频的呈现质量，包括：
确定所述待预测视频的表征问题；
基于所述表征问题确定所述待预测视频的呈现质量。
可选的，所述基于所述表征问题确定所述待预测视频的呈现质量，包括：
基于所述表征问题对所述待预测视频进行图像特征提取，得到特征提取图；
基于所述特征提取图确定所述待遇测视频的呈现质量；
其中，所述呈现质量表示为：
Pn＝V(Xn,Rn)
其中，所述Pn表示为所述呈现质量，所述V表示为所述待预测视频的质量分数，所述Xn表示为流视频的第n帧，所述Rn表示为原始质量视频的第n帧。
可选的，所述生成所述暂停事件对所述待预测视频的影响函数，包括：
将所述暂停事件代入指数衰减函数，确定所述暂停事件的暂停损失；
对所述暂停事件的暂停损失进行求和处理，得到所述暂停损失的集合；
基于所述暂停损失的集合生成所述暂停事件对所述待预测视频的影响函数；
其中，所述暂停事件的暂停损失，表示为：
Figure BDA0003997375020000021
其中，Sk(t)表示为暂停损失，
Figure BDA0003997375020000023
表示为衰减函数的比例函数，t表示为时间实例，f表示为帧速率，ik和lk表示为假设第k次暂停事件位于[ik，ik+lk]上，k表示暂停的时间长度，T0表示为不满意速率，T1表示为记忆的相对强度。
可选的，所述对所述暂停事件的暂停损失进行求和处理，得到所述暂停损失的集合，表示为：
Figure BDA0003997375020000022
其中，S(t)表示为暂停损失的集合，Sk(t)表示为暂停损失，N表示暂停事件的总数。
可选的，所述基于所述暂停损失的集合生成所述暂停事件对所述待预测视频的影响函数，包括：
对所述暂停损失的集合进行离散化处理，得到所述暂停事件对所述待预测视频的影响函数；
其中，所述影响函数表示为：
Figure BDA0003997375020000031
其中，Sn表示为影响函数；
Figure BDA0003997375020000032
表示为将S(t)进行离散处理后的转化形式，其中，n表示为离散时间的实例即暂停事件的数量，f表示为帧速率。
可选的，所述根据所述待遇测视频的呈现质量以及所述影响函数预测所述待预测视频的体验质量，表示为：
Qn＝Pn+Sn
其中，Qn表示为体验质量，Pn表示为呈现质量，Sn表示为影响函数。
作为本公开的第二个方面，本公开还提供了一种视频体验质量的预测装置，其特征在于，包括：
呈现质量确定模块，被配置为：获取待预测视频，并确定所述待预测视频的呈现质量；
影响函数确定模块，被配置为：接收所述待预测视频中的暂停事件，并生成所述暂停事件对所述待预测视频的影响函数；
体验质量预测模块，被配置为：根据所述呈现质量以及所述影响函数预测所述待预测视频的体验质量。
作为本公开的第三个方面，本公开还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现本公开所提供的上述视频体验质量的预测方法。
作为本公开的第四个方面，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上任意一项所述的方法。
如上所述，本公开提供了一种视频体验质量的预测方法、装置、电子设备及存储介质。在本公开中首先获取待测视频并确定待测视频的呈现质量，然后基于待测视频中的暂停事件确定待测视频的影响函数，最后基于呈现质量以及影响函数对待测视频的体验质量进行预测。
附图说明
为了更清楚地说明本公开或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例，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1A为本公开实施例所提供的一种视频体验质量的预测方法示意图。
图1B为本公开实施例所提供的一种确定待测视频表征问题的方法示意图。
图1C为本公开实施例所提供的一种确定待测视频呈现质量的方法示意图。
图1D为本公开实施例所提供的一种确定影响函数的方法示意图。
图2为本公开实施例所提供的一种视频体验质量的预测装置结构示意图。
图3为本公开实施例所提供的一种视频体验质量的预测方法的电子设备结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
现有技术中，对视频体验质量(QoE)的预测大多都只考虑网络技术的相关参数，并未考虑到视频本身的呈现质量和观看者在观看视频时所发生的暂停事件，以及他们之间所存在的关联问题。
为了解决上述问题，本公开提供了一种视频体验质量的预测方法、装置、电子设备及存储介质。通过上述方法，本公开首先确定了视频本身的呈现质量，然后接收了视频观看过程中所发生的暂停事件，并根据暂停事件去定了其对视频的影响函数，最后通过视频的呈现质量以及暂停事件的影响函数对视频的体验质量进行了预测，最终通过视频体验质量的预测结果对视频本身进行了改进和完善。
在介绍了本公开的基本原理之后，下面具体介绍本公开的各种非限制性实施方式。
图1A为本公开实施例所提供的一种视频体验质量的预测方法示意图。
图1A所示的视频体验质量的预测方法进一步包括以下步骤：
步骤S10：获取待预测视频，并确定所述待预测视频的呈现质量。
在一些实施例中，当本申请实施例想对流媒体视频本身进行改进和完善时，本申请实施例可以先通过观看者的观看感受来预测这些流媒体视频的体验质量，进而通过体验质量来对这些流媒体视频进行改进和完善。
在一些实施例中，本申请实施例可以先通过流媒体视频平台获取一部待预测的流媒体视频，然后给观看者播放这部流媒体视频，进而收集观看者的播放感受，以确定这部流媒体视频自身的呈现质量。可以理解的是，为了使得确定的到的呈现质量的结果更加准确，本申请实施例可以选取大量的具有不同喜好的观看者来观看这部流媒体视频。
在一些实施例中，确定呈现质量的过程可以通过预先设定的视觉问答模型(VQA)来完成。视觉问答模型(VQA)可以先对观看者的喜好进行收集并将所收集到的喜好进行分类和汇总。例如，观看者A喜欢恐怖类型的视频，观看者B喜欢搞笑类型的视频，观看者C也喜欢恐怖类型的视频。则可以将观看者A和C归为一类，并设定为“恐怖”，观看者B为一类，并设定为“搞笑”。然后本申请实施例可以将上述的分类汇总的结果输入至该视觉问答模型(VQA)，作为视觉问答模型(VQA)的“库”。最后，本申请实施例对观看者A、B和C播放待预测视频，然后基于前述的“库”判断该待预测视频的呈现质量。可以理解的是，为了使得最终确定的呈现质量更加的准确，本申请实施例还可以选择年龄幅度跨越较大的观看者作为测试群体。
在一些实施例中，观看者的喜好取决于很多因素。例如，视频的类型、网络参数以及视频长短等，在本本公开中仅以视频的类型为例进行了说明，但在实际操作中，也可以将更多影响观看者喜好的因素进行提前收集，并输入至视觉问答模型的“库”中，进而使得最终所确定的视频的呈现质量可以更加的准确。
图1B为本公开实施例所提供的一种确定待测视频表征问题的方法示意图。
在一些实施例中，如图1B所示，是对步骤S10的进一步展开说明，具体包括以下步骤：
S101：确定所述待预测视频的表征问题。
在一些实施例中，当本申请实施例确定了视觉问答模型(VQA)的“库”后，本申请实施例则可以通过“库”判断该待预测视频的呈现质量。具体来讲，本申请实施例可以先确定待预测视频的表征问题为该视频的呈现质量。然后，将该待预测视频以及表征问题输入至视觉问答模型(VQA)中。
在一些实施例中，表征问题即本申请实施例想要知道的关于待预测视频的相关内容，在本实施例中，因为本申请实施例想要确定待预测视频的呈现质量，所以本申请实施例可以将表征问题设定为待预测视频的呈现质量。
S102：基于所述表征问题确定所述待预测视频的呈现质量。
在一些实施例中，当本申请实施例将表征问题以及待预测视频输入至视觉问答模型(VQA)后，本申请实施例可以基于表征问题，通过视觉问答模型(VQA)对待预测视频进行特征提取，然后将特征提取的结果与前述的“库”中的内容作比对，最终通过比对的结果确定待预测视频的呈现质量。
图1C为本公开实施例所提供的一种确定待测视频呈现质量的方法示意图。
在一些实施例中，如图1C所示，是对步骤S102的进一步展开说明，具体包括以下步骤：
S1021：基于所述表征问题对所述待预测视频进行图像特征提取，得到特征提取图。
在一些实施例中，本申请实施例可以基于前述所确定的表征问题(视频的呈现质量)，对待预测视频进行视频信息的特征提取。具体来讲，本申请实施例可以以帧为单位对待预测视频进行片段分解，然后对分解后的每一帧进行信息提取，最后将信息提取的结果进行结合，最终生成特征提取图。
S1022：基于所述特征提取图确定所述待遇测视频的呈现质量。
在一些实施例中，当本申请实施例对待预测视频的每一帧特征进行提取，并得到了特征提取图后，本申请实施例可以对特征提取图进行分析。例如，本申请实施例可以通过特征提取图确定该待预测视频的类型是恐怖类型或者搞笑类型。然后本申请实施例可以将分析的结果与待预测视频的“库”进行比对，并在比对后对该待预测视频进行质量分数的评定，最终根据质量分数确定该待预测视频的呈现质量。
在一些实施例中，若该待预测视频的类型为恐怖类型，则该待预测视频的质量分数对于观看者A、C而言较高。若该待预测视频为搞笑类型，则该待预测视频的质量分数对于观看者B而言较高。
在一些实施例中，当本申请实施例得到该待预测视频对于每一个观看者的质量分数后，本申请实施例可以基于该质量分数，通过视觉问答模型(VQA)确定待预测视频的呈现质量，具体可以表示为：
Pn＝V(Xn,Rn)
其中，所述Pn表示为所述呈现质量，所述V表示为所述待预测视频的质量分数，所述Xn表示为流视频的第n帧，所述Rn表示为原始质量视频的第n帧。
在一些实施例中，
如上所述，在本步骤中，先获取了待预测视频，并确定了待预测视频的表征问题。然后将该待预测视频以及表征问题输入至视觉问答模型(VQA)确定了该待预测视频的呈现质量，最终可以通过该待预测视频的呈现质量去预测该待预测视频的体验质量。但是，在实际操作过程中，视频的体验质量可能还取决于视频中的暂停事件的影响，因此，本申请实施例要对视频中的暂停事件进行分析。
步骤S20：响应于所述待预测视频中的暂停事件，生成所述暂停事件对所述待预测视频的影响函数。
在一些实施例中，当本申请实施例确定了待预测视频的呈现质量后，本申请实施例可以对该待预测视频中的暂停事件进行获取，并基于所获取到的暂停事件确定该待预测视频的影响函数。
在一些实施例中，暂停事件可能取决于该待预测视频的呈现质量(观看者个人意志的因素)以及观看该待预测视频时的网络状况(观看者个人意志以外的因素)等。对于前者可以理解为，当观看者不满意该待预测视频的内容时，观看者可以自主的按下暂停键以结束该待预测视频的播放。此时，该暂停事件对该待预测视频的影响函数可以综合该待预测视频的呈现质量进行考虑，即可以将该待预测视频的呈现质量作为此次暂停事件的影响函数，本实施例中对此不做过多的延伸。
在一些实施例中，当暂停事件是由于观看者个人意志以外的因素(例如，网络状况等)造成时，则可以对此种情况下的暂停事件进行收集，进而对收集到的暂停事件进行分析，并根据分析的结果确定该暂停事件对该待预测视频的影响函数。
图1D为本公开实施例所提供的一种确定影响函数的方法示意图。
在一些实施例中，如图1D所示，是对步骤S20的进一步展开说明，具体包括以下步骤：
S201：将所述暂停事件代入指数衰减函数，确定所述暂停事件的暂停损失。
在一些实施例中，本申请实施例在收集到该待预测视频中的暂停事件后本申请实施例可以通过，指数衰减函数，确定每一次暂停事件对该待预测视频的暂停损失。可以理解的是，在待预测视频中的暂停事件可以有很多次，因此本申请实施例需要对每次暂停事件发生所产生的暂停损失都进行计算。
在一些实施例中，确定每一次暂停事件对该待预测视频的暂停损失还可以表示为：
Figure BDA0003997375020000081
其中，Sk(t)表示为暂停损失，
Figure BDA0003997375020000082
表示为衰减函数的比例函数，t表示为时间实例，f表示为帧速率，ik和lk表示为假设第k次暂停事件位于[ik，ik+lk]上，k表示暂停的时间长度，T0表示为不满意速率，T1表示为记忆的相对强度。
S202：对所述暂停事件的暂停损失进行求和处理，得到所述暂停损失的集合。
在一些实施例中，当本申请实施例分别对每一个的暂停损失进行计算后，本申请实施例可以所计算得到的暂停损失进行求和处理，以得到在该待预测视频中的所有暂停事件所产生的暂停损失的集合。
在一些实施例中，暂停损失的集合可以表示为：
Figure BDA0003997375020000091
其中，S(t)表示为暂停损失的集合，Sk(t)表示为暂停损失，N表示暂停
S203：基于所述暂停损失的集合生成所述暂停事件对所述待预测视频的影响函数。
在一些实施例中，当本申请实施例确定暂停事件对待预测视频的影响函数时，本申请实施例可以先将上述所确定暂停损失的集合进行离散化处理，然后基于离散化处理的结果生成暂停事件对待预测视频的影响函数。
在一些实施例中，离散化处理可以理解为，把无限空间中有限的个体映射到有限的空间中去，以此提高算法的时空效率。在本实施例中，对暂停损失的集合进行离散化处理可以具体为，对暂停损失的集合中的每个暂停损失先按照大小进行排序，然后对排序后的各个暂停损失进行去重处理，最后再对去重处理后的暂停损失建立索引，最终得到暂停损失的集合的离散化处理的结果。
在一些实施例中，本申请实施例可以将暂停损失的集合的离散化处理的结果，作为最终暂停事件对待预测视频的影响函数，具体可以表示为：
Figure BDA0003997375020000092
其中，Sn表示为影响函数；
Figure BDA0003997375020000093
表示为将S(t)进行离散处理后的转化形式，其中，n表示为离散时间的实例即暂停事件的数量，f表示为帧速率。
如上所述，在本步骤中，本申请实施例先确定了待预测视频中的暂停事件，然后计算暂停事件对待预测视频产生的暂停损失，最后通过对暂停损失进行离散化处理得到了暂停事件对待预测视频的影响函数。接下来，本申请实施例将通过前述的呈现质量以及影响函数预测待预测视频的体验质量。
步骤S30：根据所述待遇测视频的呈现质量以及所述影响函数，预测所述待预测视频的体验质量。
在一些实施例中，待预测视频的体验质量取决于，待预测视频本身的呈现质量以及待预测视频中暂停事件对待预测视频的影响函数。因此，在对待预测视频的体验质量进行预测时，本申请实施例要综合考虑其呈现质量以及影响函数的影响，即将二者所产生的影响进行汇总，进而预测到该待预测视频的体验质量。
在一些实施例中，待预测视频的体验质量，可以表示为：
数预测所述待预测视频的体验质量，表示为：
Qn＝Pn+Sn
其中，Qn表示为体验质量，Pn表示为呈现质量，Sn表示为影响函数。
如上所述，在本公开中，首先，获取了待预测视频并确定了待预测视频的表征问题，进而通过基于待预测视频的表征问题确定了待预测视频的呈现质量。然后，又对待预测视频中的暂停事件所产生的暂停损失进行了计算，进而对暂停损失进行离散化处理得到了暂停事件对待预测视频的影响函数。最后，通过待预测视频的呈现质量以及暂停事件对待预测视频的影响函数对待预测视频的体验质量进行了预测。
综上所述，本公开在预测视频的体验质量的过程中，充分的考虑了观看者在观看视频时对视频的质量评价，以及视频播放中所产生的暂停事件对观看者观看感受的影响。这使得最终预测到的体验质量能够更加准确地反映出观看者本身的观看感受，进而方便视频运作平台更有针对性的对视频进行改进和完善。
基于同一技术构思，与上述任意实施例方法相对应的，本公开还提供了一种视频体验质量的预测装置，通过本公开所提供的视频体验质量的预测装置可以实现以上任意一实施例所述的视频体验质量的预测方法。
图2为本公开实施例所提供的一种视频体验质量的预测装置结构示意图。
图2所示的视频体验质量的预测装置进一步包括以下模块：
呈现质量确定模块10、影响函数确定模块20和体验质量预测模块30；
其中，所述呈现质量确定模块10，被配置为：获取待预测视频，并确定所述待预测视频的呈现质量。具体执行以下步骤：
确定所述待预测视频的表征问题；
基于所述表征问题对所述待预测视频进行图像特征提取，得到特征提取图；
基于所述特征提取图确定所述待遇测视频的呈现质量；
其中，所述呈现质量表示为：
Pn＝V(Xn,Rn)
其中，所述Pn表示为所述呈现质量，所述V表示为所述待预测视频的质量分数，所述Xn表示为流视频的第n帧，所述Rn表示为原始质量视频的第n帧。
所述影响函数确定模块20，被配置为：接收所述待预测视频中的暂停事件，并生成所述暂停事件对所述待预测视频的影响函数。具体执行以下步骤：
将所述暂停事件代入指数衰减函数，确定所述暂停事件的暂停损失；
对所述暂停事件的暂停损失进行求和处理，得到所述暂停损失的集合；
基于所述暂停损失的集合生成所述暂停事件对所述待预测视频的影响函数；
其中，所述暂停事件的暂停损失，表示为：
Figure BDA0003997375020000111
其中，Sk(t)表示为暂停损失，
Figure BDA0003997375020000113
表示为衰减函数的比例函数，t表示为时间实例，f表示为帧速率，ik和lk表示为假设第k次暂停事件位于[ik，ik+lk]上，k表示暂停的时间长度，T0表示为不满意速率，T1表示为记忆的相对强度；
所述对所述暂停事件的暂停损失进行求和处理，得到所述暂停损失的集合，表示为：
Figure BDA0003997375020000112
其中，S(t)表示为暂停损失的集合，Sk(t)表示为暂停损失，N表示暂停事件的总数。
对所述暂停损失的集合进行离散化处理，得到所述暂停事件对所述待预测视频的影响函数；
其中，所述影响函数表示为：
Figure BDA0003997375020000121
其中，Sn表示为影响函数；
Figure BDA0003997375020000122
表示为将S(t)进行离散处理后的转化形式，其中，n表示为离散时间的实例即暂停事件的数量，f表示为帧速率。
所述体验质量预测模块30，被配置为：根据所述呈现质量以及所述影响函数预测所述待预测视频的体验质量。具体执行以下步骤：
其中，所述体验质量表示为：
Qn＝Pn+Sn
其中，Qn表示为体验质量，Pn表示为呈现质量，Sn表示为影响函数。
基于同一技术构思，与上述任意实施例方法相对应的，本公开还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以上任意一实施例所述的视频体验质量的预测方法。
图3示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作***和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的视频体验质量的预测方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一技术构思，与上述任意实施例方法相对应的，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的视频体验质量的预测方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的视频体验质量的预测方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本公开实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本公开实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本公开实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本公开实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本公开实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本公开实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本公开实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种视频体验质量的预测方法，其特征在于，包括：
获取待预测视频，并确定所述待预测视频的呈现质量；
响应于所述待预测视频中的暂停事件，生成所述暂停事件对所述待预测视频的影响函数；
根据所述待遇测视频的呈现质量以及所述影响函数，预测所述待预测视频的体验质量。
2.根据权利要求1所述的方法，其特征在于，所述确定所述待预测视频的呈现质量，包括：
确定所述待预测视频的表征问题；
基于所述表征问题确定所述待预测视频的呈现质量。
3.根据权利要求2所述的方法，其特征在于，所述基于所述表征问题确定所述待预测视频的呈现质量，包括：
基于所述表征问题对所述待预测视频进行图像特征提取，得到特征提取图；
基于所述特征提取图确定所述待遇测视频的呈现质量；
其中，所述呈现质量表示为：
Pn＝V(Xn,Rn)
其中，所述Pn表示为所述呈现质量，所述V表示为所述待预测视频的质量分数，所述Xn表示为流视频的第n帧，所述Rn表示为原始质量视频的第n帧。
4.根据权利要求1所述的方法，其特征在于，所述生成所述暂停事件对所述待预测视频的影响函数，包括：
将所述暂停事件代入指数衰减函数，确定所述暂停事件的暂停损失；
对所述暂停事件的暂停损失进行求和处理，得到所述暂停损失的集合；
基于所述暂停损失的集合生成所述暂停事件对所述待预测视频的影响函数；
其中，所述暂停事件的暂停损失，表示为：
Figure FDA0003997375010000021
其中，Sk(t)表示为暂停损失，
Figure FDA0003997375010000025
表示为衰减函数的比例函数，t表示为时间实例，f表示为帧速率，ik和lk表示为假设第k次暂停事件位于[ik，ik+lk]上，k表示暂停的时间长度，T0表示为不满意速率，T1表示为记忆的相对强度。
5.根据权利要求4所述的方法，其特征在于，所述对所述暂停事件的暂停损失进行求和处理，得到所述暂停损失的集合，表示为：
Figure FDA0003997375010000022
其中，S(t)表示为暂停损失的集合，Sk(t)表示为暂停损失，N表示暂停事件的总数。
6.根据权利要求4所述的方法，其特征在于，所述基于所述暂停损失的集合生成所述暂停事件对所述待预测视频的影响函数，包括：
对所述暂停损失的集合进行离散化处理，得到所述暂停事件对所述待预测视频的影响函数；
其中，所述影响函数表示为：
Figure FDA0003997375010000023
其中，Sn表示为影响函数；
Figure FDA0003997375010000024
表示为将S(t)进行离散处理后的转化形式，其中，n表示为离散时间的实例即暂停事件的数量，f表示为帧速率。
7.根据权利要求1所述的方法，其特征在于，所述根据所述待遇测视频的呈现质量以及所述影响函数预测所述待预测视频的体验质量，表示为：
Qn＝Pn+Sn
其中，Qn表示为体验质量，Pn表示为呈现质量，Sn表示为影响函数。
8.一种视频体验质量的预测装置，其特征在于，包括：
呈现质量确定模块，被配置为：获取待预测视频，并确定所述待预测视频的呈现质量；
影响函数确定模块，被配置为：接收所述待预测视频中的暂停事件，并生成所述暂停事件对所述待预测视频的影响函数；
体验质量预测模块，被配置为：根据所述呈现质量以及所述影响函数预测所述待预测视频的体验质量。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。
10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行权利要求1至7任一所述方法。
CN202211601452.6A 2022-12-13 2022-12-13 视频体验质量的预测方法、装置、电子设备及存储介质 Pending CN116074586A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211601452.6A CN116074586A (zh) 2022-12-13 2022-12-13 视频体验质量的预测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211601452.6A CN116074586A (zh) 2022-12-13 2022-12-13 视频体验质量的预测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116074586A true CN116074586A (zh) 2023-05-05

Family

ID=86181184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211601452.6A Pending CN116074586A (zh) 2022-12-13 2022-12-13 视频体验质量的预测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116074586A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103501434A (zh) * 2013-09-17 2014-01-08 北京奇艺世纪科技有限公司 一种视频的质量分析方法及装置
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
US20170048297A1 (en) * 2011-12-16 2017-02-16 Netflix Corporation Measuring user quality of experience for a streaming media service
CN109451303A (zh) * 2018-12-24 2019-03-08 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
CN111401637A (zh) * 2020-03-16 2020-07-10 湖南大学 融合用户行为和表情数据的用户体验质量预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170048297A1 (en) * 2011-12-16 2017-02-16 Netflix Corporation Measuring user quality of experience for a streaming media service
CN103501434A (zh) * 2013-09-17 2014-01-08 北京奇艺世纪科技有限公司 一种视频的质量分析方法及装置
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
CN109451303A (zh) * 2018-12-24 2019-03-08 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
CN111401637A (zh) * 2020-03-16 2020-07-10 湖南大学 融合用户行为和表情数据的用户体验质量预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
奚子为: "无线网络视频体验质量（QoE）的建模与预测研究", 中国优秀硕士学位论文, 15 August 2020 (2020-08-15), pages 1 - 47 *
杨箭;: "基于用户行为与内容综合分析评估的视频推荐方法研究", 电子技术与软件工程, no. 13, 1 July 2016 (2016-07-01) *
马栋林;王孝通;张澍寰;郭娅婷;: "基于用户行为的教学视频内容质量评价方法", 兰州理工大学学报, no. 03, 15 June 2020 (2020-06-15) *

Similar Documents

Publication Publication Date Title
US20170076321A1 (en) Predictive analytics in an automated sales and marketing platform
CN110278447B (zh) 基于连续特征的视频推送方法、装置及电子设备
CN112037223B (zh) 图像缺陷检测方法、装置及电子设备
CN109376419B (zh) 一种数据模型的生成方法、装置、电子设备及可读介质
CN117235586B (zh) 酒店客户画像构建方法、***、电子设备及存储介质
CN116541610B (zh) 一种推荐模型的训练方法及装置
CN112182281B (zh) 一种音频推荐方法、装置及存储介质
CN110555861A (zh) 光流计算方法、装置及电子设备
CN114943006A (zh) 歌单展示信息生成方法、装置、电子设备及存储介质
CN114417146A (zh) 数据处理方法、装置、电子设备和存储介质
CN110378936B (zh) 光流计算方法、装置及电子设备
CN117453509A (zh) 网页性能评分方法、装置、设备及介质
CN116074586A (zh) 视频体验质量的预测方法、装置、电子设备及存储介质
CN111832354A (zh) 目标对象年龄识别方法、装置及电子设备
CN111612158A (zh) 模型部署方法、装置、设备和存储介质
CN114510305B (zh) 模型训练方法、装置、存储介质及电子设备
CN113360773B (zh) 推荐方法、装置、存储介质及电子设备
CN114298403A (zh) 预测作品的关注度的方法和装置
CN115129975A (zh) 推荐模型训练方法、推荐方法、装置、设备及存储介质
US11093517B2 (en) Evaluation result display method, evaluation result display apparatus, and non-transitory computer-readable recording medium storing evaluation result display program
CN113420809A (zh) 视频质量评价方法、装置和电子设备
US10203833B2 (en) Recommending application modifications using image area counts
CN110704679A (zh) 视频分类方法、装置及电子设备
CN113177176A (zh) 特征构建方法、内容显示方法及相关装置
CN110782287A (zh) 实体相似度计算方法及装置、物品推荐***、介质、设备

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